Of u nu een marathon wil lopen onder de twee uur, dan wel uw bedrijf een concurrentiële voorsprong geven: dezelfde basisregels zijn van toepassing.
Een mens is van nature gedreven om records te breken. Alles kan sneller en efficiënter. Optimalisatie is de sleutel: iedere winst, hoe klein ook, draagt bij tot een beter eindresultaat. Dat geldt niet alleen in de sportwereld, waar het verschil tussen een tweede plaats en een wereldrecord vaak niet groter is dan een tiende van een seconde. Hetzelfde is van toepassing in de bedrijfswereld. Geoptimaliseerde bedrijfsprocessen die de omzet vergroten of interactie met de klant verbeteren, zijn op zichzelf misschien niet revolutionair, maar vele kleine verbeteringen kunnen zorgen voor één grote meerwaarde.
Atleten en organisaties doen vandaag beroep op dezelfde mensen om te groeien: wetenschappers. Bedrijven kijken naar datawetenschappers, atleten naar sportwetenschappers. De legendarische marathonloper Eliud Kipchoge vertrouwde bijvoorbeeld op professor Andrew Jone om zijn prestaties met behulp van data te maximaliseren.
Data en seconden
Jones stond een jaar geleden aan het hoofd van het wetenschappelijke team dat Nike’s ‘breaking 2’-project moest ondersteunen. Het opzet: een mens een marathon laten lopen in minder dan twee uur. Hij stond voor een aartsmoeilijke taak: geen atleet is er immers ooit in geslaagd 42.195 kilometer te lopen in minder dan 120 minuten. Om de klus te klaren, moest Jones de prestaties van de atleten optimaliseren.
Aan de hand van formules die rekening houden met de verbranding, de zuurstofopname en de conversie van die zuurstof naar energie, kan Jones zelfs berekenen welke gemiddelde snelheid een marathonloper theoretisch gedurende twee uur kan volhouden. Zo toonde onderzoek het belang aan van frequent eten en drinken tijdens het lopen. Zelfs weerstand speelt een rol. Het is bijvoorbeeld efficiënter om in een peloton te lopen.
Ook dichter bij huis vinden we voorbeelden van wetenschappers die data en onderzoek inzetten om sportprestaties een boost te geven. Professor Peter Hespel, wetenschappelijk directeur van de Bakala Academy, gebruikt bijvoorbeeld data om de techniek van topwielrenners nog een tikkeltje bij te schaven. Op het and& festival in Leuven zag ik onlangs een boeiende demonstratie waarbij gemeten werd op welke manier een wielrenner kracht zet op zijn fiets. Aan de hand van die data stelt Hespel vast hoe de wielrenner nog efficiënter kan fietsen.
Toepassen in bedrijf
Twee principes uit de sportwereld komen naar boven als best practices in een bedrijfscontext. Het eerste heeft betrekking op de data zelf. Vandaag zijn we allemaal enthousiast over big data analytics, maar staan we nog te weinig stil bij de kwaliteit van die data. Sportwetenschappers gaan heel ver om zich ervan te vergewissen dat ze de perfecte data verzamelen. De Bakala Academy investeerde bijvoorbeeld in een unieke isokinetische testfiets om de prestaties van atleten te meten. Binnen een bedrijf gaan enthousiaste werknemers al te vaak aan de slag met niet al te best geverifieerde data. Analytics biedt fantastische inzichten in gegevens, maar die inzichten zijn niet veel waard als u niet 100 procent zeker bent dat de data in kwestie van goede kwaliteit zijn. Net zoals de Bakala Academy investeert in de speciale fiets, moet uw als bedrijf zorgen voor kwalitatief goede meetpunten voor uw data. Denk aan goed geplaatste sensoren in winkels of op bestelwagens, of de juiste monitoringtools op endpoints.
Bovendien moet u in staat zijn de juiste conclusies te trekken. Een correlatie is immers niet hetzelfde als een oorzakelijk verband. Dat is iets waar wetenschappers zich heel erg van bewust zijn, maar cio’s met een analytics-portaal soms iets minder.
Jones constateerde in zijn werk met Kipchoge dat het nutteloos is om atleten te overstelpen met alle inzichten die hij ter beschikking had. Om een goede prestatie neer te zetten, hoeft de loper immers niet te weten hoe efficiënt zijn lichaam zuurstof omzet in energie, of hoe dat in relatie staat met zijn luchtweerstand en verbranding. Wat hij wil horen is: drink meer water, loop sneller, loop trager, of loop in groep.
Hetzelfde geldt voor de fietser in de Bakala Academy. Misschien is hij persoonlijk geïnteresseerd in de technische achtergrond van zijn test op de isokinetische fiets, maar professioneel is hij niets met de pure data. Hij hoeft niet te weten dat hij niet op een optimale manier kracht zet op de trappers bij een bepaalde cadans. Wat hij wel wil weten is hoe hij zijn houding concreet moet aanpassen om het onderste uit de kan te halen.
Concrete aanbevelingen
Dat is perfect toepasbaar op een bedrijfscontext. De gerant van een winkel heeft bijvoorbeeld geen interesse in data over voorkeurskleuren of neerslagdata. Waar hij wel iets aan heeft, is een concrete aanbeveling, zoals op welk moment hij/zij best een rode banner met promotie voor paraplu’s in de etalage plaatst.
De job van een goede datawetenschapper eindigt niet wanneer de data geanalyseerd zijn, en in mooie grafieken in een dashboard te raadplegen vallen. Echte waarde ontstaat pas wanneer de data verder gedistilleerd worden tot heel concrete richtlijnen voor mensen op het terrein.
En dan nog is het belangrijk om realistische doelen voor ogen te houden. Onder begeleiding van Jones liep Kipchoge de marathon uit in twee uur en 25 seconden, bijna tweeëneenhalve minuut sneller dan het wereldrecord, maar niet onder de twee uur. Een knappe prestatie, die aantoont dat er nog marge voor verbetering is. Zo is het ook bij analytics binnen uw organisatie. Optimaliseer een proces, neem afstand, analyseer, en begin opnieuw. Er is altijd wel ergens een ‘seconde’ die nog weggewerkt kan worden.
