Improving retention model big data

1. Big Data
Erik Kentie (erikkentie@easim.nl)
0646727427

2. Inhoud
1. Big Data Projecten
2. Proof of Concept
3. Marketing Scientist
4. Stappen Data gedreven organisatie
5. Projecten

3. Big Data Projecten
MARKETING
PRODUCT
ONTWIKKELING
INKOOP
Snelheid VerscheidenheidHoeveelheid

4. Voorbeeld: Retentiemodel verbeteren
(Proof of Concept)
Bepalen factoren die invloed hebben op de uitstroomkans, mappen op bestaande verzekerden.
Komen tot een dusdanige segmentatie die gerichte marketingacties mogelijk maakt.
-Huidige factoren verder aanvullen met beschikbare interne/externe data (Geo, Social, CRM)
-Gestructureerde data (CRM, declaraties, administratie)
-Ongestructureerde data (tekst en spraak)
-Social Media data
-Webdata
-Open Data
- Hypothesen toetsen
- Trends zichtbaar maken (Visualisatie)
-Classificator (Model)
-Kennisopbouw
-Next Step
-Scrum Aanpak
-BI tooling
4

5. Interne data:
CRM
Polisadministratie
Declaraties
“Spraak”
“Tekst”
Webdata:
SocialMedia
Website
Google Analytics
Open Data:
CBS
Rijksoverheid
Gemeente
Externe Data:
Bisnode
Coosto
Experian
ConversieE-mail
Klantbeeld
Visualisatie
Dataverrijking
Data mining
Analyse
Technologie
Organisatie
Marketing Scientist
Touchpoint

6. Data2Value Accelerator
DWH
STG ODS
Staging Area Operational Data Store
ETL ETL ETL
Datamarts
Rule engine
(“R”)
API/JASON
Presentatie
Visualisatie
Mining
Analyse
Text Analytics
Speak Analytics
Gestructureerd
Ongestructureerd

7. Naar een Data gedreven organisatie
Workshops
Proof of
Concept
Big Data Lab
Integratie
Organisatie
• Testen nieuwe technologieën
– Applicaties (software
componenten, rule engine)
– Infrastructuur (Hadoop)
• Ontsluiten en verrijken van
(nieuwe) databronnen (usecase
gedreven)
• Architectuur en inrichting
organisatie
– Delen kennis en
vaardigheden
– Rollen (o.a. Datascientist)
• Business van nieuwe inzichten
voorzien
• Sterkere visualisatie/interactie
design dashboards
• Analyse, Actie, Test
• Wat is Big Data ?
• Inzicht in huidige
technologie;
• Toepasbaarheid
binnen eigen
organisatie;
• Welke usecases
(business)?
• Welke bronnen ?
• Eerste inzichten
(visualisatie)
• Uitwerking usecase
• Onderbouwing
businesscase
• Quick wins
• Keuze
databronnen/datasets
• Hypothesen
• BI tooling
• Mining/Analyse/predictive
• Visualisatie
• Scrum aanpak
• Aanbevelingen Big Data
Lab

8. Projecten
Use case Markt Tools Bronnen Stadium
Productontwikkeling Ouderenzorg CBS, Social, Worksshop
Marketing Retentie Zorg SAS, Oracle CRM,
Social, CBS,
tekst,
Speak
POC/Lab
Inkoop Zorg Endeca POC
Inkoop Spiegelinfo “R”, Oracle, Declaraties Workshop
Productontwikkeling 3D printing t.b.d. Social, Web Workshop