Upload
sas-nederland
View
222
Download
0
Tags:
Embed Size (px)
DESCRIPTION
In Future Bright - Decisions at the speed of Right delen visieleiders van organisaties als DSM, Macy's, Rabobank, bol.com, Marktplaats.nl en RWE hun ervaringen over hoe zij optimaal waarde halen uit hun data. In dit boek biedt SAS handreikingen om de eerste stappen te zetten.
Citation preview
1705,5170 160
244
160 Omslag BigData fc+goud.indd 1 12-09-12 12:23
FUTURE BRIGHT
DEcIsIons aT THE spEED oF RIGHT
5 Voorwoord door Karel Kinders
6 Visie SAS
Edwin Peters en Jeroen Dijkxhoorn - ‘High-Performance Analytics verandert het speelveld’
14 Interview
Dennis Kamst (RWE) - ‘Datastroom creëert nieuwe waarde binnen energiesector’
20 5 vragen aan …
Aloys Kregting (DSM) - Zandkorrels in de woestijn
24 Visie
Dan Ariely - ‘We zijn voorspelbaar irrationeel’
28 Interview
Derek Wylde (HSBC) - ‘Snelheid en nauwkeurigheid zijn fundamenteel’
34 5 vragen aan …
Jacco van der Weerd (Rabobank) - Vragen en vervolgvragen
38 Interview
Bank of America en UOB - Banken beperken kredietrisico’s met High-Performance Analytics
44 Interview
Natasha Zharinova (Marktplaats.nl) - ‘Geen tijd verliezen met het verzamelen van gegevens’
48 5 vragen aan …
Arjan de Ruiter (bol.com) - Inspirerende winkelomgeving
52 Interview
Kerem Tomak (Macy’s) - ‘Relevanter zijn voor klanten’
59 Profiel SAS
60 Colofon
InHoUDsopGaVE
VooRwooRD
Een belangrijk onderwerp als analytics verdient een benadering in heldere, praktische termen. Zoals bij zoveel technologisch gedreven ontwikkelingen wordt de aandacht te vaak in hype-achtige bewoordingen verlegd naar begripsdefinities, drempels en valkuilen in plaats van een focus op de meerwaarde. Voor je het weet worden nieuwe mogelijkheden gezien als een bedreiging, terwijl ze juist kansen zijn. Dit boek laat zien dat het ontsluiten en ontginnen van steeds grotere hoeveelheden gegevens laagdrempeliger is dan vaak wordt gesuggereerd. Sterker: de voordelen van een effectieve analytics-aanpak liggen meer dan ooit voor iedereen binnen handbereik.
Organisaties hebben te maken met steeds sneller, groter en gevarieerder wordende datastromen. Bij een term
als big data denken zelfs goed ingevoerde IT’ers, analisten en businessmensen al snel aan een ongebreideld
groeiende wirwar van gegevens uit een groot aantal gestructureerde en ongestructureerde bronnen – een stort-
vloed aan data die vanuit verschillende hoeken op de organisatie af dendert. Maar wie een beetje afstand
neemt, ziet al snel een meer natuurlijke ontwikkeling waar alle organisaties op kunnen inhaken. Ongeacht het
volwassenheidsniveau.
Het pad van business intelligence naar big data analytics is voor iedereen te bewandelen. Het begint bij het
aggregeren en ontsluiten van afgebakende hoeveelheden gegevens, om vervolgens met behulp van nieuwe
technologieën toe te werken naar de realtime analyse van nagenoeg onbegrensde hoeveelheden data. Een pad
dat van reactief naar proactief loopt, maar ook van terugkijken naar voorspellen. Op welk niveau je als organi-
satie de eerste stappen zet, is minder belangrijk dan de beslissing om mee te gaan. Dit vereist visie.
Het gaat uiteindelijk allemaal om snellere toegang tot relevante informatie. Om daarmee de voorheen niet
zichtbare patronen, sentimenten en verbanden te onthullen en betere beslissingen te nemen. Het liefst in real-
time en on the fly. Het gaat daarbij overigens niet alleen om snelheid; de inzichten en beslissingen moeten ook
nog eens kloppen en bovendien op het juiste moment genomen kunnen worden. ‘Decisions at the speed of
right’ dus. High-performance technologieën zoals parallel computing, snellere processoren, In-Memory analytics
en goedkopere opslag maken het inmiddels mogelijk...
Vooralsnog lijkt High-Performance Analytics voor veel organisaties nog niet veel meer dan een stip aan de horizon.
De weg ernaartoe ligt echter open voor iedereen. Begin met het werken vanuit de bestaande omgeving, ontdek
de toegevoegde waarde van grotere hoeveelheden en meer gevarieerde data. Om op basis daarvan sneller
betere beslissingen te kunnen nemen en nieuwe mogelijkheden te ontdekken. Maar laat u eerst inspireren door
de verhalen in dit boek.
Ik wens u veel leesplezier!
Karel Kinders
Managing Director
SAS Nederland
6
VIsIE
7
Door Edwin Peters en Jeroen Dijkxhoorn
De wereldwijde hoeveelheid data verdubbelt volgens schattingen elke twee jaar. Dergelijke hoeveelheden data vertegenwoordigen weliswaar een schat aan inzichten en antwoorden, maar hoe meer data in allerlei vormen, hoe lastiger en tijdrovender de snelle verwerking ervan is. Maar wat als je in plaats van vijf uur slechts enkele minuten nodig had voor het vinden van antwoorden op belangrijke vragen? Dan zou onze manier van werken, maar ook onze businessmodellen wel eens heel anders kunnen worden ingericht. High-Performance Analytics is een werk-wijze om razendsnel inzichten uit enorme hoeveelheden gegevens te halen en zo het speelveld ingrijpend te veranderen.
Het spel verandert volledig wanneer organisaties alle relevante informatie uit uiteenlopende bronnen,
direct kunnen meenemen in hun beslissingen en acties. Denk aan retailers die nu prijzen voor duizen-
den producten in realtime kunnen optimaliseren, overheden die fraude daadkrachtiger kunnen bestrij-
den, banken die risico’s in realtime kunnen beheren en bedrijven die klanten via cross- en up-selling
beter bedienen. De mogelijkheden zijn legio en we staan nog maar aan het begin.
Big DataInformatie is voor organisaties altijd al van grote waarde geweest. Maar data is niet hetzelfde als infor-
matie. De strategische inzet van business analytics zet data om in informatie en inzichten, waardoor de
waarde ervan sterk toeneemt. De hoeveelheid, snelheid en variëteit aan gegevens groeit intussen
steeds sneller en raakt de grenzen van wat organisaties qua systemen en infrastructuur aan kunnen.
Dit wordt ook wel ‘big data’ genoemd en het fenomeen komt niet uit het niets. Het is het resultaat van
elkaar versterkende ontwikkelingen op het gebied van informatie, technologie en cultuur.
E-mail en social media, foto’s en video zorgen voor een explosieve toename aan ongestructureerde
data. Daarnaast zorgen slimme energiemeters, mobiele apparatuur en online gekoppelde sensoren,
die gegevens over bijvoorbeeld weer, verkeer en water registreren, voor een snel uitdijende en
ANALYTische TooLs eN vAArdighedeN vereisT
HIGH-pERFoRmancE analyTIcs VERanDERT HET spEElVElD
8
steeds gevarieerder wordende datastroom. Tegelijk is er een technologische revolutie gaande waarbij
de sterk verbeterde capaciteit en verwerkingsnelheid van systemen realtime inzicht, analyse en
besluitvorming mogelijk maken. Een kansrijke uitdaging. Snellere processoren, de opkomst van parallel
computing (waarmee rekenkracht wordt verdeeld over meerdere machines), dalende opslagkosten
en cloud computing zijn stuwende factoren op technologiegebied. Om alle in de data opgesloten
waarde te ontginnen, zijn niet alleen het juiste technologische tools nodig, maar ook een informatie-
gerichte cultuur. Vooral op het laatste punt vindt momenteel een belangrijke verschuiving plaats; (big)
data is sexy en heeft binnen veel organisaties de volle aandacht.
Door advanced analytics toe te passen op grote hoeveelheden gevarieerde gegevens krijgen organisa-
ties meer inzicht in hun klanten, de markt en de buitenwereld. Op basis daarvan nemen ze betere
beslissingen. Hierbij onderscheiden we beschrijvende en voorspellende analyses. Bij het eerstge-
noemde analysemodel wil je vooral begrijpen wat er is gebeurd en hoe dit tot stand is gekomen. Het
tweede type analyses gaat over vooruitkijken of het voorspellen van veranderscenario’s. De combinatie
van deze twee analysevormen biedt inzicht, helpt organisaties zich voor te bereiden op de toekomst
en stelt ze in staat beter te sturen. Een hogere productiviteit, efficiëntere processen, concurrentie-
‘De essentie van big data is de combinatie van groeiende volumes en complexiteit van data’
9
De essentie van big data zit niet alleen
in de groeiende volumes maar vooral
ook in de snelheid en complexiteit van
data. De uitdaging is om niet alleen
gestructureerde maar ook ongestruc-
tureerde en semigestructureerde data
snel en accuraat te verwerken. De va-
riëteit van de datastroom en de daar-
uit voort vloeiende complexiteit van de
verwerking vormen de kern van de uit-
daging.
McKinsey typeert big data als data-
sets die te groot zijn voor standaard
database tools om te kunnen ontslui-
ten, vastleggen, beheren en analyse-
ren. Onderzoeksbureau Gartner stelt
dat het niet alleen over volume gaat
maar net zo goed om variatie, snel-
heid en complexiteit. IDC omschrijft
big data als ‘een nieuwe generatie
technologie en architectuur, ontwor-
pen om economische waarde te halen
uit grote en gevarieerde hoeveelheden
data, door middel van een verwerking
op hoge snelheid. Indien daarbij ook
analyse plaatsvindt, spreekt men van
big data analytics.
Dat laatste komt aardig in de buurt
van de zienswijze van SAS. We spre-
ken van big data als de situatie zich
voordoet waarin de hoeveelheid, snel-
heid en variatie aan data de normale
opslag- en verwerkingscapaciteit van
een organisatie overstijgen. SAS ziet
het vermogen van een bedrijf of instel-
ling om snel correcte beslissingen te
nemen in het licht van de complexiteit
en de relevantie van de gegevens voor
de beoogde analyses.
High-Performance AnalyticsDe combinatie van analytics met High-
Performance Computing (HPC) wordt
High-Performance Analytics (HPA) ge-
noemd. Deze vorm van analyse bestaat
uit drie onderdelen:
1. Grid computing maakt dat bestaan-
de computers optimaal worden in-
gezet.
2. In-Database analytics brengt de
analyse naar de data, zodat deze
niet eerst hoeven worden samenge-
bracht in een datawarehouse.
3. In-Memory analytics voert beschrij-
vende en voorspellende analyses in
het RAM-geheugen uit, waardoor
meer scenario’s in veel kortere tijd
kunnen worden doorgerekend.
Samen vormen deze technologieën
een geïntegreerd en krachtig platform
waarmee bedrijfsvraagstukken kunnen
worden opgelost die tot voor kort on-
mogelijk leken.
Big Data: waar praten we over?
10
voordelen en een beter bedrijfsresultaat komen binnen handbereik. Advanced Analytics is hiermee
van belang voor elke organisatie. Een bedrijf dat niet of te laat weet wat er in de markt en onder
afnemers speelt, loopt kans op omzetverlies en een slechtere dienstverlening, met uiteindelijk reputatie-
schade en aantasting van de concurrentiepositie.
High-Performance AnalyticsMet nieuwe technologieën kunnen we steeds meer gegevens verzamelen en verwerken. Zo is het nu
mogelijk om analytics toe te passen op volledige datasets met talloze variabelen en waarnemingen.
Zogenoemde High-Performance Analytics (HPA, zie kader) maakt het werken met zulke grote
hoeveel heden data een stuk eenvoudiger. Omdat het rekenwerk bij HPA In-Memory plaatsvindt, is het
niet langer nodig om te werken met kleinere, deelverzamelingen van gegevens.
Met HPA is het mogelijk om de maximale hoeveelheid data te verwerken en modellen zelf te laten
bepalen welke gegevens relevant zijn en welke niet. HPA geeft niet alleen antwoord op de gestelde
vraag, maar helpt bovendien nieuwe vragen te ontdekken die eerst onzichtbaar bleven. Je weet
immers niet wat je niet weet. Dit resulteert in geheel nieuwe variabelen en modellen waarvoor
nieuwe en andere infrastructuur, strategie en analytische vaardigheden nodig zijn.
