Speel slimmer in op de toekomst met prescriptive analytics
Prescriptive analytics is vandaag de dag het nieuwe toverwoord in analytics-land. Wat is het precies? Hoe pas je het toe? En wat levert het op? Om hierover meer te weten te komen, gingen we in gesprek met Thomas Heeneman, data scientist bij Magnus.
Kort door de bocht kan prescriptive analytics worden gezien als de meest volwassen manier van analytics. Waar descriptive analytics en diagnostic analytics vooral kijken naar het verleden, om hieruit lessen te kunnen trekken, werpt prescriptive analytics juist een blik op de toekomst, legt Heeneman uit.
De methodiek gaat hiermee een stap verder dan predictive analytics, dat probeert te voorspellen wat er gaat gebeuren. Heeneman licht toe: “Bij prescripitive analytics probeer je niet alleen de toekomst in kaart te brengen, maar ook nog eens deze te optimaliseren met de juiste interventies.”
“Je gebruikt algoritmes en data om de beste stappen te kunnen voorschrijven”, legt Heeneman uit. Randvoorwaarde is natuurlijk wel dat je de toekomst goed kunt voorspellen, en dus bouwt prescriptive analytics voort op de kennis die is opgebouwd met predictive analytics. “Je kan het zien als een tandem; de een is nodig voor de ander.”
Het nieuwe goud
Een andere randvoorwaarde is dat de juiste data beschikbaar is om de benodigde afwegingen te kunnen maken. Neem als voorbeeld een bedrijf dat alcoholische dranken verkoopt. Met behulp van prescripitive analytics wil het bedrijf de optimale prijs van flessen drank bepalen met als doelstelling om de winst te maximaliseren.
Heeneman maakte deel uit van een team dat aan deze case werkte. Door de historische verkoopdata, prijzen, consumentengedrag en de prijselasticiteit van de producten te analyseren kon het team in kaart brengen wat de te verwachten verkoopniveaus waren en welke effecten prijsveranderingen zouden hebben op de verkopen. Door vervolgens interne data zoals de kosten, opbrengsten en marges in te brengen kon het team de optimale prijzen voor winstmaximalisatie bepalen.
“Winstmaximalisatie is wat anders dan bijvoorbeeld het verkopen van zoveel mogelijk producten of het opschroeven van het marktaandeel van een bepaalde productlijn”, legt Heeneman uit. Zonder de data als basis, de slimme algoritmes en prescripitive analytics waren deze inzichten niet mogelijk.
Het toepassen van deze techniek kan in allerlei situaties tot waardevolle inzichten leiden. “Prescriptive analytics kan overal toegepast worden ter bevordering van toekomstige besluitvorming”, geeft Heeneman aan. Neem als voorbeeld het optimaliseren van de sales funnel van een B2B-bedrijf. “De hamvraag is altijd: welke sales-acties leveren het meeste op en dienen de meest prioriteit te krijgen?”
Het antwoord is te vinden in diverse factoren, zoals welke sales leads de meeste kans van slagen hebben, welke bijdrage deze leveren ten aanzien van de omzet en winstgevendheid, maar ook tal van andere kwalitatieve factoren die een rol kunnen spelen (zoals het toekomstig potentieel, het bouwen van een langetermijnrelatie, enzovoorts). “Zo’n model kan de juiste aanbevelingen optuigen voor vervolgacties”, aldus Heeneman.
Nog een voorbeeld: scenarioplanning. Een doorn in het oog voor veel strategen. Niet alleen vanwege het feit dat dit complex is, maar ook omdat men vaak weliswaar goed in staat is om de verschillende scenario’s boven tafel te krijgen, maar minder goed in staat is om de optimale keuze zonder onderbuikgevoel te pinpointen.
Heeneman zegt hierover: “Prescriptive analytics kan duizenden mogelijke scenario’s doorlopen en levert uiteindelijk ‘actionable insights’ op – een optimaal scenario per doelstelling. Hierdoor wordt meer richting gegeven aan het vervolgtraject dan bij andere vormen van analytics.”
Thomas Heeneman is een van de teamleden van het Advanced Analytics-team van Magnus.
