De opkomst van big data
De afgelopen jaren heeft het begrip ‘big data’ een steeds grotere rol gekregen binnen diverse industrieën. Zo maakt bijvoorbeeld de politie gebruik van big data om criminaliteitspatronen te onderzoeken en de gezondheidszorg om ziektepatronen te kunnen voorspellen. Ook marketing experts maken steeds vaker gebruik van big data. Hiermee kunnen zij bijvoorbeeld het koopgedrag van klanten onderzoeken en blogs of producten adviseren op basis van profielen, cookies of eerder vertoond online gedrag.
Door grote bedrijven zoals Google en Facebook wordt al lange tijd gebruik gemaakt van big data. Echter, ook kleinere bedrijven krijgen steeds meer gegevens ter beschikking door de opkomst van nieuwe online tools en analytics.
Wat betekent dit voor bedrijven? Hoe kunnen big data gebruikt worden om een bedrijf te laten groeien, en wat heeft dit met growth hacking te maken?
In deze blog gaan we in op de rol van big data binnen het growth hacking proces. We bespreken definities, we gaan in op de link tussen big data en growth hacking en zullen een aantal tools bespreken die gebruikt worden voor het beheren en analyseren van gegevens.
Wat is big data?
Het begrip ‘big data’ is inmiddels op veel verschillende manieren gedefinieerd. Echter, echt duidelijk is de definitie meestal niet. Het begrip blijft vrij breed. Zoals Mayer-Schönberger en Kenneth Cukier in hun boek uitleggen:
De term ‘Big Data’ verwijst naar dingen die je op een grote schaal kan doen die op een kleinere schaal niet mogelijk zijn, en waarmee je nieuwe inzichten verkrijgt of nieuwe vormen van economische waarde creëert op een manier die invloed heeft op onder meer markten, organisaties en de relaties tussen burgers en overheden.
Simpelweg houdt dit dus in, het gebruik van grote hoeveelheden gegevens om hier conclusies uit te kunnen trekken en acties op te kunnen afstemmen.
Growth hacking en big data
Big data analysis is growth hacking
Met deze definitie in gedachten is de link tussen big data en growth hacking snel gelegd. Growth hacking maakt namelijk constant gebruik van data om te leren wat groei binnen een bedrijf in de hand werkt. Hoe ‘big’ de dataset is hangt af van het stadium van het growth hacking proces. Binnen growth hacking houdt het verzamelen van data namelijk nooit op.
Wat werkt is verschillend voor ieder bedrijf en voor ieder project. De resultaten van elke actie dienen daarom van begin tot eind in detail gedocumenteerd te worden. Hoe, wanneer en waarom werd een bepaalde actie uitgevoerd? Wat was het effect? Wat levert een experiment een bedrijf op? Met elk experiment groeit de dataset en ontstaat meer helderheid over de weg naar groei.
Gegevens kunnen overal vandaan komen. Denk aan social media, e-mail reacties, website acties en externe databases zoals bijvoorbeeld Clearbit. Eigenlijk kunnen alle interacties met – en reacties van potentiële klanten op experimenten nieuwe data creëren.
Hoe uitgebreider de dataset, hoe meer inzicht deze geeft in het gedrag van potentiële klanten. De ‘customer journey’ is enorm ingewikkeld en is vrijwel niet te voorspellen. Gelukkig kunnen we met een voldoende diepgaande dataset aardig in de richting komen.
Hoe bewaar - en analyseer je deze data?
Net als de hoeveelheid gegevens, groeit ook het aantal manieren waarop we big data kunnen opslaan en analyseren razendsnel. Welke methode van big data analytics je het beste kunt kiezen hangt af van diverse factoren. Kijk hierbij naar de hoeveelheid data, het aantal verschillende bronnen, de snelheid waarmee de data geanalyseerd dienen te worden en het type data. Heb je te maken met ruwe ongestructureerde data of een overzichtelijke tabel? Of met datasets die te groot zijn om met bepaalde tools geanalyseerd te worden? Ook is uiteraard het budget van belang en de vaardigheden van de data analyst. Sommige tools doen de analyses voor je, en sommige tools vergen meer specialisme om deze zelf uit te kunnen voeren. Dit geldt voor bijvoorbeeld het gebruik van machine learning of kunstmatige intelligentie algoritmes.
Tools voor het analyseren van data
Analyse is al mogelijk op zeer kleine schaal. Denk aan de gratis ingebouwde Insights tabs van je social media kanalen of aan Facebook IQ Audience Insights. Ook biedt Google Analytics voor veel bedrijven ruim voldoende mogelijkheden om analyses uit te voeren gebaseerd op relatief grote aantallen website bezoekers.
Wil je meer? Dan zijn er diverse tools beschikbaar die net als Google Analytics analyses voor je uitvoeren met jouw website en applicatie data. Voorbeelden zijn Oribri, Mixpanel of Heap Analytics.
Voor big data opslag, machine learning en de mogelijkheid om zelf complexe analyses uit te voeren kun je kijken naar bijvoorbeeld Microsoft Azure, Google BigQuery, Apache Cassandra of Karmasphere.
Leapforce heeft zelf een data-straat gebouwd allerlei integraties, die op Heroku draaien, waarmee de data in Google BigQuery wordt geplaatst en vervolgens met Google Data Studio wordt gevisualiseerd.
Hulp nodig?
Wil je meer weten over big data, growth hacking of de gouden combinatie van deze twee? Wij geven je graag uitleg over het Leapboard, ons eigen ontwikkelde marketing dashboard, en nemen met je door wat data analyses en growth hacking voor jouw bedrijf kunnen betekenen. Vraag gerust een gratis adviesgesprek bij ons aan voor data koppelingen of growth hacking.