Business en ITInformatietechnologie speelt een belangrijke rol bij het managen en analyseren van data en het bieden
van inzichten. Veel op te lossen bedrijfsproblemen vereisen een intensieve wisselwerking tussen IT en
de business. Voor projecten waarbij geavanceerde analysetechnieken worden ingezet, gelden enkele
randvoorwaarden; je moet de beschikking hebben over schone, relevante en accurate data en de
betekenis ervan moet voldoende helder zijn. Daarnaast is het belangrijk kennis te hebben van zowel
de bedrijfsprocessen als de benodigde analysetechnieken. Ook moet het analyseproces transparant en
controleerbaar zijn.
Analysesoftware wordt gelukkig steeds toegankelijker voor gebruikers zonder analytische achter-
grond. Uit onderzoek van Bloomberg blijkt dat het aantrekken van analytisch talent een behoorlijke
Jeroen Dijkxhoorn Edwin Peters
11
Door het analyseren van grote hoeveelhe-
den data kunnen organisaties sneller inno-
veren en beter concurreren, blijkt uit het
onderzoek Big data, the next frontier for
innovation van McKinsey. Op basis van de
studie worden zes belangrijke conclusies
getrokken:
1. Data is een belangrijke produc-tiefactor naast arbeid en kapi-taal.
2. Gebruik van big data kan op vijf manieren waarde creëren.
Allereerst door informatie transparant te
maken en vaker te gebruiken. Daarnaast
kunnen organisaties nauwkeuriger en ge-
detailleerder prestatie-informatie verza-
melen over van alles door meer transacti-
onele gegevens in digitale vorm te creëren
en op te slaan. Verder stelt big data be-
drijven in staat tot steeds verfi jndere
klantsegmentatie en dus ook tot veel
nauwkeuriger aanbiedingen van producten
of diensten, via het meest geschikte ka-
naal. Daarnaast kan de besluitvorming
aanzienlijk worden verbeterd door verfijnde
analyses. Ten slotte is big data waardevol
voor de ontwikkeling van nieuwe genera-
ties producten en diensten.
3. Het gebruik van big data wordt een belangrijke factor in de concurrentie en groei van indi-viduele bedrijven.
Big data moet serieus worden genomen.
In de meeste industrieën zullen zowel de
gevestigde orde als nieuwkomers data-ge-
dreven strategieën inzetten om te innove-
ren, concurreren en extra waarde te ge-
nereren. In alle onderzochte sectoren zijn
al voorbeelden van dergelijk gegevensge-
bruik te vinden.
4. Het gebruik van big data zorgt voor nieuwe golven van produc-tiviteitsgroei.
Big data biedt aanzienlijke voordelen aan
zowel consumenten, bedrijven als organi-
saties. Denk bijvoorbeeld aan locatiege-
bonden diensten die alleen mogelijk zijn
door persoonlijke gegevens van personen
te koppelen aan de actuele tijd en plaats
waar iemand zich bevindt.
5. Gebruik van big data is voor alle sectoren van belang.
Binnen bepaalde sectoren liggen voor de
hand liggende winsten in het verschiet. De
kansen en uitdagingen variëren per sector.
Zo zullen de elektronica- en ICT-sector,
maar ook financiële dienstverleners, ver-
zekeraars en de overheid, aanzienlijk pro-
fiteren van gebruik van big data.
6. Een tekort aan analytisch talent lijkt onvermijdelijk.
Tegen 2018 zal er alleen al in de VS een
tekort zijn van 140.000 tot 190.000
mensen met een diep analytisch vermo-
gen. Liefst 1,5 miljoen managers en ana-
listen moeten daarom de broodnodige
know how ontwikkelen om big data-analyse
te gebruiken bij het nemen van effectieve
beslissingen.
De onderzoekers van McKinsey geven ove-
rigens nog wel aan dat zaken als privacy-
beleid, veiligheid, de juiste interpretatie
van gegevens en intellectueel eigendom
ook moeten worden meegenomen als fac-
toren om het volledige potentieel van big
data te benutten.
sneller innoveren en concurreren
12
uitdaging vormt. Slechts 14 procent van de Nederlandse respondenten zegt genoeg analytische
vaardig heden in huis te hebben. Dit legt enerzijds meer druk op het aantrekken en opleiden van
analytische talenten, maar tegelijkertijd is het een reden om de gebruiksvriendelijkheid van software
te verbeteren. De toegankelijkheid van de software neemt toe en inmiddels kan bijna elke willekeu-
rige manager met de juiste software snel zelf de juiste inzichten krijgen. Alleen de achterliggende
complexiteit is dan nog een zorg voor de analist en IT’er. Deze zijn vooral nog nodig in de voorberei-
ding – denk daarbij bijvoorbeeld aan modelontwikkeling, selectie van de datasets en het beheer van
de High-Performance Analytics omgeving. De IT-specialist heeft een rol bij de kwaliteit van de data en
het beschikbaar stellen ervan.
Winst in snelheid en nauwkeurigheidHPA heeft een grote impact op de manier van werken en de business modellen van organisaties. Zo
wist een grote Amerikaanse retailer dankzij HPA de tijd die hij nodig had voor het analyseren en door-
rekenen van marketingscenario’s en -acties drastisch terug te brengen van 170 uur tot minder dan drie
Met de inzet van High-Performance
Analytics krijgt de beantwoording van de
vragen een steeds meer iteratief karak-
ter en zien we dat de business steeds
meer zelf kan doen. Oplossingen zoals
SAS Visual Analytics zijn zo intuïtief dat
exploratieve analyses, model len en
rappor tages binnen bereik komen van de
niet-analytisch geschool de manager.
HPA maakt het mogelijk om het analy-
tics-proces zo vaak aan te passen en te
her halen als nodig is. Het gehele proces
kan dan ook het beste beschreven wor-
den in termen van een cirkel, namelijk de
Analytics Lifecycle.1. Het begint altijd met een probleem, een
vraagstelling, die zo concreet en zuiver
mogelijk moet worden geformuleerd. Wat
wil je weten?
2. Vervolgens moet je kijken welke data je
daarvoor nodig hebt, in welke vorm en
waar vandaan.
analytics lifecycle: mensen, processen en technologie
How can we create
strategic advantage?
13
minuten. Deze retailer hanteert nu een iteratieve, realtime aanpak, in plaats van eens per week een
berekening uit te voeren waarmee de hele week moet worden gewerkt. Hij is daardoor veel beter in
staat in te spelen op vragen uit de markt, prijsstelling bij zijn concurrenten of zijn eigen voorraadont-
wikkeling.
Een ander voorbeeld betreft High-Performance Analytics bij een hypotheekverstrekker die risico’s moet
inschatten. Als zijn beoordeling van aanvragen om capaciteitsredenen slechts gebaseerd is op een
kleine selectie van gegevens, bijvoorbeeld van twee jaar tijdens een recessie, dan zou hij de kans op
wan betaling wellicht te hoog inschatten en leningen weigeren aan mensen die zich anders - in betere
tijden - moeiteloos zouden kwalificeren. Door nu te werken met alle data ontstaat een veel betrouw-
baarder beeld, en kan hij meer klanten bedienen en zijn resultaat en marktpotentie sterk verbeteren.
3. De volgende stap is het onderzoeken van
die data; is het bruikbaar, welke data heb
je wel nodig, welke niet? Waar liggen ver-
banden?
4. Dan moet de gewenste data in een voor
modellen bruikbare vorm worden omge-
zet. Welke data in welke tabellen, welke
frequenties en nauwkeurigheden?
5. De vijfde stap is het bouwen van het mo-
del. Met welk model kan ik best komen
tot beantwoording van mijn vraag?
6. Het model moet daarop worden gevali-
deerd en geverifieerd. Komen de juiste
antwoorden eruit en levert het inderdaad
antwoord op mijn vraag? Zo niet: gaan
we weer terug.
7. Als het model helemaal klopt, gaan we
het model inzetten en kijken hoe het func-
tioneert. Werkt het goed en snel en le-
vert het de gewenste uitkomsten?
Zo niet, gaan we weer een paar stappen
terug.
8. De uitkomsten worden uiteindeli jk ge-
toetst aan de vraag. Beantwoordt het
mijn vraag en kan ik met de uitkomsten
verder? Zo niet, waar ligt het aan? De
cirkel wordt dan weer geheel of gedeelte-
lijk herhaald.
Ook is het zo dat omstandigheden verande-
ren, data kunnen veranderen, de vraagstel-
ling kan veranderen, randvoorwaarden veran-
deren. Hierdoor moet de cirkel weer geheel
of gedeeltelijk worden door lopen. De winst
van HPA zit in zowel de doorloopsnelheid van
de gehele cirkel als de tijdwinst van individu-
ele segmenten en de hogere kwaliteit van de
modellen en de uitkomsten. Hierdoor zijn
minder iteraties nodig. Het wiel van de Analy-
tics Lifecyle draait daarmee steeds sneller.
analytics lifecycle: mensen, processen en technologie
Jeroen Dijkxhoorn is Head of Strategic Initiatives & Alliances, Global CoE Information Management & Analytics
en Edwin Peters is Manager Business Unit Solutions bij SAS.
14
Uitdaging: Structurele veranderingen binnen de energiesector vragen
om een andere inzet van IT.
Oplossing: Het opbouwen van big data-capabilities.
Resultaat: Informatie wordt gezien als een echte asset die centraal
staat binnen alle nieuwe ontwikkelingen.
InTERVIEw
15
‘Datastroom creëert nieuwe waarde binnen energiesector’
Dennis Kamst geeft leiding aan een groot programma dat binnen RWE moet leiden tot een kostenbesparing van minimaal 100 miljoen euro. Daarbij moet de inrichting van IT worden geoptimaliseerd om proactief in te spelen op grootschalige veranderingen binnen de sector en meer waarde te creëren voor de business. Binnen deze future role of IT gaat de omgang met grote hoeveel heden data een cruciale rol spelen. RWE is een internationaal energieconcern met activiteiten in heel Europa. In Nederland is RWE vooral bekend via haar dochterbedrijf Essent.
Programmadirecteur dennis Kamst van rWe:
Binnen de energiewereld is in korte tijd veel veranderd. Op de Europese markt is sprake van over-
capaciteit, onder meer door decentrale opwekking van energie. “De enorme opkomst van zonne-
panelen heeft bijvoorbeeld de Duitse markt structureel veranderd”, vertelt Dennis Kamst die voorheen
CIO was bij Essent. “Recent gebouwde gascentrales draaien op zonnige dagen slechts een beperkt
deel van hun capaciteit – een effect dat in combinatie met windenergie nog eens wordt versterkt.
Investeringen leveren veel minder op dan gedacht. Daar komt nog eens bij dat diverse nucleaire
centrales in Duitsland zijn uitgezet. Vanuit de overheid komen er bovendien allerhande belastingen op
energieopwekking bij. Dit alles bij elkaar heeft een groot effect op het traditionele businessmodel
binnen onze sector.”
Energiebedrijven moeten volgens de programmadirecteur van RWE een vlucht naar voren maken en
werken aan een nieuwe rol. “Er komen heel veel verschillende vormen van energieopwekking bij, die
op lokaal, nationaal en regionaal niveau moeten worden gemanaged. We gaan toe naar een situatie
16
waarin huishoudens zonnepanelen en windturbines op hun dak hebben, maar ook beschikken over
een slimme koelkast, een elektrische auto en een home energy management-systeem. Steeds meer
lokaal opgewekte energie wordt lokaal gebruikt en misschien ook wel lokaal verhandeld. Op dit
moment wordt deze zelf opgewekte energie nog teruggeleverd aan de energieleverancier, maar we
krijgen in de toekomst vast en zeker de mogelijkheid om energie te leveren aan degene die daarvoor
de hoogste prijs wil betalen. De inkoopmogelijkheden worden dus steeds fijnmaziger: je kunt bijvoor-
beeld energie verhandelen met de buren of met familie in Groningen. En aan organisaties buiten de
energiesector zoals de ANWB. Het hele model gaat op de schop.”
Energietransitie“De hele energietransitie hangt aan elkaar van ICT en ICT-oplossingen”, vervolgt Kamst. “Je kunt je
voorstellen dat de volumes en stromen aan data meer dan exponentieel zullen toenemen. De data zelf
wordt daardoor een bron van waarde. We hebben het dan aan de ene kant over data binnen het ener-
giebedrijf, zoals inzicht in en voorspelling van elektriciteitsgebruik en -opwekking. Hierdoor kan je een
beter opwek- danwel inkoopbeleid van energie voeren. Aan de andere kant betreft het data binnen
huishoudens, die afkomstig is uit bijvoorbeeld social media, slimme
apparatuur en energieplanners.
