“Wie wat bewaart die heeft wat,” zei mijn moeder vroeger. En dat hebben wij geweten, toen we het ouderlijk huis moesten leegruimen. De moderne Vinex-woningen hebben daar de ruimte niet meer voor. Alles is ingericht op zoveel mogelijk leefruimte voor vandaag. Dat is misschien maar beter ook, in elk geval voor de kinderen. Tot mijn schrik kom ik dit ook vaak tegen bij bedrijven en hun data… De focus ligt op vandaag; gisteren is geweest. En dat is niet beter. Een beetje voorspellen wat er komt, zou dan wel weer handig zijn, maar dat lijkt lastig. En dat is het ook, als je niet naar het verleden kan kijken. Zo ken ik een prachtige tool voor autodealers om de occasionvoorraad te beheren, te vergelijken, te prijzen, alles is mooi en makkelijk. Maar de data wordt niet bewaard. Dus terugkijken en prestaties uit het verleden vergelijken is moeilijk en trends spotten onmogelijk. En daar begint voorspellen mee: kijken wat er in het verleden gebeurd is. Natuurlijk: seizoenspatronen herkennen daar zijn we aan gewend, maar er is veel meer uit die oude data te halen. De makkelijkste verbeteringen vind je door de beste prestaties nog eens proberen te herhalen. Dat kan de data je zo vertellen. Een occasionverkoopmanager wil graag weten welke auto te duur geprijsd staat, welke te lang op een klant staat te wachten en hoeveel van zulke auto’s er in het land te koop staan. Die informatie heeft hij nodig om zijn werk goed te doen. Als hij ook ziet welke auto’s eerder wél snel verkocht zijn, waar, hoe die geprijsd waren of welke andere kenmerken die hadden. Dan kan hij voortaan zijn werk beter doen. Alleen kijken naar wat voor occasions er nu staan is zoiets als tijdens een tentamen kijken welke leerlingen er als laatste aan het zwoegen zijn en dan denken dat het te moeilijk geweest is - of vooral voor jongens met een bril of zoiets - zonder te kijken naar welke leerlingen al wél snel hun werk hebben ingeleverd en met welk resultaat. Nu denk je wellicht: zo gaat dat toch niet in professionele organisaties, dit is een tikje overdreven, ze zullen echt óók naar het verleden kijken. Maar dan is mijn vraag: hoe is dat in jouw organisatie? Wordt daar de data bewaard en bekeken? Hoe vaak worden de verschillen in bijvoorbeeld verkoop of conversie van marketing naar sales geanalyseerd, per locatie, prijs, verkoper of product? Of heb je hier wel rapportages over, maar worden die gebruikt als bevestiging dat we het goed gedaan hebben? Of om daar lessen uit te trekken om het niet alleen goed, maar ook beter te doen? Want je moet niet alleen rapporteren, maar ook op zoek gaan naar verschillen die iets verklaren, de goede vragen stellen en kansen zien, en dan kan de data je de antwoorden geven. En als dat wel zo is, je wél de data bewaart en analyseert en wél weet waar het goed gaat en hoe het beter kan: zoveel te beter, want dan ‘heb je niet alleen wat’ dan zal je ook trends zien, ga je verwachtingen formuleren en kan je voorspellingen gaan doen. Dan gaat de data praten.

Het managen van een Sales team is niet eenvoudig. Dat is maar goed ook anders zou iedereen het kunnen... Duidelijke doelen stellen, heldere dashboards, mijlpalen slaan/gebruiken en het als manager belangrijk maken is key om er een succes van te maken. Dit kan met verkoop doelstellingen, lead creatie maar bijvoorbeeld ook met klantentevredenheid. En dan niet het najagen van 9 en 10-en maar een helder en soepel lopend proces, duidelijke afspraken en uiteraard als resultaat die echte aanbeveling van een klant. Een sales funnel in een autobedrijf kent veel verschillende momenten die je kunt meten. De meeste Salesmanagers focussen zich op 6-8 KPI's om ervoor te zorgen dat verkopers hun leads (op tijd) opvolgen, dagelijks voldoende contact momenten hebben, offertes opvolgen en maximaal auto's verkopen. Er zijn echter meer Performance Indicators die je kunt opvolgen. Zaken die stuk voor stuk bijdragen aan het verkopen van meer auto's, services of uren. Als we er samen voor gaan zitten komen we misschien wel op 60 extra punten waarvan je weet dat het goed is om ze te volgen. Als ik dit bespreek bij dealers en Salesmanagers dan vliegen de "maar dat levert toch bijna niets op” of de “goed idee, maar hoe dan?” me om de oren. En terecht, want de rapportages en Excel tools die men inzet om de business te volgen zijn niet ingericht op het slim volgen van deze punten. En dan krijg je dus óf een mega rapportage óf een rapportage op een moment dat het (vaak) al te laat is. Terwijl men ook weet dat als je deze punten wel zou opvolgen er, druppel voor druppel, toch een mooie plas aan extra orders of uren uitkomt. In deze tijden van crisis toch zeer welkom. De nieuwe Business Intelligence tools als Power BI of Tableau maken het mogelijk om informatie bronnen eenvoudig(er) te combineren en krachtige dashboards te maken. Vaak worden deze dashboard dan volgens de bestaande rapportages opgebouwd. En gaat men helaas voorbij aan het feit dat de combinatie van bronnen ervoor kan zorgen dat er andere, effectievere dashboards mogelijk zijn. Met Sales en Marketing data gecombineerd bijvoorbeeld of dat je deze dus dynamisch kunt maken. Dus de juiste info, op het juiste moment, door jou gekozen of op basis van urgentie, bij de juiste persoon. En dat maakt het dus ook mogelijk op de druppels te letten...

