Het komt vaak voor dat je een eenmalige analyse wilt doen op een bepaalde dataset, of bepaalde data wilt combineren. Maar je weet niet waar je moet beginnen. Dan is het handig om eerst een laagdrempelige, eenmalige analyse te laten maken. Je hoeft dan niet eerst een grote investering te doen waarvan je (nog) niet weet of die rendabel is. Daarnaast ontstaat een goed beeld van de mogelijkheden en welke waarde het voor jouw bedrijf oplevert.

Lees verder voor een voorbeeld van hoe deze aanpak kan leiden tot verrassende en enorme besparende inzichten of neem direct contact op.

Voorbeeld

Voor één van mijn klanten heb ik een Python-script ontwikkeld waarmee veel operationeel werk in het facturatieproces uit handen wordt genomen. Een grote datadump uit het systeem wordt binnen een minuut omgezet in honderden facturen, strategische managementinformatie en een basis voor de begroting van het komende jaar.

Wat levert dit concreet op?

Een periodieke, enorme tijdwinst in het operationele proces van het aanmaken van de facturen. Hierdoor ontstaat meer tijd om ook op een andere manier naar de data te kijken. Door alle uitkomsten op een overzichtelijke manier te visualiseren in een Power BI-dashboard heeft deze organisatie op productniveau precies in kaart waar de kansen liggen en welke klanten nog betere combinaties kunnen worden aangeboden en welke producten nog onvoldoende worden belicht in de marketinguitingen. En geloof mij, dit haal je nooit allemaal uit je onderbuikgevoel!

Analyses en visualisaties leveren vaak (vervolg)vragen op waar je anders wellicht niet op was gekomen.
De investering van een eenmalige analyse is binnen no-time terugverdiend!

Nevenopbrengsten

Naast de tijd- en geldbesparing in het operationele proces kwamen er ook datakwaliteitsissues aan het licht omdat vanuit het script heel snel alle mogelijke combinaties snel gecontroleerd kunnen worden.

In de gesprekken kwam ook naar voren dat er onvoldoende inzicht is in het verkeer op de website. Eén van mijn vervolganalyses was dan ook het geautomatiseerd binnenhalen van de Google Analytics gegevens en dit omzetten naar een overzichtelijk Power BI-dashboard. Nu is er dus ook grip op de websitestatistieken in een mooi dashboard, waarin concreet allerlei interessante vragen beantwoord worden:

• Hoeveel websitebezoekers leveren mijn specifieke nieuwsbrieven op?
• Leiden nieuwbrieven tot nieuwe productaanvragen? Valt dit tegen, dan kun je de gebruiksvriendelijkheid van je website en de SEO eens beter onder de loep nemen.
• Welke pagina’s worden het meest bezocht naar aanleiding van posts die je op LinkedIn hebt gedaan?
• Wordt het budget dat ik steek in Facebook-, Google- en/of LinkedIn-advertising eigenlijk wel voldoende aanvragen op?
• Welke belangrijke productpagina’s worden slecht bezocht?
• etc.
• etc.

De inzichten van een analyse vormen vaak het vertrekpunt voor een volgende, waarbij je steeds meer data kan combineren.

Worstel je nog met grote en wiebelige Excel-sheets en ben je vooral druk met de boel draaiende te houden? Je zult versteld staan hoe eenvoudig en snel je met Python je handelingen, processen of analyses kunt automatiseren. En dan ontstaat er ruimte voor andere, meer strategische analyses die een goudmijn aan inzicht opleveren. Mijn ervaring is dat er een wereld opengaat als je bepaalde data koppelt of op een bepaalde manier visualiseert. Soms bevestigt de data je onderbuikgevoel, maar het kan ook juist heel duidelijk aangeven dat je veel geld en tijd verliest op producten waarvan je dacht dat ze behoorlijk winstgeven waren bijvoorbeeld.

Benieuwd naar de mogelijkheden? Neem contact op, ik sta altijd open voor een kennismaking waarin we vrijblijvend problemen (lees: uitdagingen) kunnen bespreken.