Op basis van die laatste informatie is het voor consumenten moge-
lijk om een gedetailleerd beeld van het eigen energieverbruik te
krijgen. De data laat je bijvoorbeeld zien dat je een oud type,
energie-onzuinige koelkast hebt. Je kunt je voorstellen dat je consu-
menten vanuit een nieuw soort energiemanagementservice op
basis van van deze informatie interessante aanbiedingen kunt
doen, vlak voor zijn verjaardag of tijdens een verbouwing.”
Hoewel data binnen elke organisatie steeds meer op waarde wordt
geschat, is het binnen de energiesector een echte asset geworden
die centraal staat bij alle ontwikkelingen. “Wanneer je als energie-
leverancier de data van binnen het bedrijf koppelt aan informatie
van buiten de organisatie, dan ben je in staat om binnen een
omgeving waarin de marges afnemen toch nog een boterham te
verdienen met nieuwe services voor zowel zakelijke als consumenten markten. Er zullen daarbij veel
nieuwe spelers opduiken die zich vooral op de nieuwe infor matie stromen richten. Ik kan me voorstel-
len dat er een soort ecosysteem van gespecialiseerde kleine en grote partijen komt, waaraan organi-
saties zoals RWE zich verbinden. Bedrijven die niet de capaciteiten ontwikkelen om op intelligente
wijze met al deze datastromen om te gaan, en daar dus niet in investeren, verliezen de slag bij
voorbaat.”
Big dataDe term big data behelst volgens Kamst de ‘bijna realtime verwerking en analyse van grote volumes,
zeer gevarieerde (zowel gestructureerde als ongestructureerde) data vanuit interne en externe bronnen
tot informatie die zo valide en betrouwbaar is dat ze ook direct kan worden gebruikt’.
‘Hoe beter je kunt voorspellen hoeveel energie je moet inkopen of opwekken, hoe meer je bespaart in de totale waardeketen’
17
“Daarin onderscheidt big data zich in mijn ogen van business intelligence, al voorzie ik dat traditionele
BI-oplossingen door steeds meer uitbreidingen big data-achtige kenmerken gaan vertonen.”
Kamst maakt aan de hand van een voorbeeld duidelijk hoe een organisatie als RWE te maken krijgt met
het fenomeen big data. “Vanuit de oude regelgeving stopten we als energiebedrijf eenmaal per jaar
een kaartje bij klanten in de bus waarop ze hun meterstanden opgaven. Inmiddels zijn we in het kader
van de nieuwe eisen in staat om de standen elk half uur of kwartier te verwerken. Als je dit gegeven
doorvertaalt naar het datavolume, dan zie je dat hier exponentiële veranderingen plaats vinden. En dit
is nog maar een heel klein begin. We gaan bovendien steeds meer naar realtime informatie toe.”
Om alle nieuwe mogelijkheden binnen een energiebedrijf optimaal te benutten, hoort de business,
volgens de programmadirecteur, eigenaar te zijn van de data. “Tegelijk zie ik dat de business binnen veel
organisaties die rol van data owner niet van nature oppakt of in zich heeft. Iemand die primair met sales
of marketing bezig is, heeft doorgaans andere belangen en bezigheden dan ervoor te zorgen dat de data
accuraat en kloppend is. Masterdatamanagement is niet de eerste zorg. Tegelijkertijd wordt het vermo-
gen om big data-capabilities op te bouwen wel degelijk een onder scheidende factor voor het energie-
bedrijf. De IT-functie is bij uitstek toegerust om in dit gat te springen.”
18
Een veranderend speelveld vraagt om andere vaardigheden binnen de func-
tie van IT in organisaties. “Men moet het oude denken en handelen rond IT
loslaten en doordringen tot het hart van de business”, zegt voormalig CIO
van Essent en RWE-programmadirecteur Dennis Kamst. “Ik zie daarin een
zware rol voor statistici en analisten, mensen die snappen hoe je datama-
nagement en statistiek bedrijft en die tevens de vertaalslag maken van data
en informatie naar businessprocessen, businessconcepten en de waarde
die informatie biedt.”
Deze nieuwe IT-medewerkers moet je volgens Kamst bij voorkeur inzetten
in de buurt van hun marketing- en financiële collega’s die ook veel met data-
analyse bezig zijn. “In de kruisbestuiving tussen verschillende disciplines zul-
len mooie nieuwe dingen ontstaan. IT’ers kunnen bijvoorbeeld helpen om
meer eenheid en structuur aan te brengen in de energiewaardeketen door
‘verspilling’ te identificeren. Bovendien kruipen IT en marketing steeds dich-
ter naar elkaar toe. Zij kunnen samen op basis van interne en externe infor-
matie – bijvoorbeeld uit social media – analyseren welke specifieke behoef-
tes er zijn binnen de diverse segmenten en markten. De één vanuit een
technisch perspectief – onder meer door het ontsluiten en koppelen van
data – en de ander vanuit een commercieel perspectief.”
Kamst denkt dat CIO’s en IT-directeuren die enkel beschikken over een zui-
ver technische achtergrond het zwaarder krijgen. Vooral wanneer ze niet in
staat zijn om in termen van business en businessmodellen te praten met de
andere belanghebbenden binnen hun organisatie. “Met het oog op de bewe-
ging naar een wereld waarin steeds meer IT ‘uit het stopcontact’ komt, is het
niet meer zo relevant dat CIO’s tot in detail weten hoe een datacenter is ge-
bouwd”, aldus Kamst. “Als IT-verantwoordelijken kunnen we ons in de toe-
komst wel op andere gebieden onderscheiden, en één ervan is het omgaan
met grote hoeveelheden informatie. Dat vereist wel een verlegging van focus.
Waar de nadruk voorheen vooral lag op de ‘T’ uit IT, zie ik de ‘I’ steeds be lang-
rijker worden. En dat is iets waar ik mij helemaal in kan vinden.”
nieuwe rollen binnen IT
19
WaardevermeerderingEen belangrijke bron van waardevermeerdering is een diepe en fijnmazige kennis van het energie-
verbruik. Als energieleverancier is het van groot belang dat je niet meer energie inkoopt dan dat je
verkoopt. “Anders gezegd: je moet proberen net zoveel energie op te wekken als je moet leveren.
Hoe beter je kunt voorspellen hoeveel energie je moet inkopen of opwekken, hoe meer je bespaart
op inefficiëntie in de totale waardeketen. Dit is een aspect waar met name de IT een grote bijdrage
kan leveren. Denk aan de uitrol van oplossingen die in staat zijn om alle relevante informatiestromen
aan elkaar te knopen en waarmee je conclusies kunt trekken op basis van de gegenereerde gege-
vens. Als het gaat om het razendsnel afstemmen van de energebehoefte op de verwachte vraag, ligt
er voor IT een enorm potentieel. Traditioneel gezien zijn dat soort IT-systemen niet realtime, al is er
nu zeker sprake van een verschuiving naar doorlopende actuele analyses op basis van zeer grote
hoeveelheden gegevens.”
De businessmodellen binnen de energiesector veranderen dus, maar volgens Kamst niet in de eerste
plaats onder druk van big data. “De veranderingen worden gestuwd door een aantal factoren die ik al
eerder noemde. Er is wel een samenhang met big data; er komt een veel fijnmaziger en kleinschaliger
behoefte aan en opwekking van energie. Dit leidt tot meer, andere en ook nieuwe datastromen die alle-
maal moeten worden gemanaged. Om het businessmodel überhaupt overeind te houden en te kunnen
meebewegen met alle veranderingen, is het opbouwen van big data-capabilities een noodzaak.”
‘Big data leidt tot meer, andere en ook nieuwe datastromen die allemaal moeten worden gemanaged’
20
Aloys Kregting
CIO van DSM
21
Mensen weten vaak niet op welke informatiegoudmijn ze zitten. Dat is de opvat-ting van CIO Aloys Kregting van DSM. De vraag vanuit de business is daardoor tot nu toe beperkt. Het thema big data behelst voor Kregting vooral zendelingen-werk; een kwestie van verleiden en met concrete voorstellen laten zien welke kansen nieuwe technologische ontwikkelingen kunnen bieden.
Wat is big data voor uw organisatie?
“Grote hoeveelheden data kunnen ontsluiten voor een grote groep mensen. Het betekent dat de
eindgebruikers de beschikking krijgen over tooling waarmee ze met die hele grote bak aan gegevens
kunnen spelen. Je geeft mensen in feite nieuwe schepjes, waarmee ze in plaats van in de zandbak
ineens in de Sahara mogen graven. Een belangrijke voorwaarde van deze ontwikkelingen is master-
datamanagement: weten welke zandkorrels je zoal in de zandbak hebt. Pas dan wordt de big data
ineens een stuk zinvoller. Wanneer je intelligentie wilt loslaten op een bak met gegevens, zul je eerst
moeten vaststellen wat alles precies betekent. Dat geldt ook voor sociale media. De informatie daaruit
dien je eerst te categoriseren om deze vervolgens te koppelen aan andere bronnen.”
Wat is nodig om big data binnen de organisatie optimaal te benutten?
“Het heeft lange tijd ontbroken aan goede frontend-tooling die gebruikers in staat stelt om op een
eenvoudige manier te spelen in de grote zandbak. Dat heeft geleid tot uiteenlopende additionele
software die bovenop het ERP-systeem is te gebruiken. Tablets hebben aan de gebruikerskant wel
voor een belangrijke ontwikkeling gezorgd: leuke dingen doen met apps. We hebben daarmee bin-
nen DSM een aantal geslaagde proof of concepts laten zien. Nieuwe high performance-technologieën
aan de achterzijde zijn randvoorwaardelijk omdat bestaande systemen bij grote datavolumes tekort
schieten.”
ZanDkoRREls In DE woEsTIjn
5Vijf vragen aanaloys kregting
‘masterdatamanagement: weten welke zandkorrels je zoal in de zandbak hebt’
22
“Met oog op big data zou het mooi zijn wanneer leveranciers met instap-tools komen, zodat je met
een aantal simpele en basale zaken kunt starten. Het rumoer rond het onderwerp is vooralsnog
namelijk niet in lijn met wat er werkelijk mee gebeurt. Het is voor veel bedrijven nog een lange weg
want de tooling ontbreekt, de datagovernance is niet goed ingeregeld, de IT-competenties zijn onvol-
doende en de business weet nog niet wat men er zoal mee kan. Er zullen nog heel wat terabytes door
de Rijn stromen voordat big data business as usual is.
23
Welke waarde levert het nemen van de beslissing op het juiste moment?
“In onzekere tijden willen mensen op basis van de beschikbare gegevens vaker weten waar ze staan.
Snelheid is daarbij altijd belangrijk; niet alleen in relatie tot big data maar ook binnen de normale
informatievoorziening en traditionele BI.”
Leidt het optimaal benutten van big data tot nieuwe businessmodellen?
“Een andere omgang met informatie kan tot mooie en interessante ontwikkelingen leiden. Dat
bewees bijvoorbeeld een autobandenverkoper die rij-informatie teruggekoppelde naar zijn klanten.
Dat leidde er niet alleen toe dat ze rustiger gingen rijden, maar ook dat hun banden gemiddeld
30 procent langer meegingen. Aan een bestaand product werd dus een informatie-element toe gevoegd.
Dat kun je op veel verschillende terreinen doen. DSM verkoopt bijvoorbeeld patenten. Daarbij zouden
we kunnen meten hoe goed die gekochte kennis vervolgens wordt toegepast. Het resultaat is gelijk
een ander businessmodel. Je helpt niet alleen de klant sturen, maar dit patent wordt daarmee ook
meer waard in de markt.”
Wat betekent dit voor de rol van IT en van de business?
“Om je als IT-functie te onderscheiden, moet je het niet langer hebben van de basic utilities, want die
betrek je bij wijze van spreken uit de muur. Het wordt al een stuk spannender als we alles bij elkaar
brengen en er één geheel van maken. Onze echte waarde zit ’m vooral in de organisatiespecifieke
toepassing van dit alles. Dat vraagstuk zou je als IT-afdeling in samenspraak met de business moeten
oppakken. Je kunt je dan bijvoorbeeld samen buigen over de vraag wat een fenomeen als big data
het bedrijf aan toegevoegde waarde kan bieden. De rest is commodity.”
‘Er zullen nog heel wat terabytes door de Rijn stromen voordat big data business as usual is’
24
Dan A
VIsIE
‘We kiezen bij voorkeur voor de optie die anderen ons al hebben voorgeschoteld’
Dan Ariely
25
Dat mensen soms onverstandige keuzes maken en irrationele dingen doen is tot daar aan toe. Het opmerlijke is volgens Dan Ariely dat dergelijk gedrag zo voor-spelbaar is. De psycholoog, gedragseconoom en auteur van het boek Predictably Irrational dook in de materie en kwam erachter dat onze instincten het nemen van de juiste beslissingen veelvuldig in de weg staan. “Het gaat erom onze tekortkomingen te onderkennen en te voorkomen”, zegt de Amerikaan.