Wij weten allemaal wel hoe de toekomst eruitziet. De tekening van Charles Burki laat zien hoe DAF die zag in 1971. Eerder nog, in 1956, organiseerde GM de Motorama en maakte dit filmpje: www.youtube.com/watch?v=Rx6keHpeYak GM voorspelt zelfrijdende auto’s en prachtige grafische dashboards en navigatie. Allemaal goed. Alleen het jaartal niet: in 1976 reden mijn ouders nog in een 2CV, stond de straat nog vol met Opel Ascona’s – even de best verkochte auto van Nederland – en kochten de innovators misschien net de eerste Golf of een Citroën GS. En dat is dus het probleem met voorspellen: de timing. De virus-pandemie was allang voorspeld, alleen wist men niet wanneer. Dat die vliegende bezorgers er zouden komen verwachtten we al 100 jaar, maar nu ineens zijn ze er. Zo gaat het meestal: we zien iets moois, voorspellen een gouden toekomst en vervolgens gebeurt er niets. Maar dan, veel later, onverwacht maar onstuitbaar, komt de toekomst toch dichterbij. Dit probleem van voorspellen en timing is er ook op kleinere schaal binnen bedrijven met rapportages en dashboards. Net als in auto’s zien de sales-dashboards van bedrijven er steeds mooier en grafischer uit. Ze laten zien hoeveel er verkocht is en je kan, als de goede tools gebruikt zijn (zie eerder artikel ‘usine à gaz’ of: ik was (n)ooit een Excel-koning), doorklikken en schuiven en plaatjes maken zoveel je wilt. Allemaal mooi, maar terecht wordt gevraagd: wat doe je er mee? Ze zijn niet actiegericht. Net als het dashboard in een auto dat ook al in 1976 liet zien hoe vol de tank is. Daar heb je alleen wat aan als die vol is. Dan hoef je voorlopig niet te tanken. Maar wanneer wel? De betere sales-dashboards laten je ook nog de sales-funnel zien, hoeveel offertes, leads, prospects, etc. Maar geen voorspelling. Misschien, hopelijk, wel de gemiddelde conversie, of de conversie van vandaag. Dat is hetzelfde als de auto die laat zien wat het gemiddelde verbruik de afgelopen 1000 km was, of nu op dit moment als ik voor het stoplicht sta (we zijn inmiddels bij een Saab 900 uit 1987). Toch is die voorspelling best te doen. Met DADA (https://www.dutchautomotivedataalliance.nl) stellen wij daarvoor conversieprofielen op van de hele sales-funnel. Daarmee kunnen wij een inschatting doen hoeveel en wanneer de verkopen zullen vallen en ook die in het dashboard weergeven. Net zoals je autodashboard tegenwoordig laat zien hoever je nog kunt rijden op deze tank. Het klopt nooit precies maar die voorspelling voorkomt wel een hoop hoofdrekenen, stress en zoeken naar een tankstation als het net niet uitkomt. En het helpt je in actie te komen wanneer dat nodig is.

The body content of your post goes here. To edit this text, click on it and delete this default text and start typing your own or paste your own from a different source.

Elke organisatie kent wel een Excel-koning. Meestal is het een man, maar ik ken ook een Excel-koningin. Dat is niet zomaar iemand die wèl weet hoe je een draaitabel maakt, of waar je aan kan vragen hoe die 'vert.zoeken'-functie werkt. Hoewel het meestal wel zo begint, heeft hij (of zij) het daar al snel veel te druk voor en durf je hem echt niet meer te storen met je 'domme' vragen. Het is meestal iemand die wat slimmer is dan nodig voor z’n functie. Hij heeft al snel door dat een Excel-overzichtje het werk een stuk verbetert. Van het ene excelletje komt het andere en steeds meer mensen gaan erom vragen. En dus gaat hij het automatiseren en komen de macro’s om de hoek kijken. Elke dag en maand gaan ze draaien, halen ze gegevens op en presenteren ze die in diverse tabbladen. Als hij creatief is, krijgt het een naam. En als hij van vormgeving houdt ziet het eruit als een echt systeem met menu’s en noemt niemand het meer Excel. Maar het blijven Excel macro’s die als een - zoals de fransen zo mooi zeggen - usine à gaz (een gasfabriek) aan elkaar hangen. Nieuwe alinea

