Sarpy, Telia, Vantage. Monsterbedrijven geven hun datacenters net zulke hippe namen als randstadouders aan hun kinderen, wellicht om de realiteit te verzachten: wereldwijd genereren we ruim 300 exabytes per dag, met een uitzicht op 200 zettabytes in 2025. Bedrijven moeten daar op een slimme manier mee omgaan. Toen big data in de jaren negentig opkwam, noemden we het nog marketing intelligence. Vervolgens werd het customer intelligence, inmiddels spreken we van AI use cases. In de basis gaat het altijd om hetzelfde verhaal: een boel data verzamelen en daar voorspellingen mee doen om de business verbeteren.

Big data is ook de motor achter het succes van Too Good To Go, het hippe tech bedrijf tegen food waste. Ook in Amsterdam werken geskilde data scientists en engineers aan die missie, in een felroze pand aan de Ruijterkade waar ik langs ga voor Bazaar. Het is één van de zeventien kantoren in de wereld waar aan de missie tegen voedselverspilling wordt gewerkt middels, jawel, een app. Daarmee bevestigt Too Good To Go een leus die vetgedrukt staat in menig management boek: data isking. Country director Geertje Zeegers geeft de voorkeur aan queen, vertelt ze me tijdens een korte rondleiding. Kantoortuin is de juiste term voor de open werkruimte die iets wegheeft van een kas uitkijkend op het IJ. Jonge mensen voelen meetings in klapstoelen, mijn koffie wordt geserveerd met Oatly. De sfeer is zoals je verwacht van een jong bedrijf met de wind in de zeilen. Voor data scientist Zeegers, die het team in Nederland en België aanstuurt, is dit broednest van data mastery en menselijke creativiteit een droomplek. Ze vertelt – met het soort enthousiasme dat past bij een social impactbedrijf – over haar passie om die twee te verbinden, en waar het heen gaat met al die data in de zakenwereld.

Nieuwe datamindset

‘Er heeft een serieuze verandering plaatsgevonden in hoe mensen over data nadenken’, begint Zeegers als naar een update van big data vraag. ‘Zo’n twintig jaar geleden moest ik bedrijven nog overtuigen van het feit dat data waardevol is, dat je je strategie ermee moet onderbouwen en niet zomaar op buikgevoel keuzes moet maken. Sindsdien is er echt een megaslag geslagen. De reken- en opslagcapaciteit van data zijn enorm toegenomen, waardoor we meer kunnen processen dan vroeger. Dat is ook waarom de ontwikkeling in AI zo hard gaan. De overheid is in actie gekomen met de GDPR, om de veiligheid van klantendata te garanderen, en er is een groeiend besef dat die persoonsgegevens waarde hebben.’ Die overtuiging krijgt genoeg wetenschappelijke backing. Professor Erik Brynjolfsson’s driftig geciteerde paper over data driven decision making (DDD) bevat aanwijzingen dat DDD samengaat met een hogere productiviteit, marktwaarde, en winstgevendheid. De databronnen waar bedrijven uit putten, zoals klanten feedback, sociale media gesprekken en marktonderzoeken, noemen we letterlijk een goudmijn. Dankzij data mining, datagedreven beslissingen, kun je bijvoorbeeld heel snel automatische antwoorden uitsturen, schema’s en planningen verbeteren of eerlijkere beoordelingsgesprekken voeren. Vooral voor grote bedrijven maakt dat echt een verschil.

Het werkt overigens alleen als je een plan hebt met al die gegevens. ‘Je moet data altijd koppelen aan een business doel,’ stelt Zeegers, ‘zoals een probleem dat je wil oplossen of een kans die je wil vergroten. Anders is het zoeken naar een spelt in een hooiberg.’ Ze maakt het concreet met een probleem waar de food heroes op het Too Good To Go platform tot kort geleden mee kampten. ‘Via sociale media vertelde klanten dat ze zelf de ophaaltijden niet konden halen, of andersom, dat ze een tasje wilde ophalen voor een ander. Als zo’n consumenten issue opduikt, doen we eerst onderzoek om te zien of meer mensen ermee zitten. Dat deel is voor onze analisten. Vervolgens ontwikkelen de developers van het tech team een nieuwe feature.’ Inmiddels is het daarom ook mogelijk om voedsel te redden voor een overwerkte vriend, of de buurvrouw die slecht ter been is.

Voor Too Good To Go timmerde Zeegers aan de weg bij een ander databedrijf met klanten zoals Ebay, Heineken en Nike. Zo hielp ze Booking voorspellen wanneer mensen bellen om te reserveren, zodat de call centers in 46 talen kon worden klaargestoomd. ‘Het leuke is dat je dan data uit verschillende hoeken van de wereld krijgt, dus je leert veel over de gedragspatronen van mensen.’ Het is waar Zeegers, als data nerd met psychologie papieren, ‘s ochtends haar bed voor uit komt.

Camemberts redden en geld verdienen

Too Good To Go staat bekend als marktplaats om voedsel te redden, maar een groot deel van de datagedreven business bevindt zich achter het toneel van supermarketketens, bakkers en groenteboeren waar consumenten de herkenbare groene tasjes kunnen ophalen. Dat is waar de impact van data als strategie echt duidelijk wordt. In grote supermarkt besteden werknemers veel kostbare werktijd om handmatig de houdbaarheidsdata controleren. Door een AI-driven algoritme dat het bedrijf heeft ontwikkeld, hoeft dat nog maar voor zo’n 7 procent. Dat bespaart werknemers een uur werk per dag. Het systeem vertelt ook wat zij moeten doen met de producten waarvan de houdbaarheid dichtbij komt: afprijzen, of het in een Too Good To Go tasje doen. Zeegers legt het verder uit met een culinair voorbeeld: ‘In de Alpen, waar de zomers veel frisser zijn en er meer camembert wordt gegeten, kun je veel later beginnen met afprijzen dan bijvoorbeeld in Normandië. Het algoritme kan het juiste moment bepalen op basis van gedragspatronen en het seizoen. Dat zorgt ervoor dat er minder eten wordt weggegooid én dat de supermarkt de maximale omzet draait.’

Mensenideeën nét iets beter maken

Zit big data niet in het vaarwater van andere tendensen in het bedrijfsleven, zoals de zoektocht naar balans, purposeen emotionele intelligentie? Zegers: Net zoals duurzaamheid en winstgevendheid perfect hand in hand kunnen gaan, kunnen data en gevoel dat ook. Ik ben van het kamp dat het één het ander versterkt, massively. Je hebt menselijke creativiteit nodig om modellen effectief te voeden, want statistisch gezien kun je met voldoende data ook nonsense bewijzen en voorspellen. Mensen kunnen met creativiteit en intuïtie bepalen welke elementen echt belangrijk zijn, bijvoorbeeld de factoren die meetellen als je eten gaat afprijzen. Die supermarktmedewerker in de Alpen is echt niet gek – die heeft het heus wel door als een product snel of langzaam gaat. Vervolgens probeer je die intuïtie concreet te maken door het te bewijzen met een algoritme, voor een beter totaalbeeld. Wat je wil, is menselijke creativiteit en intuïtie onderbouwen met data, zodat je hun ideeën nog nét een stapje beter kunt maken.’