Mensen zijn onverstandig en irrationeel, ook als de bedoelingen goed zijn en de risico’s bekend. Je
kunt heel bewust aan het lijnen zijn, maar in het restaurant toch voor een te zoete of vette hap kie-
zen. Je kunt de gevaren van onveilige seks onderkennen, maar op het moment suprème toch voor de
bijl gaan. Hetzelfde geldt voor autogordels. Eigenlijk weet iedereen wel dat ze veiligheid bieden, maar
toch gebruiken velen ze niet. Mensen kunnen het goede willen en bedoelen en vanuit die optiek
ogenschijnlijk de juiste keuze maken, maar toch ongewild en onbewust leed en schade veroorzaken.
Voor anderen en voor henzelf.
Dan Ariely heeft het bovenstaande aan den lijve ondervonden. “Mijn kennismaking met irrationaliteit
vond jaren geleden plaats, toen ik het herstellende was van de verwondingen die ik had opgelopen
bij een explosie. De behandelingen op de brandwondenafdeling en met name de dagelijkse schoon-
maakbeurt, waren herhaaldelijk enorm pijnlijk. Zo werd het oude verband bijvoorbeeld in één keer
snel losgetrokken, in plaats van het stukje bij beetje te verwijderen. De verpleegster dacht hiermee
het juiste te doen: een korte en hevige pijnscheut was in haar ogen minder erg dan een langdurige
minder intense kwelling. Toch vertelde mijn gevoel dat het precies andersom was.”
OnderzoekBij het verlaten van het ziekenhuis wilde de Amerikaan beter weten hoe het zat met dergelijke irrati-
onaliteit en begon met het doen van onderzoek. “Ik werd geobsedeerd door het besef dat we in de
vele aspecten van ons leven herhaaldelijk en voorspelbaar de verkeerde beslissingen nemen. Met
mijn onderzoek hoopte ik eraan te kunnen bijdragen om een aantal van deze patronen te ontdekken
en veranderen.”
Irrationeel gedrag genoeg. Stel, je vertrekt naar een ander land en wilt een renterekening openen. Je
hebt daarbij de keuze tussen twee voor jou vergelijkbare banken, die allebei rekeningen aanbieden
met nagenoeg dezelfde voorwaarden en rentes. In praktijk kiest de helft van de mensen voor de ene
bank en de andere helft voor de andere. Maar uitgaande van de theorie van Ariely zijn er situaties
onderzoeker dan Ariely over beslissingsillusies en cognitieve missers
‘wE ZIjn VooRspElBaaR
IRRaTIonEEl’
26
Dan A
denkbaar waarbij dat niet zal gebeuren. Stel dat de eerste bank nog een tweede renterekening aan-
biedt met dezelfde rente en nagenoeg identieke voorwaarden, maar dat bij deze tweede rekening
20 euro openingskosten betaald moeten worden. Omdat niemand voor deze duidelijk ongunstiger
optie kiest, zou je zeggen dat de verdeling fifty-fifty blijft. Het gekke is echter dat opeens een meer-
derheid voor het aanbod van de eerste bank kiest. “Het originele aanbod van die bank ziet er ineens
namelijk beter uit door er een slecht alternatief ernaast te zetten.”
IllusiesIrrationeel gedrag derhalve, maar daarmee nog niet onvoorspelbaar. Met de juiste gegevens en
modellen kun je namelijk prima inschatten wat de klant voor irrationeels gaat doen. Ariely werkt ter
illustratie van dit fenomeen graag met optische illusies. Bijvoorbeeld een plaatje van twee tafels: één
ogenschijnlijk langwerpige die in het verlengde van het gezichtsveld staat en een korte brede die
overdwars geplaatst is. De eerste lijkt beduidend langer, maar wat blijkt wanneer je ze meet? Ze zijn
precies even lang! Ariely: “Het leuke is dat, ondanks dat door meting is aangetoond dat beide tafels
dezelfde lengte hebben, je niets hebt geleerd. Want ik voorspel je dit: als je de meetlat weglaat en
wederom naar het plaatje kijkt, lijkt de ene tafel nog steeds langer dan de andere.”
Optische illusie is voor Dan Ariely echter slechts een metafoor. De hele dag nemen we als mens zaken
waar. Maar als we dag in dag uit fouten maken bij een dergelijk basale menselijke functie, dan
mogen we wel aannemen dat we nog veel meer fouten maken bij activiteiten waarvoor we minder
goed zijn toegerust. Neem het nemen van financiële beslissingen, iets waar we vanuit onze evolutie
gezien, totaal niet op gebouwd zijn.” Hij spreekt in dat kader van ‘beslissingsillusies’, die in tegenstel-
ling tot optische illusies veel lastiger zijn aan te tonen.
OrgaandonatieDe professor heeft een voorbeeld van zo’n congitieve misser. Hij toont een diagram met een aantal
landen en het percentage mensen dat hun organen ter beschikking stelt na hun dood. Waar in Oosten-
rijk, Frankrijk, Polen en Portugal vrijwel alle mensen hun organen afstaan, is dat in bijvoorbeeld
Denemarken, Nederland, Groot-Brittannië en Duitsland met percentages tussen de 4 en 28 procent aan-
zienlijk lager. “De meest voor de hand liggende verklaring is dat culturele verschillen hier een rol spelen;
de mate waarin men om elkaar en de gemeenschap geeft. Maar die vlieger niet op. Landen die cultu-
reel erg op elkaar lijken, vertonen als het gaat om orgaandonatie namelijk opmerkelijke verschillen.”
27
Het geheim van de hoog scorende landen is de keuze voor opt-out in plaats van opt-in. Je vraagt
mensen niet om aan te geven dat ze aan het orgaandonatieprogramma willen deelnemen, maar om
actie te ondernemen wanneer ze dat niet willen. “In beide gevallen kruisen mensen niets aan, maar
in plaats van dat ze door niets te doen niet meedoen, zijn ze ineens participant!”
“Besef goed wat dit betekent”, vervolgt de Amerikaan. “Je staat ‘s morgens op en start met het
nemen van beslissingen; wat je aantrekt, wat je gaat doen en wat je ’s avonds gaat eten. Heel veel
van deze beslissingen komen kennelijk niet vanuit onszelf, maar hangen samen met de keuzevorm
en -momenten. Niet alleen jijzelf maar ook de buitenwacht heeft een enorme invloed op wat je denkt
en doet. Het idee dat we altijd zelf in de bestuurdersstoel zitten als het gaat om het nemen van
beslissingen is onjuist.”
Het effect treedt volgens de deskundige overigens niet alleen op bij zaken van ondergeschikt belang,
zoals orgaandonatie. Irrationeel gedrag komt het vaakst voor bij zaken die zowel belangrijk als com-
plex zijn. “Zo belangrijk en complex dat we onzeker zijn over de te nemen keuzes. Om die reden kie-
zen we bij voorkeur voor de optie die anderen ons al hebben voorgeschoteld. Je ziet het ook terug bij
experts binnen diverse vakgebieden: naarmate de beslissing complexer wordt, bij bijvoorbeeld twee
of meer extra opties in plaats van de gebruikelijke oplossing, wordt vaker voor de standaardaanpak
gekozen.”
ConsumentenDan Ariely is uiteindelijk weer terug bij het individu als consument. Die wil over het algemeen dat
keuzes hem of haar gemakkelijk worden gemaakt en kiest bij voorkeur voor zogenoemde default-
oplossingen en -suggesties. “Het is daarbij goed te weten dat men niet louter voor de rationeel meest
gunstige keuze kiest. Stel dat iemand een weekendje weg wil en de keuze heeft uit Rome en Parijs.
Beide reisjes zijn all-inclusive. Daarnaast is er een extra Rome-optie, waarbij in de ochtend voor de
koffie betaald moet worden. In dat geval lijkt de optie ‘Rome met de hele dag door gratis koffie’ de
beste keus, ook ten opzichte van Parijs. Nogmaals: overduidelijk waardeloze alternatieven voor één
van de opties, doen het oorspronkelijke aanbod ineens aantrekkelijker lijken.”
In de economie en het bedrijfsleven speelt de menselijke aard en dergelijk gedrag een grote rol. Om
klanten echt te kennen, moeten grote hoeveelheden data worden doorgewerkt en geanalyseerd, om
uiteindelijk consumentengedrag te voorspellen. Predictive analytics biedt de mogelijkheid om deze
inzichten te verkrijgen.
Ariely: “We kennen onze beperkingen en verzinnen er oplossingen voor: auto’s, mobiele apparaten,
noem maar op. Maar zodra je de iets minder fysieke wereld betreedt, zoals de gezondheidszorg,
bedrijfshiërarchieën of de aandelenbeurs, dan lijkt het wel alsof we onze beperkingen ineens vergeten.
Wanneer we onze mentale tekortkomingen ook binnen deze omgevingen onderkennen, dan zouden
we met zijn alleen effectief kunnen werken aan een betere wereld.”
‘De consument wil over het algemeen dat keuzes hem of haar gemakkelijk worden gemaakt’
28
InTERVIEw
Uitdaging: Proactief frauderisico’s realtime inschatten
en tegelijk zorgen voor een blijvend positieve
klantervaring.
Oplossing: Implementatie van fraud management voor
realtime fraudedetectie en voort durende
monitoring van creditcard transacties.
Resultaat: Lagere verliezen door fraude en een sneller
en accurater geholpen klant.
29
‘Snelheid en nauwkeurigheid zijn fundamenteel’
HSBC Group is een van ‘s werelds grootste financiële dienstverleners. Zoals veel organisaties in deze sector dient het bedrijf zich continu te wapenen tegen creditcardfraude. Maar dan wel zonder dat de klant hier hinder van ondervindt. “Banken en andere financiële dienstverleners worden uitgedaagd om datgene te leveren wat de klant wil en ze tegelijkertijd toch maximaal te beschermen tegen fraude”, aldus Derek Wylde, verantwoordelijk voor de Group Fraud Risk van HSBC. Realtime fraudedetectie biedt de oplossing.
derek Wylde van hsBc:
“Stel: je hebt je hele familie uitgenodigd voor een goed diner. De rekening komt en met een zwierig
gebaar overhandig je je creditcard. Je neemt het laatste slokje wijn en ineens komt de ober terug met
de boodschap dat de kaart is geweigerd. Indien er daadwerkelijk fraude in het spel was en je kaart
geblokkeerd is, dan ben je dankbaar en neemt je vertrouwen in je bank toe. Als je kaart echter per
abuis is geweigerd, is je loyaliteit aan stukken en zou het zomaar kunnen gebeuren dat je overstapt
naar een andere bank. Zie daar het dilemma van de creditcardmaatschappijen; te vroeg afsluiten leidt
tot irritatie en mogelijk weglopen van een klant, te laat afsluiten kan resulteren in hoge kosten.”
Aan het woord is Derek Wylde, die de scepter zwaait over de Group Fraud Risk van HSBC. “De bank
moet realtime correcte beslissingen nemen, iets anders is onaanvaardbaar.”
HSBC Group is een van ‘s werelds grootste financiële dienstverleners met meer dan 89 miljoen
klanten in 85 landen. HSBC had eind 2011 maar liefst 2.555 miljard dollar op de balans. Toch maakt
het niet uit of je een bank van deze omvang bent of een lokale speler; het is even belangrijk om bij te
blijven op het gebied van de ontwikkelingen en trends in fraude om misdadigers voor te blijven.
hsBc gebruikt realtime fraudedetectie voor optimale klantservice en -bescherming
30
ChipkaartMisdadigers azen volgens de HSBC-deskundige op de naïviteit en onvoorzichtig-
heid van klanten. Fraudeurs hebben wachtwoorden nodig die ze ontfutselen via
malware, een verzamelnaam voor kwaadaardige en/of schadelijke software, of
door het zogenoemde phishing: het sturen van een e-mail aan klanten waarin
ze mensen vragen hun account te updaten via een link in die e-mail. Nog steeds
geven te veel klanten zo hun wachtwoorden weg – het kroonjuweel van de
informatie.
“De huidige trends laten zien dat creditcardfraude de afgelopen jaren in het
Verenigd Koninkrijk is gedaald. Dit is waarschijnlijk te danken aan de chipkaart.
Deze is inmiddels in de meeste landen ingevoerd, met uitzondering van de
VS. Creditcardfraude komt daar dan ook veel meer voor en blijft naar verwachting
ook verder stijgen. De VS moeten hier nu echt werk van maken”, zegt Wylde
zonder aarzeling. “De meest dramatische toename van fraude zien we op dit
moment in zogeheten card not present-fraude, waarbij de beveiliging wordt
omzeild door middel van phishing-tactieken in combinatie met online bankieren.”
