Differentiatie als game-changer

Eind jaren negentig introduceerde Albert Heijn intern het Delta-programma. De onderliggende business strategie was gebaseerd op de conclusie dat verdere groei niet langer kon komen uit het openen van nog meer winkels. In sommige steden waar het bedrijf inmiddels een marktaandeel van 50% had bereikt was het simpelweg niet meer toegestaan. Consumenten begonnen te klagen dat ze alleen nog maar konden kiezen tussen AH óf AH…

In de veranderde aanpak lag de focus niet langer op meer van hetzelfde (volume) maar op differentiatie over meerdere business-assen en klantproposities. Begrippen als customer data-driven retail deden hun intrede. De data van de Bonuskaart maakte differentiatie over de klanten-as mogelijk. Continue herbevoorrading van de winkels werd als een black-box ingericht met in het hart een slim algoritme dat op basis van real-time verkoopgegevens voor elke artikel/winkelcombinatie bepaalt wat er twee uur later richting de winkel gaat. Met assortimentsdifferentiatie per winkel sloot het aanbod beter aan op de betreffende klantgroepen. Over de winkel-as werd de strategie zichtbaar in het openen van een kleine AH-to-Go met een specifiek assortiment voor de snelle boodschap, naast de veel grotere XL met ruimere keus voor de kar-vol in het weekend.

De sterke intensivering van het operationeel gebruik van data vormde de kern van de Delta-strategie en voorkwam een onevenredige stijging van de operationele kosten. In het verlengde van deze strategie investeerde het bedrijf stevig in de noodzakelijke technologie. Dit resulteerde onder meer in de realisatie van het toonaangevende Pallas-systeem, een van de eerste Enterprise Data Warehouses in Nederland.

De strategische richting in bovenstaand voorbeeld is gebaseerd op de principes van “massa individualisering’: aanbieders van producten en diensten die zich intelligent organiseren zodat ze klanten zonder meerkosten maatwerk kunnen bieden. Daarbij is er sprake van ketenomkering: de klant bepaalt het ritme. In Nederland is de econoom Ton van Asseldonk al jaren een van de pleitbezorgers van deze aanpak, zich baserend op eerdere studies in Amerika (oa B.J. Pine, Mass Customization, 1993).

De digitalisering van de samenleving en de beschikbaarheid van betaalbare (big-data) technologie doen de mogelijkheid van concrete toepassingen van massa individualisering sterk toenemen. Eind vorige eeuw was uiteraard het begrip big-data nog vrijwel onbekend, laat staan de onderliggende techniek van massieve gedistribueerde opslag en verwerking. Het realiseren van differentiatie in klantproposities, tegen gelijkblijvende operationele kosten door intensief gebruik van data was het uitgangspunt – niet de techniek.

De digitale revolutie heeft ons de informatiemaatschappij gebracht. Data is een productiefactor geworden, al is dat besef – laat staan de impact – nog lang niet bij iedereen doorgedrongen. Het verwerven en gebruiken van informatie is belangrijker geworden dan pure productie, de informatie-industrie vormt een steeds omvangrijker deel van de westerse economie. Data-gedreven processen (Is uw bedrijf al data driven ?) en een gedifferentieerde benadering van klanten komen in de plaats van standaardisatie en massaproductie of zijn op z’n minst aanvullend. Inkoopvolume is voor een retailer nog steeds belangrijk voor het behalen van een gezonde marge maar differentiatie in onder andere klanten, assortiment en winkels levert in toenemende mate een bijdrage aan het resultaat.

Door het gebruik van data zijn organisaties in staat de productiviteit te verhogen door bestaande processen te optimaliseren of zelfs geheel nieuwe business-processen toe ontwikkelen. We kennen allemaal de bekende voorbeelden van puur op data gebaseerde bedrijven zoals Google en Facebook. Amazon biedt elke klant in feite een persoonlijke web-pagina, met een aanbod van artikelen toegesneden op zijn of haar interesse gebied. Uber en Airbnb gaan een stap verder dan alleen data. Zij weten juist nieuwe markten te ontwikkelen door data te combineren met een concreet product (een tijdelijke woning, een taxirit).

Maar er zijn, naast Albert Heijn, ook tal van voorbeelden te noemen van reeds bestaande bedrijven die succesvolzijn door het toepassen van de principes van massa individualisering of differentiatie. Netflix – “a company built on a algorithm” – maakte al data-gedreven onderscheid in klanten toen het eind jaren ’90 nog gewoon DVD’s per post verstuurde. Dell was in de jaren ’90 succesvol omdat het als een van de eerste de mogelijkheid bood om je computer grotendeels zelf samen te stellen terwijl door de geoptimaliseerde productielijnen het apparaat toch binnen enkele dagen tegen concurrerende prijzen geleverd kon worden.