en bang voor data Bij mij op de middelbare school zat een jongen in de klas, die was 'bang voor de bal'. Met gym kreeg hij hem liever niet, keek de hele tijd schrikachtig om zich heen en dook het liefst weg. En als hij toch de bal kreeg, gaf hij hem zo snel mogelijk aan iemand die er wel raad mee wist en hem zeker niet terug zou terugspelen. Pas jaren later, en ik weet het want het is (toch) een vriend geworden, bleek hij best goed in sport en ontdekte hij dat hij iets gemist had, maar bij bal- of teamsporten heeft hij nooit meer kunnen aanhaken. Aan die schrikblik moet ik steeds denken als ik over data in de automotive praat. Want zelfs een (uitstekende) CEO die ik sprak, duikt er liever niet in. Hij vindt dat ze eigenlijk al te veel data hebben en is bang dat er alleen maar meer rapporten bijkomen. Hij vertrouwt liever op een paar oude rotten die precies weten hoe ze een bedrijf moeten runnen. En hij heeft mensenkennis, want het gaat goed. Maar, hoe heerlijk het ook is om een manager te spreken die meer gelooft in delegeren dan controleren en nog naar de kwaliteit van mensen kijkt, denk ik toch dat hij iets moois - het balgevoel - mist. Als je kijkt welke data veel bedrijven gebruiken, is het ook wel weer te begrijpen. Meer data gebruiken betekent meestal inderdaad MEER data, meer tabellen, meer rapporten, meer pagina’s, meer, meer, meer. Dan snap ik dat je bang wordt van de data. Maar dat is omdat er niet geselecteerd wordt, niet geordend, niet geconcentreerd, niet gedelegeerd, niet gecombineerd, niet gecalculeerd, niet gedecimeerd, niet geconcludeerd wordt. En als er een data-analist bijkomt, gaat die weer andere, eigen dribbelacties met de bal doen, krijg je hem nooit meer terug en raak je steeds verder van de business af. Dat is natuurlijk niet de bedoeling. De bedoeling is om die kennis en ervaring die de goede managers hebben en voor zichzelf gebruiken, uit hun hoofd te halen en om te zetten in analyses en rapporten, zodat het hele bedrijf ervan kan profiteren. De ervaren manager weet waar hij naar moet kijken, wanneer het goed gaat en wanneer niet. Maar hoe deelt hij dat met de rest van de organisatie? Zo kon ik mijn oren ook niet geloven, toen ik hoorde dat bijna de helft van de dealerdirecteuren geen zicht heeft op zijn leads. Ja, er zijn altijd genoeg leadopvolging-rapportages. Maar een paar simpele getallen: hoeveel leads heb je nodig (elke week/maand) om je verkoopdoelstelling te halen, waar sta je, en kom je tekort of heb je over. Die heeft niet elke directeur op zijn mobiel. Die staat wel vol met uitnodigingen voor seminars waar het belang van leads erin gepompt wordt, dus dat hoef ik niet uit te leggen. En dat kleine leaddashboard lijkt simpel, maar daarvoor moet je wel weten hoe leads converteren in verkopen…Inmiddels weet ik dat het daar vaak aan schort. Dus daar moet je beginnen. En als je daar wat energie in steekt kan je op termijn ook gaan voorspellen, waarover een andere keer meer. En dan? Dan komt het erop aan dat je niet alles wil laten zien, niet alles wil weten. Dat wil die CEO van net ook niet. Dus dan moet je de keuzes maken wat op elk niveau relevant is. Met 1x doorklikken voor 1 stap dieper, maar niet te ver en niet te veel en niet te vaak. Daar heb je iemand bij nodig die de business snapt en die data snapt. En die vind je of word je door niet bang te zijn voor de bal. Het advies dat je zal krijgen is overal hetzelfde: gewoon beginnen! En dan komen de excuses en de redenen waarom het toch eigenlijk niet nodig is. Want als je al het gevoel hebt dat je achterloopt en ‘als je weet dat je niet weet wat je niet weet’ dan weet je dus al helemaal niet waar en waarmee te beginnen. Je bent niet de eerste de beste, dus je gaat niet zomaar ergens in een beginnersklasje PowerBI zitten…toch? Een masterclass Artificial Intelligence klinkt stoerder, maar ook te moeilijk. Dan heb je eerst iemand nodig waar je vragen aan kan stellen, die je business kent, en je niet uitlacht, maar zelf wel in dat beginnersklasje is gaan zitten en het inmiddels weet toe te passen. Een sparringpartner van jouw niveau, die je begrijpt, die weet waar je vandaan komt, maar ook over data kan praten en tips kan geven. Iemand die je op sleeptouw neemt en je zelfvertrouwen geeft. Zodat jij aan je balgevoel kan werken, met je gaat overspelen en je laat scoren