Phishers zijn nog altijd zeer succesvol bij het hengelen naar persoonlijke en
fraude gevoelige gegevens. De zogeheten Anti-Phishing Working Group meldde
recent dat ze bijna 30.000 phishers uit de lucht hadden gehaald, maar er zijn
nog talloze anderen over en er komen er steeds meer bij. Beveilingssoftware-
bedrijf Symantec registreerde in 2011 ruim 5,5 miljard kwaadaardige aanvallen
op systemen, een stijging van 81 procent ten opzichte van een jaar eerder.
“Nu de vraag van klanten
naar online bankieren
verschuift naar mobiel, zal
de oorlog tegen fraude zich
verplaatsen naar dit terrein”,
aldus Wylde.
‘Subtiele bedreigingen die afzonderlijk bekeken goedaardig lijken, wijzen samen toch op fraude’
GeldautomatenOnlangs is een zorgwekkende trend zichtbaar geworden, waarbij oplichters in staat zijn om malware
te injecteren in geldautomaten. Zo leed een Mexicaanse bank een paar jaar geleden een groot verlies
toen criminelen een aantal afgelegen geldautomaten bij benzinestations en treinstations wisten te
openen en het systeem via een USB-poort wisten te infecteren met kwaadaardige software. Deze
malware kon kaartgegevens tijdens de transactie afvangen en opslaan. Nog veel alarmerender was
het dat ook de pincodes werden onderschept.
Wylde: “Leveranciers zouden meer kunnen en moeten doen. Als je een auto koopt, zitten daar stan-
daard tal van veiligheidsvoorzieningen op. Bij geldautomaten zijn die zaken echter altijd optioneel.
Banken zouden toch in staat moeten zijn om zo’n apparaat te kopen voorzien van standaard veilig-
31
heidsmaatregelen. Automaten worden echter nog steeds vooral op prijs gekocht en dus in de meest
eenvoudige configuratie. Het eerder genoemde onderzoek van Symantec spreekt over 403 miljoen
gevallen van malware. Dat is een schrikbarend hoog aantal.”
Uitgedaagd“Banken en andere financiële dienstverleners worden uitgedaagd om datgene te leveren wat klanten
willen en hen tegelijkertijd toch maximaal te beschermen tegen fraude”, vervolgt Wylde. “De klant
wil op elk moment van de dag in staat zijn om een bankrekening te openen, zonder papierwerk of
een handtekening. Dat is een enorme uitdaging voor ons. Wanneer je voorheen een bankrekening
online aanvroeg, stuurden we vervolgens een brief waarin we vroegen om de opgegeven informatie
32
Het proactieve element van risico-inschatting is cruciaal. Een grote Canadese
bank wilde diens twaalf jaar verzamelde creditcardgegevens combineren
met kredietregistratie-informatie en bankgegevens om de risico’s van het
verstrekken van leningen of het verhogen van kredietlimieten beter in te kun-
nen schatten. Het liefst in realtime. Er werd gekozen voor een aanpak met
High-Performance Analytics (HPA) waarbij de inzet van In-Database analytics
zorgde voor een 70 keer snellere risicoberekening.
HerkenningOp het terrein van creditcards betekent proactieve analyse dat fraudeurs al
herkend worden voordat ze duizenden dollars aan valse kosten hebben gemaakt.
Tegelijkertijd is het cruciaal dat alleen bij daadwerkelijke gevallen van fraude
wordt ingegrepen, zodat legitieme aankopen niet ten onrechte worden te-
gengehouden (false positives). Een andere grote, wereldwijd opererende
bank maakt gebruik van analytics om elke keer weer op het moment van een
aankoop te kunnen vaststellen of deze aankoop legitiem is. Deze bank is zo
enthou siast over de vermindering van de verliezen door fraude dat men de
inzet van HPA nu ook uitbreidt naar het terrein van de online banktransacties.
Doel hiervan is het vaststellen van nauwkeuriger klantprofielen; wat is ‘nor-
maal’ gedrag voor een klant en wat zijn de signalen dat een account in gevaar
is gebracht?
Voor de komende jaren is het de uitdaging voor financiële instellingen om de
toenemende wet- en regelgeving en de vraag naar meer efficiëntie in balans
te houden met de vraag naar betere klantervaringen en winstgevende inno-
vaties. High-Performance Analytics is daarbij een belangrijk instrument.
Banken schatten proactief risico’s in
‘Banken moeten datgene leveren wat de klant wil en hen tegelijkertijd maximaal beschermen’ Derek Wylde
33
te bevestigen. Tegenwoordig willen klanten zonder papierwerk online binnen een paar minuten een
bankrekening openen, terwijl wij nog steeds een bepaalde minimale hoeveelheid informatie nodig
hebben om vast te kunnen stellen dat iemand daadwerkelijk is wie hij zegt dat hij is. Dat betekent dat
er toch gevoelige informatie online heen en weer gaat.”
HSBC gebruikt SAS Fraud Management voor realtime fraudedetectie en beschermt 100 procent van de
creditcardtransacties in realtime. De eerste SAS-implementatie bij HSBC is in 2007 live gegaan in de
Verenigde Staten. ”In de VS bevindt zich ons grootste portfolio, we hebben daar ongeveer 30 miljoen
kaarten uitstaan. We zijn erg blij met de SAS-modellen. Die wijzen uit dat onze detectiecijfers op het
gebied van geldautomatentransacties zeer goed zijn. We geloven dat we nu beschikken over de beste
anti-fraudemodellen die er zijn en dit wordt bewezen door onze fraudecijfers, onze detectiegraad en
onze false positives, die nog steeds aan onze ambitieuze doelstellingen voldoen.”
AanpassingFinanciële fraude is een ongelooflijk dynamisch fenomeen en fraudemodellen hebben een zeer korte
houdbaarheid. Als HSBC ergens een gat in het net dicht, dan weten criminelen wel weer nieuwe te
vinden. Als gevolg hiervan vragen fraude-controlealgoritmen en scoringmodellen om constante
updates en aanpassingen. ”Vanwege de aard van deze strijd is het van kritisch belang om voortdurend
te controleren of je fraude-opsporing nog voldoet.”
HSBC wil in dat licht meerdere transacties over verschillende kanalen volgen, om hiermee een meer
klantcentraal beeld te krijgen van fraudebedreigingen. In plaats van geïsoleerde teams te laten kijken
naar respectievelijk internetbetalingen, pinpastransacties en creditcardaankopen, bekijkt HSBC met
behulp van SAS-technologie de geaggregeerde gegevens. ”Soms zijn er subtielere bedreigingen die
afzonderlijk goedaardig lijken. Maar als je ze samenbrengt, kun je toch fraude ontdekken”, aldus
Wylde. “Bijvoorbeeld, als de creditcard van een klant gebruikt wordt kort na zijn bankpas en er is ook
activiteit op internetbankieren, dan wil je niet dat al die activiteiten worden beoordeeld door drie
afzonderlijke analisten op drie verschillende locaties. In plaats daarvan moeten alle klanttransacties
samen worden bekeken in één klantactiviteit-detectiesysteem.”
Symantec registreerde in 2011 ruim 5,5 miljard kwaadaardige aanvallen op systemen, een stijging van 81 procent.
34
Jacco van der Weerd
DIreCteur ICt BeleID & arChIteCtuur raBOBank
35
VRaGEn En VERVolGVRaGEn
Rabobank heeft een indrukwekkende track record als het gaat om innovatie. De eerste Nederlandse geldautomaat, internetbankieren, digitale televisie en mobiel betalen, komen allemaal uit de koker van deze bank. Momenteel ligt een deel van de innovatiefocus op big data. Interne en externe gegevens worden gecombineerd en gebruikt om klanten meer controle over hun persoonlijke situatie te geven. Zo wordt de dienstverlening beter, veiliger en flexibeler.
Wat is big data voor uw organisatie?
“De hoeveelheid data in onze organisatie vermenigvuldigt zich in rap tempo. Voorheen bewaarden
we vooral noodzakelijke klantgegevens en transactiedata. Met big data is er interessante nieuwe
informatie te halen uit de combinatie van onze eigen gegevens en andere publiek beschikbare data.
De veranderende manier van werken met gegevens en de bijbehorende tooling belooft nieuwe
mogelijkheden. Voorheen werden informatiesystemen ontworpen vanuit de vraag die ze moesten
beantwoorden. Het exact bepalen en structureren van de data die je nodig had, was een standaard
onderdeel van de bouw. Maar zodra het systeem klaar was, doken onmiddellijk vraagstukken op die
je er níet mee kon beantwoorden. Big data gaat juist uit van het opslaan van gegevens in hun bron-
formaat. Het staat bovendien snellere iteraties van vraag tot antwoord toe.”
Wat is nodig om big data binnen de organisatie optimaal te benutten?
“Rabobank bevindt zich in de pilotfase. We testen de technologie en daarbij onderzoeken we wat de
toegevoegde waarde is. Wij hebben gekozen voor het gebruik van best of breed open source-tools en
hebben een aantal mensen met ervaring aan boord gehaald. Zo proberen we opstartproblemen en
beginnersfouten te voorkomen. We gebruiken bewust geen cloud-tools, om allerlei vraagstukken op
gebied van informatiebeveiliging te vermijden.”
“Werken met big data stelt andere eisen aan medewerkers. Je zoekt feitelijk mensen die met één
been in IT staan en met het andere in de business. Medewerkers moeten de semantiek van de data
goed snappen en handig zijn met allerhande IT-gereedschappen. Bovendien worden veel vraagstuk-
ken via een iteratieve werkstijl aangepakt. Je begint met één vraag, maar het antwoord leidt tot
vervolgvragen. Iteratief werken in een multidisciplinair team levert snelle resultaten.”
5Vijf vragen aanjacco van der weerd
36
Welke waarde levert het nemen van beslissingen op het juiste moment?
“We hebben een flink aantal kleinere proof of concepts gedaan; cases die variëren van het optimali-
seren van klantinterfaces, security en fraude-monitoring tot het optimaliseren van interne processen.
Deze cases leveren interessante resultaten op. Tot nu toe hebben ze nog geen nieuwe producten of
business modellen opgeleverd, maar dat kan nog komen.”
Leidt het optimaal benutten van big data tot nieuwe businessmodellen?
“Big data stelt ons in toenemende mate in staat te handelen op basis van feiten. Het maakt boven-
dien een meer individueel gerichte klantinteractie mogelijk. Onze marketingmensen zijn nu nog
vooral gericht op campagnes ten behoeve van klantsectoren. In de toekomst zullen er meer gerichte
campagnes worden ontwikkeld voor kleinere, specifieke segmenten. Ook op het gebied van security
en fraude kan big data van waarde zijn. Nu het geldverkeer meer en meer elektronisch wordt,
verschuift ook de criminaliteit naar elektronisch waardeverkeer. Big data kan helpen vreemde patro-
nen te ontdekken en fraude te beperken.”
Wat betekent dit voor de rol van IT en van de business?
“Business en IT zullen steeds meer naar elkaar toe groeien. Voorheen had je al de database-
marketeer: iemand die de semantiek van de data goed begreep en tevens het nodige wist over data-
basetechnieken. Tegenwoordig zie je veel jonge medewerkers van de universiteiten komen die niet
als IT’ers zijn geschoold maar wel verdomde handig zijn met IT-tools. Het klassieke onderscheid tussen
business en IT zal vervagen. De introductie van nieuwe technologieën en tools heeft bovendien een
steile leercurve tot gevolg. Het komt neer op multidisciplinaire teams, een goede samenwerking en
een meer iteratieve stijl van werken.”
‘werken met big data stelt andere eisen aan medewerkers’
‘Het klassieke onderscheid tussen business en IT zal vervagen’
37
38
Bank of America
Uitdaging: Beter anticiperen op economische ontwikkelingen en
andere externe factoren om kredietrisico’s te beperken.
Oplossing: Portefeuillewaardering en kredietrisico-modellering
binnen high-performance grid-omgeving.
Resultaat: Veel kortere doorlooptijden en wanneer nodig een
snellere besluitvorming.
InTERVIEw
39
Banken beperken kredietrisico’s met High-Performance Analytics
Bij grootschalige kredietverstrekkingen, hypotheken, creditcard- diensten en andere financiële producten lopen banken een groot risico dat al het uitgeleende geld plus rente niet meer terugkomt. Het snel en effectief omgaan met grote hoeveelheden data helpt zowel Bank of America als United Overseas Bank om leningen te waarderen en kredietrisico’s te beperken. “Het verwerken van enorme multi-terabyte datasets op een snelle en efficiënte manier was voor ons een belangrijke vereiste”, aldus Stephen Lange, verantwoordelijk voor de Corporate Investment Group.