Bij Nike kan de consument gepersonaliseerde schoenen bestellen. De Mexicaanse gigant CEMEX, de grootste producent van bouwmaterialen in de wereld, was door de inzet van predictive analytics in staat veel beter in te spelen op de klantvraag naar cement – toch een commodity bij uitstek. Het product zelf is inwisselbaar – Cemex maakte het onderscheid doordat ze beter in staat waren aan te leveren binnen het nog al eens aan wijziging onderhevige juiste time-window voor verwerking op de bouwplaats.

De mogelijkheden van het toepassen van data-gedreven differentiatie beperken zich niet tot het bedrijfsleven. Ook in de zorg zien we vergelijkbare ontwikkelingen.

Het succesvolle Buurtzorg is een thuiszorgorganisatie die met kleine teams, bestaande uit (wijk)verpleegkundigen en wijkziekenverzorgenden, zorg levert aan huis. Samen met de patiënt en de omgeving wordt gekeken wat er aan zorg nodig is en welke oplossingen het best toepasbaar zijn. De organisatie is, zonder de overbodige bureaucratie, in staat maatwerk te leveren. Kleinschalige zorg vanuit het perspectief van de cliënt. Niet de aandoening maar de patiënt staat hierbij centraal.

De ontwikkelingen gaan snel – en zullen nog veel sneller gaan. Het toepassen van kunstmatige intelligentie en meer specifiek machine learning gaan een ongekende impact hebben op onze manier van leven. Als de wetgeving het toestaat rijdt binnen enkele jaren een Tesla volledig autonoom – auto’s die nu geproduceerd worden zijn al voorzien van alle noodzakelijke hardware. De rest komt neer op het verwerken van data: het trainen van neurale netwerken. Straks stel je nadat je op je werk bent aangekomen middels een app je auto via het Tesla Netwerk beschikbaar voor verhuur aan anderen, onder jouw specifieke voorwaarden. Terwijl je koffie drinkt zie je door het raam je auto geheel autonoom vertrekken. En om 5 uur staat de wagen weer voor de deur. Allemaal data gedreven!

Techniek vormt geen belemmerende factor meer. Organisaties die succesvol zijn in het toepassen van big-data technieken denken dan ook vanuit het business-perspectief in plaats van te starten met techniek. Waar kan ik processen verder optimaliseren door deze data driven te maken, waar zou ik met een meer gedifferentieerde aanpak een beter aansluiting op mijn markt kunnen realiseren? Beter kunnen inspelen op het gegeven dat mensen nu eenmaal verschillende wensen en behoeftes hebben? Wat zou ik kunnen als ik onze data nu eens op een andere manier zou gaan gebruiken?

Out-of-the-box denken, met de benen op tafel is nu belangrijker dan het installeren van een Hadoop-cluster om eens te zien wat je met de techniek kunt. Voor bestaande bedrijven is de omslag naar een informatie-gedreven organisatie veel lastiger dan voor start-ups. Ze zitten immers vaak vast in bestaande verdienmodellen en bijpassende beoordelingscultuur. Een inkoper in retail zal nooit in termen van differentiatie gaan denken zo lang je hem blijft afrekenen op basis van gerealiseerde volumes in plaats van op toegevoegde waarde per klant. Daarbij is het informatiebewustzijn op managementniveau in veel organisaties nog amper ontwikkeld.

De opkomst van internet, het altijd on-line zijn, de beschikbaarheid van steeds meer data, snellere computers en het steeds eenvoudiger (cloud!) en goedkoper worden om data te gebruiken zijn kenmerken van de digitale revolutie. Er is overigens geen keus – of je doet mee of je verdwijnt. Informatie, data is een game-changer. Het spel verandert – wil je mee blijven spelen dan zal je hierin mee moeten gaan.

Uiteindelijk gaat het om de vraag of je als organisatie in staat bent de noodzakelijke veranderingen door te voeren. Daarbij helpt het om vanuit het eigen business-perspectief na te denken over begrippen als data-gedreven en differentiatie. Te leren van wat anderen bedrijven doen, waarbij bij voorkeur wordt gekeken naar andere sectoren. Een business-gedreven innovatieve zoektocht waarbij de business centraal staat en techniek als enabler op de tweede plaats komt. Technologie in het verlengde van een business-strategie in plaats een technologische oplossing op zoek naar een probleem.