Hoe Ford en Netflix Big Data inzetten

Het legt ze geen windeieren.

Ford en Netflix laten zien hoe big data kan je helpt om je klanten te begrijpen, je producten en dienstverlening te verbeteren. Daarmee verhoog je uiteindelijk je winst.

Ford publiceerde onlangs een blog waarin het volgende te lezen staat: "Zo'n tien jaar geleden ging gegevensanalyse over het verleden. Tegenwoordig gaat het om het heden." Het is een opmerking die geldt voor bedrijven over de hele wereld; in 2015 is informatie het meest waardevolle bezit, of je nu deel uitmaakt van een miljardenbedrijf of een eenmanszaak.



Plan uw device-upgrades: Slim kostenbeheer, verbeterde productiviteit


Investeren in nieuwe devices of nog even door met de oude? De aanschafkosten van devices zijn belangrijk, maar ook de toegenomen productiviteit van nieuwe en veiliger laptops, tablets en smartphones. Deze handleiding helpt IT-managers bij het maken van investeringsbeslissingen.

Download hier de gratis whitepaper >>


Winst verhogen

Als het op de juiste manier wordt verwerkt kan informatie bedrijven helpen om het gedrag van klanten te begrijpen, producten en diensten te verbeteren, nieuwe inkomstenbronnen aan te boren, de operationele efficiëntie te verbeteren, de beveiliging te versterken en uiteindelijk de winst te verhogen, legt Jim Henrys, Intel Principal Strategist, uit.

"Gegevensanalyse wordt steeds belangrijker voor bedrijven, omdat de hoeveelheid gegenereerde informatie explosief zal groeien tot 44ZB (44 miljard terabyte) tegen 2020. De bedrijven die inzichten gebruiken om zich aan te passen aan het continu veranderende zakelijke landschap zullen het meest succesvol zijn", vertelde hij.

Ford keert het tij

Als er één bedrijf is dat heeft aangetoond hoe belangrijk informatie kan zijn, is dat Ford. Het rampzalige jaar 2006 werd afgesloten met een verlies van $12,6 miljard en deed de gigant uit de Verenigde Staten besluiten om te investeren in analyse om het tij te keren. Dit bleek een succesvolle beslissing die in 2014 leidde tot een winst van $1,9 miljard.

Door diep in de beschikbare informatie te duiken leerde Ford het gedrag van haar klanten begrijpen, om op efficiëntere wijze aan te bieden wat zij vroegen. De autofabrikant ontwikkelde het Smart Inventory Management System (SIMS), een analysetool die ontworpen is om verkooptrends te ontdekken en voorspellen, met als uiteindelijke doel om de verkoop te stimuleren. Dit werd gedaan door informatie over de meestgebruikte zoektermen op de website van Ford te vergelijken met verkoopgegevens en externe factoren, zoals salaris, werkgelegenheidsgraad en huizenprijzen in verschillende regio's.

SIMS berekent het optimale aantal modellen dat dealers zouden moeten bestellen en is daarmee al vanaf de implementatie in 2009 een waardevolle aanvulling voor Ford. Het instrument levert het bedrijf naar schatting meer dan $100 miljoen per jaar op. Naast de investeringen in gegevensanalyse was Ford de eerste grote autofabrikant die begin 2015 een Chief Data and Analytics Officer aanstelde. In deze rol is Paul Ballew verantwoordelijk voor het opzetten van een organisatiebrede visie op analyse en het integreren van al het onderzoek, analyse, processen, standaarden, instrumenten en samenwerking met partners - dit alles met het uiteindelijke doel om een concurrentievoordeel te behalen.

Netflix onderscheidt zich

Niet alleen in de autoindustrie blijkt gegevensanalyse van onschatbare waarde te zijn. Netflix is een ander schoolvoorbeeld van de invloed die het kan hebben op de winstcijfers. De populaire VOD-dienst biedt sinds 2007 online streaming aan, waardoor gebruikers online films en televisieseries kunnen bekijken. Onder druk van concurrenten als Amazon, Hulu en HBO besloot Netflix zichzelf te onderscheiden om haar rol als marktleider te behouden. In 2011 werd de beslissing gemaakt om originele programma's aan te bieden.