Tijden van economische turbulentie maken het voor de financiële instellingen moeilijker om te anti-
ciperen op probleemsituaties. Als er maar iets misgaat zijn de gevolgen voor zowel de kredietgever
als de kredietnemer enorm. Banken maken daarom veelvuldig gebruik van kredietrisico-oplossingen
en -processen om kredietportefeuilles te bewaken en te beoordelen. Zo hebben ze op elk gewenst
moment inzicht in de waarde en risicopositie van de activa. Binnen het complexe en voortdurend
veranderende financiële systeem zijn technologische hulpmiddelen onontbeerlijk om zowel de eigen
organisatie als de klanten te behoeden voor onaangename verrassingen.
WanbetalingBank of America is met ongeveer 59 miljoen particuliere en kleinzakelijke relaties, pakweg 6.000
kantoren en meer dan 18.000 geldautomaten één van ‘s werelds grootste financiële instellingen. Het
bedrijf richt zich met een volledig assortiment van onder meer bankieren, beleggen en vermogens-
Bank of America en United overseas Bank
40
Bank of America
‘De bank heeft een sterke behoefte om eventuele verliezen zo nauwkeurig en snel mogelijk te kunnen voorzien’
beheer op zowel consumenten als het midden- en kleinbedrijf en grootzakelijke ondernemingen.
De zogeheten Corporate Investments Group (CIG) is verantwoordelijk voor het modelleren en bereke-
nen van de kans op wanbetaling bij de 9,5 miljoen lopende hypotheken. Daarnaast berekent de groep
de marktwaarde, aflossingssnelheid en de gevoeligheid voor veranderingen in rentevoeten voor de
19 miljard dollar aan hypotheekverplichtingen, om deze de risico’s vervolgens effectief te kunnen
afdekken. Onlangs is de CIG begonnen met het voorspellen van eventuele verliezen op leningen
binnen het creditcard-portfolio van de bank.
SnelheidDe CIG doet op basis van analysetechnologie al jaren aan kredietrisico-modellering. Doordat de groep
ook de verantwoordelijkheid kreeg om creditcardverliezen in te schatten, moest de organisatie de
inrichting van een uitgebreide centrale omgeving overwegen en de verwerkingscapaiciteit verhogen.
Hierbinnen moesten alle modellerings- en berekeningsprocessen worden uitgevoerd. Dit zou bijdragen
aan een aanzienlijke verkorting van de verwerkingstijd, snellere toegankelijkheid van gegevens en
een betere beschikbaarheid van ad hoc-analyses. Daarnaast was de bedrijfscontinuïteit voor deze
missie kritische functie gewaarborgd.
41
Big data verandert het speelveld van
financiële dienstverleners. Analisten
van McKinsey schatten dat alle Ame-
rikaanse financiële instellingen sa-
men in 2009 al beschikten over meer
dan een exabyte (ofwel 1.000.000
terabyte) aan opgeslagen gegevens.
Die hoeveelheid data vereist een uni-
form data-managementsysteem en
High-Performance Analytics (HPA)
om resultaten te verbeteren, risico’s
te verminderen, fraude te voorkomen
én te blijven voldoen aan wet- en regel-
geving.
Binnen die enorme hoeveelheden ge-
gevens en die miljoenen transacties
bevindt zich de sleutel tot enerzijds
de voorkeuren van consumenten, de
alerts en red flags die wijzen op fraude
of het witwassen van geld en ander-
zijds de middelen om risico’s te be-
heersen. De vraag is hoe je die gege-
vens snel en kosteneffectief ontsluit
en voor je laat werken.
Vandaag de dag gebruiken meer en
meer banken High-Performance Ana-
lytics om beslissingen te nemen rond-
om bijvoorbeeld marketingcampag-
nes en het verminderen van risico’s.
Zo gebruikt een grote internationale
speler op het gebied van be taaldien-
sten predictive analytics voor zijn
prijsstrategie. Het bedrijf analyseert
20.000 transacties per seconde in
17 dimensies op onder meer produc-
ten, klanten, producten per klant en
klanten per product.
Potentiële afhakersEen Amerikaanse bank maakt gebruik
van gegevens van 17 miljoen klanten
en 19 miljoen transacties per dag
om klanten die overwegen bij de bank
weg te gaan zo vroeg mogelijk op het
spoor te komen. Een wereldwijde finan-
ciële instelling implementeerde HPA
om de verplichte kapitaalberekenin-
gen en rapportages op groepsniveau
uit te voeren. De bank verwerkt daar-
toe meer dan honderd miljoen rijen
gegevens per maand, samen met een
rapportage-datawarehouse van meer
dan vijf miljard rijen. De firma be schikt
nu over een eenduidig beeld van zo-
wel risico’s als financiën, waardoor
het sneller de boeken kan sluiten.
Een Aziatische bank gebruikt HPA om
een reeks l iquiditeitsmaatregelen
door te rekenen. Het is nu in staat om
een portefeuille van dertig miljoen
complexe cash flow-instrumenten
over 50.000 verschillende scenario’s
in minder dan acht uur te analyseren.
De mogelijkheid om elke nacht het li-
quiditeitsrisico opnieuw vast te stel-
len, zorgt voor financieringsbeslissin-
gen op basis van de juiste infromatie,
zelfs in tijden van hoge mark t vo la ti li-
teit.
High-performance Banking
42
Bank of America
“We hadden een oplossing nodig waarmee we invulling konden geven aan de bestaande behoefte,
maar die voldoende flexibiliteit bood voor nu en in de toekomst”, aldus Stephen Lange, die aan het
hoofd staat van de Corporate Investment Group binnen Bank of America. “Het verwerken van enorme
multi-terabyte datasets op een snelle en efficiënte manier was voor ons een belangrijke vereiste. SAS
heeft hier als leverancier vlekkeloos in voorzien. Zonder SAS zouden de doorlooptijden langer zijn,
risico-afdekkende beslissingen trager worden genomen en uiteindelijk zou de bank achterop zijn
geraakt bij de markt.”
ResultatenOm aan de hoge prestatie-eisen te kunnen voldoen, verhuisde de CIG de gegevensverwerking naar
een dedicated platform op basis van technologie van SAS en IBM. De resultaten liegen er niet om; de
tijd die de bank nodig heeft om de kans op wanbetaling te berekenen is teruggebracht van 96 uur tot
slechts vier uur. De doorlooptijd voor ad hoc-opdrachten is volgens Lange maar liefst 90 procent korter.
De nieuwe omgeving betrekt en combineert gegevens uit acht verschillende systems of record tot
een verzameling van honderden miljoenen opgeslagen brongegevens – in totaal zo’n 30 terabyte. Het
systeem consumeert pakweg 3,9 gigabyte per seconde. Ongeveer dertig gebruikers hebben daarmee
onbelemmerde toegang tot de nieuwe SAS- en IBM-gebaseerde modellerings- en analyseomgeving.
Dit betekent een gigantische vooruitgang ten opzichte van de oude situatie, waarin het aantal actieve
gebruikers en verwerkingsopdrachten van grote invloed waren op de responsetijden.
“We hebben nu een robuust platform om modelleringen en berekeningen op basis van de eisen voor
verwerkingsduur te plannen en te prioriteren”, zegt Stephen Lange. “Hierdoor concurreert ad hoc-
gebruik niet langer met de geplande werkzaamheden. Het geavanceerde grid-platform biedt sowieso
ongekende prestaties. SAS is binnen onze organisatie onmisbaar om grote datasets te verwerken.”
United Overseas Bank en realtime risicobeheersingOok de United Overseas Bank (UOB) gebruikt een dergelijke combinatie van High-Performance
Analytics op basis van grid computing, matrix-gebaseerde calculaties en In-Database analytics. UOB’s
voormalig Chief Risk Officer Tham Ming Soong vertelt over de aanleiding en resultaten van realtime
risiscoberekeningen: “We hebben allemaal kunnen zien hoe de huidige crisis zich ontvouwde.
We bevonden ons in een situatie waarin we werden ingehaald door de gebeurtenissen die voor een
groot deel buiten onze invloed lagen. De crisis heeft ervoor gezorgd dat we ons ervan bewust moeten
zijn hoe diverse vormen van risico en gebeurtenissen met elkaar samenhangen. Kredietrisico’s moe-
ten daarbij niet langer worden benaderd als een silo, maar vanuit het geheel.”
“Het doorrekenen van oude kredietrisicomodellen op basis van een Monte Carlo-simulatie (een
simulatietechniek waarbij een fysiek proces niet één keer maar vele malen wordt gesimuleerd; elke
keer met andere startcondities, red.) duurde meer dan drie dagen”, vervolgt Ming Soong.
‘SAS is binnen onze organisatie onmisbaar om grote datasets te verwerken’
43
“Met behulp van SAS-technologie deden we dit in ongeveer acht uur. Nu we marktrisico’s willen toe-
voegen, realiseren we ons dat het modelleren weer elf dagen kan gaan duren. Op basis van grid com-
puting kunnen we zeer complexe berekeningen zelfs in minuten draaien.”
Scenario’sOok Bank of America’s Stephen Lange geeft een voorbeeld waarbij grid computing de prestaties
enorm verbeterde. “Het kostte het systeem voorheen drie uur om een portefeuille van 400.000 lenin-
gen te waarderen. En wel op basis van meerdere scenario’s en met inachtneming van een gemiddelde
looptijd van 360 maanden per hypotheek. Inmiddels vergt het dankzij de ingebouwde parallellisatie-
mogelijkheden slechts tien minuten. Deze prestatieverbetering geeft blijk van een enorme toename
van ons vermogen om informatie te leveren en beslissingen te nemen.”
“De bank heeft een sterke behoefte om eventuele verliezen zo nauwkeurig en snel mogelijk te kunnen
voorzien, om deze informatie vervolgens direct te kunnen doorspelen naar de senior executives van
de organisatie”, vervolgt Lange. “De enige manier waarop we dat kunnen doen is door te beschikken
over voldoende IT-middelen om leningen te waarderen en risico’s op de juiste wijze te beoordelen.
De samenwerking tussen SAS, IBM en onze interne technologie-afdeling is een uit stekende basis
gebleken voor een leiderschapspositie op het terrein van risicomanagement.”
Tham Ming Soong
44
Marktplaats
InTERVIEw
Uitdaging: Klanttevredenheid maximaliseren door pro actief
verbeteren van customer experience en het
aanbieden van de best mogelijke service.
Oplossing: Inzicht in en analyse van grote hoeveelheden
klantgegevens en handelsstromen.
Resultaat: Gegevensanalyse helpt Marktplaats.nl bij het
evalueren en verbeteren van elk aspect van de
gebruikerservaring.
45
‘Geen tijd verliezen met het verzamelen van gegevens’
Marktplaats.nl behoort al jaren tot de populairste sites van Nederland. De drukbezochte advertentie-site brengt vraag en aanbod in de meest uitlopende producten- en dienstencategorieën bij elkaar. Marktplaats.nl is sinds november 2004 onderdeel van eBay en de inzet van analytics is volgens hoofd strategie en financiën Natasha Zharinova een belangrijke succesfactor.
Natasha Zharinova van Marktplaats.nl:
De website Marktplaats.nl heeft maandelijks meer dan zes miljoen unieke bezoekers en per dag worden
ruim 300.000 nieuwe advertenties op de site geplaatst. Het tweedehands en nieuwe aanbod van en
voor particuliere en zakelijke gebruikers is evenals dat van eBay groot en gevarieerd. Van kleding en
verzamelobjecten tot auto’s en diensten. Marktplaats is de populairste Nederlandse website voor
online handel en de derde grootste Europese business binnen eBay.
Het interessante is dat de website beschikt over informatie over de aan- en verkooppatronen van maar
liefst 70 procent van de Nederlandse internetgebruikers. Het bedrijf past analytics met succes toe om
klanten te helpen bij het kopen en verkopen van goederen. Analytics zit diep verankerd in het DNA
van het bedrijf. Niet alleen om de klanten beter van dienst te kunnen zijn, maar tevens voor het doen
van voorspellende analyses en het onderbouwen van een snelle en flexibele besluitvorming.
DatamanagementIn 1999 was Marktplaats.nl één van de eerste websites in Nederland die zich volledig richtte op
rubrieksadvertenties. Als marktleider biedt het platform de gebruikers naar eigen zeggen voortdurend
‘voor iedereen een voordeel’. Hiertoe steunt de site op een gedegen datamanagement en toeganke-
lijke analyses en prognoses van het koop- en verkoopgedrag van de ruim zes miljoen maandelijkse
Marktplaats.nl benut markt- en klantkennis om concurrentievoorsprong te vergroten
46
Marktplaats
bezoekers. “Deze technologie helpt met het inzichtelijk krijgen en het optimaal benaderen en bedienen
van onze klanten”, stelt Natasha Zharinova, verantwoordelijk voor de strategie en financiën.
