Digi-kennis

In 4 stappen naar nieuwe verdienmodellen met data en IoT

‘Big data’ en IoT ofwel Internet of Things: misschien wel dé ‘buzz-woorden’ van de afgelopen jaren. Je kunt geen vakblad openslaan of het wijst op de kansen met data en IoT. Data daadwerkelijk omzetten naar business bleek echter toch moeilijker dan gedacht. Na de hooggespannen verwachtingen volgde de teleurstelling: is dit het nu? Maar nu iedereen weer met beide benen op de grond staat, zien we steeds meer mkb-ondernemers die succesvol aan de slag gaan met data. Vaak niet met ‘big’ data, maar eerst in het klein, gewoon met hun eigen data. 

Wat het succes een handje helpt: er komen steeds meer ‘hulptroepen’ beschikbaar die ondernemers helpen met data-analyse. Studenten van het groeiend aantal data-opleidingen bijvoorbeeld. Zij zetten hun studenten graag in om mkb’ers op weg te helpen.

Hulptroepen

Er zit meer data binnen en buiten je bedrijf dan je denkt. In het MKB Data Lab, verzorgd door Universiteit Jheronimus Academy of Data Science (JADS), gaat een datawetenschapper met jouw vraagstuk aan de slag, onder begeleiding van twee docenten. Je hebt hiermee toegang tot de benodigde expertise en de juiste automatiseringsomgeving. Zo kan data ook voor jou werken.

Waarom beginnen?

Big data is de verzamelnaam voor alle digitale gegevens die via diverse stromen en in verschillende vormen binnenkomen. Als je deze gegevens met elkaar in verband brengt, krijg je nieuwe inzichten. Veel ondernemers nemen hun beslissingen op hun gevoel. Data vormt daarop een mooie aanvulling en een solide basis om je bedrijfsbeslissingen op te baseren. Beslissingen die uiteindelijk maar om één ding draaien: waarde toevoegen voor je klant.

Waar begin je?

Grofweg zijn er vier kansrichtingen waar data heel handig bij is:


  1. Hoe kun je beter inspelen op de individuele klantwens? Consumenten willen een aanbod toegespitst op hun voorkeuren. Met data-analyse kun je deze voorkeuren steeds beter achterhalen. Dat maakt het personaliseren van je aanbod mogelijk.  
  2. Hoe kun je je product of dienst verbeteren? Welke informatie heb je daarvoor nodig en waar liggen kansen voor verbetering? Hoe ziet het product van je concurrent eruit?
  3. Hoe kun je als bedrijf beter worden, zodat je klant jouw bedrijf meer waardeert? Door bijvoorbeeld je bedrijfsprocessen te optimaliseren, kun je sneller, goedkoper of beter leveren. Welke processen kun je samen met ketenpartners verbeteren waardoor je klant direct profiteert? Kun je sensoren inzetten die data verzamelen?
  4. Data kan je ook helpen om trends in de markt en de maatschappij sneller te herkennen. Wat is trending op de sociale media? Als je dat weet, kun je er tijdig op inspelen. Daarmee creëer je een voorsprong op je concurrent.

Internet of Things: een schat aan data


Steeds meer apparaten worden ‘slim’. Dankzij sensoren krijgen ze ‘zintuigen’ die waardevolle informatie verzamelen. Via internet en draadloze verbindingen wisselen zij deze data uit. Zelf kun je de apparaten op afstand bedienen met je smartphone, smartwatch of tablet. Zo is het Internet of Things ontstaan, ofwel IoT.


Sensoren staan 24/7 aan en meten een grote hoeveelheid data. Dit biedt kansen aan bedrijven in alle sectoren. IoT biedt bijvoorbeeld mogelijkheden om bestaande activiteiten en processen te optimaliseren. Zo kun je het onderhoud van machines beter plannen en zelfs voorspellen. ‘Slimme’ machineonderdelen laten zelf weten dat ze aan vervanging toe zijn. Er ontstaan ook mogelijkheden voor nieuwe verdienmodellen. Bijvoorbeeld het aanbieden van serviceconcepten in plaats van een product. Denk aan de slimme lamp die het verbruik exact bijhoudt, waardoor je uren licht kunt verkopen in plaats van armaturen.

Aandachtspunten

Is er dan helemaal geen wolkje aan de lucht? Als jij ook (meer) in de cloud wil werken, dan raden wij je aan wel goed op de volgende punten te letten:

Stap 1

Kies een richting. Waarvoor wil je data-analyse inzetten? Maak een keuze uit de 4 hiervoor genoemde kansrichtingen.

Stap 2

Laat je inspireren. Organiseer een brainstorm met je medewerkers, ga in gesprek met je klant en kijk wat andere ondernemers al doen met data.

Stap 3

Duik in de data. Als de vragen helder zijn waarop je een antwoord wilt, bepaal je welke informatie je nodig hebt – en vooral waar je die informatie vandaan haalt. Dat kan data zijn uit je eigen bedrijf. Je hebt vaak meer informatie in huis dan je zelf denkt. Een andere bron is data van anderen. Er zijn vele bronnen waar je gratis of tegen betaling data vindt waar je wat aan hebt. Bijvoorbeeld Weer en klimaat (KNMI), Voertuigen (RDW), Bevolking (CBS), Vastgoed (Kadaster) en Bedrijven (KVK).

Stap 4

Van idee naar praktijk. Maak een ‘werkend model’ uit data die je al hebt. Of een beschrijving van je product, dienst of visualisatie. Leg dit voor aan klanten of collega’s – in ieder geval aan degenen voor wie je waarde creëert. Werk zo nodig samen met andere ondernemers of doe een beroep op universiteiten, hogescholen en andere kennisinstellingen (zie kader).

Tip

  1. (Big) data blijft. Maak je huidige data gereed voor de toekomst, je omgeving verlangt het van je.
  2. Denk groot, start klein! Begin met eenvoudige data-analyse. Dat maakt de stap naar geavanceerdere analyses makkelijker.
  3. Zorg dat je alle data op dezelfde wijze verzamelt en digitaal opslaat. Scan papieren bestanden in en sla ze digitaal op – zó dat je die eenvoudig kunt exporteren naar andere systemen.
  4. Bekijk hoe je website presteert met Google-Analytics. Dit geeft snel inzicht in kenmerken en gedrag van jouw (potentiële) klanten.
  5. Volg wat men op sociale media als Facebook en Twitter over jouw bedrijf en product zegt. Bijna alle sociale media hebben een eigen ‘analyseknop’.
  6. Voeg in processen waar mogelijk sensoren toe. Deze leveren snel en relatief goedkoop een schat aan informatie.
  7. Maak je personeel ‘data-minded’. Betrek je medewerkers bij data-projecten.
  8. Besef dat data-analyse een investering vergt. Data verzamelen, beheren ordenen en analyseren kost tijd.
  9. Werk samen binnen de branche, lokaal/regionaal of binnen de keten. Voor een enkele mkb’er is data-analyse vaak nog te kostbaar en ingewikkeld.
  10. Schakel zo nodig een data-analist in, leg je datavraag neer bij een kennisinstelling of schakel een student in (zie kader).