Een keerpunt vond plaats toen Netflix $100 miljoen betaalde voor de exclusieve rechten op de show House of Cards. Netflix bestelde vooraf twee seizoenen, een zeer uitzonderlijke beslissing in de tv-industrie. Ondanks de twijfels van vele grote namen uit Hollywood over deze keuze en het feit dat er zelfs nog geen pilotaflevering was opgenomen, was Netflix ervan overtuigd dat het een verstandig besluit was. Waarom? Omdat het bedrijf het kijkgedrag van haar gebruikers heeft geanalyseerd. Op basis van het feit dat House of Cards een politieke dramaserie zou worden, geregisseerd door David Fincher en met Kevin Spacey in de hoofdrol, onderzocht Netflix of haar leden de show zouden waarderen. Uit de voorspellende analyse bleek dat er een grote kans was dat de drama een succes zou worden, op basis van de volgende conclusies :

•De film The Social Network van regisseur David Fincher was van het begin tot het einde een populaire keuze op Netflix.
•De Britse versie van House of Cards had een trouwe schare kijkers.
•Kijkers van de Britse versie keken ook graag naar films met Kevin Spacey en/of films van Fincher.


De voorspellende analyse bleek te kloppen. House of Cards werd bij haar introductie in 2013 positief ontvangen. De show leidde tot drie miljoen nieuwe leden voor de streamingdienst en werd na het eerste seizoen voor 14 prijzen genomineerd, waarvan er vier werden gewonnen. De opbrengst was zo hoog dat het een vliegende start betekende voor Netflix' strategie van originele programmering. Het bedrijf heeft op het moment meer dan 30 shows in productie, inclusief andere successen als Orange is the New Black en Daredevil. De dienst groeit continu. Het aantal abonnees is verdubbeld van 36,3 miljoen aan het begin van 2013 tot ruim 69 miljoen in 2015.

Netflix heeft onlangs een nog gewaagder besluit genomen op basis van informatie. Het bedrijf heeft besloten haar contract van $1 miljard met de filmdistributeur Epix niet te verlengen, op basis van het feit dat de vraag naar mainstream films als The Hunger Games en Transformers niet voldoende was om de investering te rechtvaardigen, omdat het creëren van originele content belangrijker is.

Machine learing

Netflix heeft niet alleen de kracht van big data gebruikt om beslissingen te maken over het creëren van originele programmering, het heeft ook machinaal leren toegepast om gebruikers van een persoonlijke thuispagina te voorzien.

"Om op basis van algoritmes een goede persoonlijke thuispagina te maken moet er per profiel en device een pagina worden samengesteld uit duizenden video's die relevant kunnen zijn voor een lid, uit tienduizenden potentiële rijen, elk met een variërend aantal video's. Daarnaast moeten we verschillende factoren afwegen die allen strijden om dezelfde schermruimte. Onze aanpak van persoonlijkheid en aanbevelingen is met name gericht op het aanbieden van nieuwe shows die leden kunnen kijken, wat we ontdekking noemen", merkte Justin Basilico, Research and Engineering Manager op in het Netflix Blog.

"Om dat te bereiken zetten we machinaal leren in om een beoordelingsfunctie te creëren op basis van historische gegevens over welke thuispagina's we voor onze leden hebben gecreëerd, wat ze daadwerkelijk zien, hoe ze communiceren en wat ze afspelen."

Profiteren of ten onder gaan

Volgens Henrys zullen bedrijven die geen gebruik maken van de beschikbare technologieën om inzichten te herleiden al op korte termijn minder competitief worden en uiteindelijk zelfs ten onder gaan. "Het probleem is dat bedrijven vaak niet weten hoe ze maximaal kunnen profiteren van hun informatie. Het is cruciaal voor bedrijven om de juiste vragen te stellen. "Organisaties zouden bijvoorbeeld gebruiksmodellen voor analyses moeten samenstellen, om goed te begrijpen waar ze waarde uit kunnen halen", stelt hij.