Mensen kiezen voor Marktplaats.nl vanwege het laagdrempelige karakter: iedereen kan adverteren in
de 37 rubrieken. De bezoekers zijn daarbij al lang niet meer alleen op zoek naar tweedehands produc-
ten, maar vinden er ook nieuwe spullen, auto’s en zelfs woningen. De verbindende functie en de grote
bezoekersaantallen maken de site ook aantrekkelijk voor aanbieders van diensten. “De bezoekers bepa-
len het succes van Marktplaats.nl”, benadrukt Zharinova. “Onze relaties met hen zijn gebaseerd op wat
we elkaar wederzijds te bieden hebben.”
Het schijnbaar eenvoudige gebruik van de site leunt op geavanceerde monitoring en analyses van het
surf-, oriëntatie- en koop- en verkoopgedrag van bezoekers. Op basis van targeting benut Marktplaats.nl
de verzamelde gebuikersgegevens zodat bezoekers een optimaal passend aanbod ontvangen. Deze
kerncompetenties helpen om de juiste persoon de juiste aanbiedingen te sturen, op het juiste moment
en binnen het juiste umfeld. Niet alleen via de PC, maar ook op mobiele apparaten en via social media
zoals Facebook. “Dankzij deze technologie ontsluiten we enorme hoeveelheden gestructureerde en
ongestructureerde data vanuit interne en externe bronnen. Op basis hiervan maken we statische analyses
en rapportages om voorspellingen te doen. Op deze manier verkrijgen we diepgaand inzicht in de handel
en het klantgedrag. Doordat we wel twee tot drie lagen de diepte in kunnen gaan, zijn we in staat om het
koop- en verkoopgedrag van onze bezoekers ook echt beter te begrijpen en hierop in te spelen.”
“Klanten die bijvoorbeeld zoeken in categorieën waarin kinderkleding wordt verkocht, groeperen wij in
het segment ‘ouders’. Op basis van de kledingmaten waarin zij zoeken of bij positiekleding, stellen wij
de leeftijd van hun kind vast. Met deze informatie in de hand sturen wij hen – indien zij hier prijs op
stellen – regelmatig passende aanbiedingen. Dit doen we vanaf de zwangerschap totdat hun kind vijf
jaar is. Wij bieden eerst handige babyproducten, vervolgens de mogelijkheid tot het verkopen van deze
spullen en dan weer een overzicht van kinderkleding die te koop is in de volgende maat van hun kind.
Dit alles helpt de klanttevredenheid te verbeteren. De inzichten helpen ons ook om de richting van onze
groeiambities verder te bepalen en om te innoveren in het optimaal bedienen van onze klanten en
adverteerders.”
Eenduidige kijkDe technologie die Marktplaats.nl inzet, is in staat om informatie uit enorme hoeveelheden gegevens
en databronnen toegankelijk en bruikbaar te maken. Zharinova: “We zijn nauwelijks tijd kwijt met het
verzamelen van gegevens en kunnen ons daardoor concentreren op het benutten van waardevolle
inzichten en klantgegevens. Met minimale inspanningen beschikken we over grafisch weergegeven
rapportages, een antwoord op ad hoc-vragen en inzicht in what if-scenario’s.” Rapportages zijn volgens
‘We kunnen diep in de data duiken om tot in detail uit te zoeken waarom iets niet volgens verwachting verloopt’
47
Natasha Zharinova voor verschillende afdelingen direct en gemakkelijk en in elk gewenst formaat
beschikbaar, zoals PowerPoint, Excel of Word. “Ze kunnen ook snel en gemakkelijk verspreid worden.
Daardoor is er bedrijfsbreed een eenduidige kijk op de werkelijkheid en worden beslissingen genomen
op basis van feiten.”
Marktplaats.nl kan de inkomstenstromen dankzij de inzet van SAS-technologie tot in detail voorspellen
en meteen inspelen op trendbreuken. “We weten in te schatten hoe zaken als het tijdstip en de dag
waarop transacties plaatsvinden, schoolvakanties, vrije dagen en weersomstandigheden de handel beïn-
vloeden. Een groot voordeel is de mogelijkheid om databronnen te herleiden. Als iets niet volgens ver-
wachting verloopt, kunnen we diep in de data duiken om tot in detail uit te zoeken waardoor dit komt.”
Dankzij onder andere de voortdurende inspanningen om de bezoekerservaring te optimaliseren, loopt
Marktplaats.nl al sinds 1999 voorop in een competitieve industrie die zich razendsnel ontwikkelt. “Deze
voorsprong danken we aan onze kennnis van markt en van bezoekers, maar ook aan het consequent
vasthouden van het uitgangspunt dat alles altijd beter kan. We gebruiken onze analytische kracht om
complexe vragen te onderzoeken die de basis vormen voor segmentatie, customer life cycle-programma’s
en het aanscherpen van marketingcampagnes. Bovendien kunnen we vooraf beter de effecten inschatten
op veranderingen op de site. Ook nieuwe producten en diensten kunnen we hiermee beter volgen.”
Waar Marktplaats.nl voorheen altijd voor elke bezoeker er hetzelfde uitzag, biedt de site steeds meer
bezoekerservaringen op maat. “Ervoor zorgen dat bezoekers direct de informatie en producten aan-
gereikt krijgen waarvoor ze komen, is voor ons de ultieme uitdaging”, zegt Zharinova. “Dankzij SAS
hebben we inzicht in klantgegevens en in de handel en zijn we in staat om verbanden te zien die ons
helpen op het juiste tijdstip, naar specifieke doelgroepen acties te nemen die bijdragen aan een
positieve klantervaring.”
Marktplaats.nl is in staat om te voorspellen hoe intensief, wanneer precies en
in welke producten de handel zal zijn door datum, dag en tijd te koppelen aan
allerlei externe variabelen zoals het weer, feestdagen en speciale evenementen.
Ook bij de ontwikkeling van eigen diensten wordt predictive analytics ingezet om
te zien hoe de verschillende onderdelen van de dienstverlening en actuele aan-
biedingen elkaar beïnvloeden. Door middel van kannibalisatieanalyse is Markt-
plaats.nl in staat om te voorspellen of bepaalde nieuwe functies wel of niet een
positieve invloed hebben op de bottom line.
Analytics stelt Marktplaats.nl in staat om zogeheten behavioral targeting te
doen. Zo zijn mensen in de leeftijd van 18 tot 25 jaar vaak op zoek naar een
auto in de prijsklasse van 2.000 tot 4.000 euro. Omdat het vaak gaat om de
aanschaf van hun eerste auto, worden advertenties getoond van autoverzeke-
ringen en hulpdiensten. Leden die DVD’s of boeken verkopen, krijgen op maat
gesneden aanbiedingen door post- en expressdiensten DHL of TNT.
Barometer van de samenleving
48
5 vragen Bol com
Arjen de Ruiter
prOjeCtManager SOftwareOntwIkkelIng BOl.COM
49
Bol.com heeft 3,4 miljoen actieve klanten en een assortiment van ruim 5,5 miljoen unieke producten. Een van de uitdagingen van het online winkelbedrijf is om al deze consumenten en artikelen samen te brengen. Dat gebeurt volgens project-manager softwareontwikkeling Arjen de Ruiter door mensen te inspireren zodat de winkel voelt alsof die persoonlijk voor de klant is ingericht. “Bijvoorbeeld door de site op basis van zoek- en aankoopgedrag te laten inspelen op de persoonlijke voorkeuren van de klant.” Big data speelt daarbij een grote rol.
Wat is big data voor uw organisatie?
“Het begrip wordt vaak in relatie gebracht met de drie v’s: volume, variety en velocity. Bij bol.com
gaat het met name om de eerste en laatste. Binnen onze omgeving is de variëteit van data namelijk
beperkt; het gaat vooral om de gegevens over zoeken, browsen en kopen. Deze activiteiten zijn voor
ons de belangrijkste bronnen van informatie over klantgedrag.”
“In de toekomst gaan we waarschijnlijk meer ongestructureerde informatie gebruiken om deze klant-
gegevens te verrijken. We hebben bijvoorbeeld plannen voor verder gebruik van sociale media. Dat
wordt naast onze webshop, de e-mailings en mobiele apps feitelijk een extra touch point met de
klant. Het zijn allemaal platformen om klanten te inspireren en naar de winkel te trekken.”
Wat is nodig om big data binnen de organisatie optimaal te benutten?
“We gebruiken analysetools om bij campagnes precies die klanten te selecteren die waarschijnlijk
zullen reageren. Waar we mensen voorheen benaderden met een algemeen bericht volgens onze
eigen planning, geven we nu een persoonlijk bericht wanneer de klant dat nodig heeft. Doordat we
zo meer customer centric zijn, is onze benadering veel effectiever.”
“We gebruiken Hadoop als zelflerend dataverwerkingplatform en daar komen vrijwel geen mensen
aan te pas. Dit systeem zit in de site en genereert automatisch aanbevelingen voor klanten door te
tonen welke vergelijkbare producten andere kopers hebben aangeschaft en welke andere bekeken
producten relevant kunnen zijn voor die individuele klant. Met andere vormen van big dataverwer-
king, bijvoorbeeld voor marketing-doeleinden, komen we meer op het terrein van de data-modelers
en datamining-specialisten.”
InspIREREnDE wInkElomGEVInG
5Vijf vragen aanarjen de Ruiter
50
5 vragen Bol com
Welke waarde levert het nemen van beslissingen op het juiste moment?
“Bij bol.com verwerken we enorme hoeveelheden data. Deze wordt pas
echt van waarde als we op basis hiervan de informatie die in de webshop
wordt getoond relevant maken voor klanten. Denk aan boeken over een
specifiek interessegebied, speelgoed passend bij de leeftijd van iemands
kinderen of andere producten waarvan wij veronderstellen dat men ze
interessant vinden. Dat is plezierig voor kopers en het leidt uiteindelijk tot
betere resultaten.”
“Hoe sneller je iemands persoonlijke behoeften verwerkt, hoe relevanter
de getoonde informatie wordt. Stel dat je vorig jaar op zoek was naar een
bepaald boek en vandaag kijk je naar een ander product, dan moet bij het
volgende bezoek het gedrag van gisteren verwerkt zijn. Momenteel worden
de gegevens van een winkelbezoek een dag later al meegenomen in een
nieuw gepersonaliseerd aanbod. In de nabije toekomst willen we dit in
realtime aanbieden.”
Leidt het optimaal benutten van big data tot nieuwe businessmodellen?
“Het principe van customer centric selling bestaat al langer dan het feno-
meen big data. Het eerste wordt wel gemakkelijker met behulp van een
snelle analyse. Grote hoeveelheden gegevens maken het ons mogelijk de
klantbenadering verder te verfijnen. Dit levert ons beslist een concurrentie-
voordeel op; wij zijn ervan overtuigd dat het voor klanten heel plezierig is
als een webwinkel door een hoge mate van relevante informatie aanvoelt
als een warme jas.”
Wat betekent dit voor de rol van IT en van de business?
“Het is bij ons niet altijd zo dat de business functioneel iets vraagt en de IT dat vervolgens levert.
Omgekeerd zien programmeurs ook de businessmogelijkheden van een nieuwe technologie en zullen
deze proactief zonder businessrequirements inbrengen. Vervolgens testen we het samen met de
business uit en afhankelijk van de uitkomst besluiten we of we de oplossing implementeren. Ook de
gehanteerde Scrum-ontwikkelmethode, waarbij altijd de businesswaarde centraal staat, draagt bij aan
de wisselwerking tussen IT en de andere bedrijfsfuncties.”
‘Het systeem genereert automatisch aanbevelingen voor klanten’
51
‘Hoe sneller je iemands persoonlijke behoeften kunt verwerken, hoe relevanter de getoonde informatie is’
52
Macy’s
InTERVIEw
Uitdaging: De verkoopresultaten stimuleren door sneller en beter
inzicht in het gedrag en de wensen van consumenten.
Oplossing: High-Performance Analytics om ruwe gegevens te
verwerken tot informatie die zinvol is voor de business.
Resultaat: Het assortiment is beter afgestemd op zowel de
verkooplocatie als de individuele klant, waardoor de
omzet is gegroeid.
53
‘Relevanter zijn voor klanten’
Kerem Tomak van Macy’s:
Big data betekent voor Macy’s zowel kansen als uitdagingen. Het mooie is volgens Kerem Tomak dat
Macy’s door analyse van gegevens beter in staat is te begrijpen hoe het bedrijf in de markt presteert.
“Als het gaat om bijvoorbeeld de verkoop van onze producten op Macys.com en in de winkels”, aldus
de analytics-verantwoordelijke. “We kunnen daarnaast de impact van onze marketinginspanningen op
de online en offline verkoopresultaten meten. De uitdaging is de juiste gegevens te verzamelen en
deze op tijd om te zetten in relevante inzichten zodat we snel en adequaat kunnen reageren op de
vraag van consumenten en veranderingen in de markt. Hiermee kunnen we ons onderscheiden van
de concurrentie.”
