Webanalisten als dé (Big) Data Scientists van de toekomst

Voor wie dagelijks met plezier data analyseert is de opkomst van Big Data een interessante ontwikkeling. Volgens een studie van het McKinsey Global Institute [1] is data-driven dé werkwijze van de toekomst. In haar rapport voorspelt zij dat er op de Amerikaanse arbeidsmarkt over 5 jaar een tekort aan 150.000 – 190.000 Data scientists (data-analisten) [1,2,3,4] en nog een 1.500.000 extra data gedreven managers zal ontstaan.[5]

Omgerekend naar Nederland (ongeveer een factor 18 kleiner in aantal inwoners en omvang van BNP) betekent dit een tekort van 10.000 Big Data analisten in 2018. Een uitdaging voor bedrijven… maar een kans voor analisten! Maar welk type analisten is nu het makkelijkste bij te scholen? Wat mij betreft hebben webanalisten de beste papieren.

We believe that the shortage of deep analytical talent will be a global phenomenon. […] Developing deep analytical skills requires an intrinsic aptitude in mathematics for starters, and then takes years of training. Addressing the talent shortage will not happen overnight, and the search for deep analytical talent that has already begun can only intensify.

McKinsey Global Institute

Big Data Analist = Data Scientist?

Het McKinsey rapport stelt bovendien dat de benodigde skills niet van de ene op de andere dag zijn aangeleerd: een voorsprong dus voor álle data-analisten. Helaas beschikt nog bijna geen enkele data-analist in Nederland over de skill-set van een échte Big Data scientist. Toch hebben webanalisten naar mijn mening de beste papieren en wel om de volgende redenen:

Webanalisten zijn al gewend aan niet-ideale data met een ‘menselijk’ component
De tools waarmee webanalisten nu werken worden uitgebreid met Big Data analytics functionaliteiten

Big data gaat niet over data, maar over menselijke interactie

Sogeti-ViNT maakt in haar rapport “Creating Clarity with Big Data”[4] met onderstaande graphic mooi duidelijk waarom juist webanalisten de stap naar Big Data goed zullen kunnen maken: Voetbal is emotie, maar Big Data ook!

Big Data analytics logische uitbreiding skills van webanalisten Bron afbeelding: Sogeti ism Teradata

Deze graphic geeft duidelijk weer hoe data met toenemend volume ook steeds gevarieerder (meerdere data-bronnen en -typen) en ongestructureerder wordt.

There’s a drift toward data-driven discovery and decision-making in fields varying form science and sports, advertising to public health. “It’s a revolution”

Gary King, director of Harvard’s Institute for Quantitative Social Science.

Als de informatiestromen uit bovenstaande graphic in tabelvorm worden geplaatst, valt direct nóg iets op: de data wordt steeds persoonlijker, steeds “emotioneler”.

ERP	CRM	WEB	BIG DATA


Betalingsregistratie	(globale) Klant-segmentatie	Web logs	Business Data Feeds (APIs)
Order-informatie	Product-aanbiedingen	Aanbiedingen geschiedenis	Externe / openbare (demografische) informatie
Aankoop registratie	Klant-contactmomenten (in het algemeen)	Dynamische Prijs-experimenten	Audio, Video
	Klantenservice contactmomenten	Affiliate Netwerken	Product / service Logs
		Search Marketing	USG (User Generated Content)
		Behavioral Targeting	Sensoren / RFID
		Dynamische Conversie-trechters	Klant/Doelgroep Sentiment
		AB testen	SMS / MMS
		Micro-klant -segmentatie	Sociale interacties
			RSS feeds
			GPS coördinaten
			Spraak naar tekst
			(multi-visit) Click streams bezoekers

Niet voor niets betrekken steeds meer online optimalisatie-bureaus een psycholoog bij het optimaliseren van een website!

…the traditional data world of business transactions is now beginning to merge with that of interactions and observations.

Shaun Connolly (Hortonworks)

Web analytics tools worden Big Data analytics tools

Goed nieuws voor webanalisten met de ambitie om een Data-Analist / Big Data Scientist te worden: zij hoeven niet direct op cursus. Het enige dat ze hoeven te doen is… meegroeien met hun vakgebied!

Zodra Webanalisten naast Google Analytics ook Google’s Marketing Intelligence Tools [7] gaan gebruiken, worden ze bijna vanzelf Big Data scientists!

Justin Cutroni geeft op zijn blog al een klein voorpoefje van wat Google “Universal Analytics” gaat kunnen:

Volgen bezoekers over meerdere sessies (ondanks cookiewet)
Volgen bezoekers over meerdere devices
Integratie CRM met online sales (klachten, rating, emails, call center)
Integratie off-site sales met online leads of “closing the loop”, e.g. auto’s verkocht na online
aanvraag proefrit
Integratie productdatabase met online sales (automatische uitgebreide eCommerce tracking)

Bij het alles-in-één Digital Analytics pakket van Adobe (eigenaar van o.a. Site catalyst, Visual sciences, Omniture, zie ook interviewverslag [9]) vervagen niet alleen de grenzen tussen web analytics en Big Data, maar ook die tussen het creëren van content en het meten van de effectiviteit ervan:

Creëren campagnebanners
Taggen campagnebanners
Meten effectiviteit online campagnes
Automatische optimalisatie online campagnes
Creëren website (CMS)
Taggen en meten website (binnen CMS)
Content-experimenten en optimalisatie: AB-testen en Behavioral Targeting (binnen CMS)
Integratie CRM met online sales (klachten, rating, e-mails, call center)

Het verschil tussen Business Intelligence en Big Data analytics

Geregeld spreek in met iedereen die het maar horen wil (moet?) enthousiast over de mogelijkheden van Big Data. Leken vragen “Hoezo is dit nieuw?”. IT professionals en marketing analisten vragen dan “Wat is het verschil tussen Enterprise Data Warehousing (EDW) en Big Data?”.

Op deze vraag zal ik antwoord geven in een volgend artikel en aangeven waarom de skillset, werkwijze en praktijk van Business Intelligence analisten minder goed aansluit op Big Data analytics dan die van Webanalisten.