Naarmate de hoeveelheid te verwerken of te analyseren data groter is, wordt de performance van de
systemen de beperkende factor. De inzet van High-Performance Analytics (HPA) rekent af met dit
gebrek aan verwerkingscapaciteit. “Met HPA zetten we frontaal de aanval in”, vertelt Tomak. “Ruwe
gegevens worden verwerkt tot informatie die niet alleen zinvol is voor ons als analisten, maar ook
voor andere belanghebbenden in de organisatie. Pas als managers het verhaal achter de gegevens
begrijpen, kunnen ze op basis daarvan de juiste beslissingen nemen.”
macy’s optimaliseert assortiment met High-performance analytics
Macy’s is een van de grootste en bekendste retailers van de Verenigde Staten. Het bedrijf maakt dankbaar gebruik van big data en High-Perfor mance Analytics-software om klanten beter te begrijpen en de winstgevendheid te vergroten. Kerem Tomak is verantwoordelijk voor analytics binnen Macys.com: “High-Performance Analytics is van grote toegevoegde waarde voor het bedrijf.”
54
Macy’s
IndrukwekkendEen groeiend aantal retailbedrijven boekt al indrukwekkende resultaten door het snel en efficiënt
beschikbaar stellen van informatie aan de business. Businessgebruikers zijn hiermee in staat om de
winstgevendheid te vergroten door kleine veranderingen in prijs en assortiment door te voeren. Zo
kunnen ze inspelen op snel veranderende trends en sentimenten. Een dergelijke supersnelle, adequate
en meer fijnmazige informatievoorziening maakt in toenemende mate het verschil.
Voorheen werd het uitverkoopbeleid bij retailorganisaties bijvoorbeeld op regionaal niveau bepaald,
waardoor eventuele lokale kansen werden gemist. Inmiddels bepalen steeds meer winkels op basis van
dagelijkse of zelfs realtime zeer gedetaileerde informatie plaatselijk hun eigen beleid. Men kan met
nieuwe technologische mogelijkheden decentraal desgewenst dagelijks inzoomen op de lokale data.
Het productaanbod en kortingsacties worden hierdoor beter afgestemd op de lokale behoefte.
‘We hebben op een zeer gedetailleerd niveau een beeld van iedere afnemer en elk specifieke product’ Kerem Tomak
55
Steeds meer winkelbedrijven implemente-
ren geavanceerde analyse-systemen om
voortdurend te kunnen inspelen op veran-
deringen. Dat is het terrein van de zoge-
noemde High-Performance Retail (HPR).
De inzet van technologieën zoals High-
Performance Computing en razendsnelle
en effectieve data-analyse verhogen op
deze manier de bedrijfsprestaties. HPR
helpt retailers bij het creëren van nieuwe
inzichten, stelt hen in staat om gericht
ac tie te ondernemen en businessimpact
te creëren. En dat alles resulteert uitein-
delijk in hogere marges, omzet, loyaliteit
en klanttevredenheid.
Impulsaankopen“Impulsaankopen bestaan straks mis-
schien niet meer”, zegt Frank Nauta, ad-
viseur op het gebied van retail en consu-
mentenproducten binnen SAS.
“Consumenten zijn gedurende het aan-
koopproces steeds beter geïnformeerd.
Ze gaan slimmer en zuiniger om met geld.”
Omdat nieuwe productmodellen en –uit-
voeringen steeds sneller op de markt ver-
schijnen, moeten winkelbedrijven hun voor-
raden volgens hem slimmer en strakker
beheren, zodat snel verouderde produc-
ten niet tegen een flinke korting verkocht
hoeven worden.
Met name in de razendsnel bewegende
markt voor consumentengoederen, elek-
tronica en kleding is een snelle doorver-
koop cruciaal. De nieuwe tijd vereist bo-
vendien meer gepersonal iseerde en
gelokaliseerde prijsstrategieën, maar het
schijnbaar oneindige aantal combinaties
van product-prijscombinaties stelt winkel-
bedrijven voor een enorme uitdaging.
Technologische mogelijkhedenIn-Database Analytics brengt gedegen
onderbouwde besluitvorming binnen hand-
bereik. Kassa-informatie wordt in de data-
base geladen en gecombineerd met aan-
koopgedrag. Zo is het systeem in staat om
het toekomstige winkelgedrag van de ko-
per te voorspellen en suggesties te doen
voor meer toepasselijke en gepersonali-
seerde aanbiedingen. Op basis van real-
time verwerking kan dergelijke informatie
in theorie al worden geleverd terwijl de
klant zich nog in de winkel bevindt. Voor-
heen moesten eerst de kassagegevens
worden geladen, verwerkt en weer terug-
geplaatst – een proces dat geen seconden
maar uren of zelfs dagen in beslag nam.
In-Memory Analytics maakt het mogelijk
om conclusies te trekken op basis van een
continue gegevensstroom. In een groot
warenhuis met miljoenen unieke product-
codes duurde deze vorm van analyse zon-
der In-Memory-Systemen nog minimaal
enkele uren. Nu alle actuele gegevens in
het werkgeheugen worden opgeslagen, is
het mogelijk om de beste verkoopstrategie
in realtime te bepalen om daarmee een
hogere omzet te genereren.
High-performance Retail
56
Macy’s
HadoopTomak: “Bij Macy’s gebruiken we tools om gegevens uit Hadoop te halen en deze door te sluizen naar
systemen voor analyes en modellering. We zijn hiermee in staat om dingen te doen die we nooit eerder
hebben gedaan. Gegevensverwerking en analyse in een high performance-omgeving leveren boven-
dien verbluffend snel resultaten op. Op basis van de geagreggeerde data genereren we tegenwoordig
honderdduizenden modellen in plaats van de tien tot honderd van vroeger. High-Performance Analytics
(HPA) gaat binnen Macy’s nu en in de toekomst absoluut het verschil maken.”
Kerem Tomak onderschrijft de stelling dat HPA het hele competitieve speelveld binnen de retailbranche
overhoop kan halen. Neem alleen al het feit dat het met behulp van krachtige analysetools mogelijk is
om op productniveau diepgaande inzichten te krijgen. “Traditioneel waren we niet in staat om voor een
specifiek product de omzetsnelheid, de voorraad of de invloed van de prijs of promotie-actie te analyseren.
We bestudeerden het allemaal wel, maar op productgroepniveau of hoger.”
Dankzij de grote hoeveelheden gegevens en de technologie om deze adequaat te verwerken zijn retailers
in staat om duizenden modellen op productniveau toe te passen. Denk bijvoorbeeld aan what-if-analyses,
waarbij het effect van opruiming, voordeeltjes en andere prijsstrategieen wordt berekend voor miljoenen
product-locatie-combinaties. Ook is het mogelijk specifieke producten op basis van de locatie in het assor-
timent op te nemen. “Het brengt ons echt naar de plek waar we willen zijn”, vervolgt de analytics-specia-
list. “Het geeft bijvoorbeeld een antwoord op de vraag hoe groot de kans is dat een product met een aan-
tal specifieke kenmerken op een bepaalde locatie op een zeker tijdstip wordt verkocht. En zo kunnen we
met behulp van HPA vast nog veel meer interessante vragen beantwoorden. Daarmee komt daadwerke-
lijk het volgende, nog diepere niveau van assortiment-optimalisatie in zicht.”
57
KlantniveauHet diepere inzicht blijft niet beperkt tot alleen de producten. High-Performance Analytics biedt
bovendien een veel gedetailleerder beeld van de koper, waardoor de klantervaring aanzienlijk wordt
verbeterd. Wanneer men de winkel betreedt en de klantenkaart laat inlezen, krijgt men bijvoorbeeld
geïndividualiseerde aanbiedingen te zien. Daarnaast kunnen consumenten via mobiele apps of geo-
targeting-oplossingen op de hoogte worden gebracht van op de persoon gerichte kortingsacties.
Tomak: “We hebben op zeer gedetailleerd niveau een beeld van iedere afnemer en elk specifieke
voorradige en verkochte product. Waar is het aangeschaft? Is het gekocht via de website of bij een
bepaalde vestiging? Is het artikel in de winkel eenvoudig vindbaar voor de klant? En zo niet, dan kan
hij of zij het misschien eenvoudiger aanschaffen op Macys.com?”
Zo zijn er nog veel meer mogelijkheden. Tomak constateert bijvoorbeeld een toenemende interesse in
het gebruik van High-Performance Analytics om meer inzicht te krijgen in het effect van reclame-
displays en advertenties op internet. In het ideale geval worden de banners voorgeschoteld aan de
mensen die interesse hebben in hetgeen getoond wordt en bereid zijn om de reclame te lezen en
door te klikken. “High-Performance Analytics helpt bij het verhogen van de relevantie van online
advertenties omdat de inhoud en informatie zo goed mogelijk is afgestemd op de wensen en interesses
van degene waarop deze gericht zijn.” En dat komt niet alleen de omzet ten goede, maar ook de
klanttevredenheid.
blanco Profiel
59
Profiel
oVER sas
Dagelijks nemen CEO’s, CFO’s, CMO’s, Risk Officers, directeuren en managers beslissingen die de richting van
een organisatie op korte of langere termijn blijvend beïnvloeden. SAS levert software om daadwerkelijk
inzicht voor deze bedrijfskritische beslissingen te verkrijgen. SAS brengt de beslisser van het - te vaak - nemen
van beslissingen op onderbuikgevoel naar beslissen op basis van feiten. Van data naar informatie, van infor-
matie naar inzicht.
SAS is specialist op het gebied van Business Analytics-software en -dienstverlening, en de grootste onafhan-
kelijke business intelligence leverancier. Met innovatieve oplossingen binnen een geïntegreerd raamwerk,
helpt SAS klanten op meer dan 60.000 locaties om hun prestaties te verbeteren en waarde te creëren door
sneller, betere beslissingen te nemen.
SAS biedt naast branchespecifieke ook generieke oplossingen en is sterk op het gebied van datamanagement,
analytics en reporting vanuit een bedrijfsbreed Business Analytics framework. SAS levert haar klanten al sinds
1976 The Power to Know.
High-Performance Analytics
SAS biedt zijn advanced analytics-oplossingen nu ook op basis van high-performance. Hiermee halen klanten
sneller het vereiste inzicht uit de snel groeiende hoeveelheden data, met toenemende variatie en hogere
complexiteit (big data). Alles draait om het sneller beschikbaar hebben van de relevante gegevens en het aan
het licht brengen van niet eerder zichtbare patronen, nuances en relaties, binnen een realtime architectuur.
SAS High-Performance Analytics is gebaseerd op SAS’ eigen grid, In-Database en In-Memory computing
techno logie en biedt de benodigde antwoorden in minuten of seconden in plaats van dagen of uren, zodat
managers en bestuurders tijdig hun beslissingen kunnen nemen.
De onderneming groeit continu en is vanaf de oprichting winstgevend. Jaarlijks investeert SAS 24 procent van
de omzet in Research & Development; meer dan het dubbele van wat concurrenten investeren.
Wereldwijd werken er ruim 13.000 medewerkers bij SAS, in meer dan 56 landen, vanuit 400 SAS-kantoren. SAS
is sinds 1986 actief in Nederland. Het Nederlandse kantoor is gevestigd in Huizen op landgoed ‘Oud-Bussem’,
waar ruim 150 medewerkers werken. SAS staat bekend als een van de beste werkgevers en scoort daarom ook
al sinds haar oprichting jaarlijks zeer hoog in de verschillende ‘Best Company to work for’ ranglijsten.
Colofon
coloFon
realisatie:
SAS Nederland
redactie:
Ilanite Keijsers, Wouter de Wijn
Auteurs:
Jeroen DijkxhoornEdwin PetersJames TaylorHotze Zijlstra
Fotografie:
Eric Fecken
cover:
Philip van Tol, Amsterdam
vormgeving:
Goedhart Ontwerp, Aarlanderveen
drukwerk:
Twigt GrafiMedia, Alphen aan den Rijn
Projectbegeleiding:
René Frederick Projectmanagement, Alphen aan den Rijn
Het boek Future Bright – Decisions at the Speed of Right is gemaakt in opdracht van SAS Nederland. Informatie uit deze uitgave mag uitsluitend worden overgenomen, gekopieerd of gereproduceerd door middel van druk, fotokopie, film, internet of op andere wijze met de expliciete toestemming van de directie van SAS Nederland en met bronvermelding. SAS Nederland is niet verantwoordelijk voor uitspraken gedaan door geïnterviewde personen in dit boek.