AI in data-analyse: van data visualiseren tot nieuwe inzichten

Je kijkt naar je verkoopcijfers, bestellingen en website bezoeken, maar het voelt een beetje als puzzelen in het donker. Al die getallen vertellen je iets, maar wát precies? Aangezien we ons steeds meer online oriënteren, hebben we steeds meer data tot onze beschikking. En laten we eerlijk zijn: het wordt er niet bepaald overzichtelijker op.

Maar er is goed nieuws. Net zoals dat generative AI ons kan helpen bij het verfijnen van content, kan AI ons ook helpen om door die berg aan data heen te ploegen. Gratis tools die patronen zien die wij over het hoofd zouden zien. Tools die je vooral tijd besparen.

En het mooie? Om te beginnen hoef je echt geen data analist te zijn.

Je data vertelt meer dan je denkt 

Als je webshop prima draait maar je toch merkt dat klanten vaak hun winkelmandje achterlaten, kan dat een frustrerende situatie opleveren. Met de juiste data-analyse zie je niet alleen wanneer dit gebeurt, maar ook waarom. Misschien ontdek je wel dat bepaalde postcodes vaker afhaken vanwege de verzendkosten. Of dat klanten vooral 's avonds hun winkelmandje verlaten - precies wanneer je klantenservice offline is.

In deze blog legt onze business partner U-Digital uit hoe je stapsgewijs tot interessante inzichten komt. Van het delen van een dataset tot het leggen van verbanden. Ook leggen ze uit waarom AI slechts een hulpmiddel is en geen vervanger én wat belangrijke do’s en dont’s zijn.

Waarom eigenlijk data-analyse? 

Misschien kunnen we dat het beste demonstreren met een concreet voorbeeld: stel je hebt net een nieuwe marketingcampagne gelanceerd. Je ziet dat je omzet stijgt, maar je weet niet precies waardoor. Komen er meer bezoekers naar je site? Of kopen bestaande klanten meer? En welke producten doen het eigenlijk beter dan normaal?

Data-analyse helpt je om dit soort vragen te beantwoorden. Het vertaalt ruwe data - al die losse getallen - naar bruikbare inzichten. 

Bij traditionele data-analyse kijk je vooral naar wat er in het verleden is gebeurd. Je maakt bijvoorbeeld grafieken van je verkoopcijfers of onderzoekt hoeveel klanten terugkomen voor een tweede aankoop. Meestal gebruik je hiervoor tools als Excel of Google Analytics. Prima tools, maar ook tijdrovend en beperkt als je snel tot de kern wilt komen.

Waarom AI gebruiken voor data analyse?

Waar we vroeger vooral naar het verleden keken met onze data ("wat is er gebeurd?"), kan AI kan op een relatief eenvoudige manier voorspellen wat er waarschijnlijk gaat gebeuren. En dat niet alleen, het kan analyseren, patronen vinden en visualiseren.

AI kijkt niet alleen naar losse cijfers, maar ziet het grotere plaatje. Een gewone analyse vertelt je dat je omzet op maandag 20% lager is. Maar AI vertelt je dat dit komt omdat je belangrijkste doelgroep dan op kantoor zit, én dat je dit kunt oplossen door je marketing anders in te zetten. Het kan dus je besluitvorming versnellen en je bedrijf accelereren.

Bespaar tijd en kosten

Het mooie is dat AI dit soort patronen automatisch herkent. Je hoeft niet meer urenlang Excel-sheets te vergelijken of ingewikkelde formules te maken. AI verwerkt grote hoeveelheden data in een mum van tijd en ziet verbanden die voor het menselijk oog niet zichtbaar zijn. Laat het vooral je tijd en kosten besparen.

Stel je voor: een klant heeft net voor de derde keer in korte tijd bij je gekocht. Traditionele analyse zegt: "dit is een terugkerende klant". Maar AI zegt: "dit koopgedrag lijkt op dat van klanten die vaak producten terugsturen - misschien moeten we de maattabel duidelijker maken"... mits je AI natuurlijk de juiste instructies geeft!

Zelf aan de knoppen draaien in ChatGPT

En hier komt Generative AI om de hoek kijken. Je kunt eenvoudig zelf aan de slag, bijvoorbeeld met ChatGPT, en op die manier snel inzichten uit je data halen. Hieronder laten we stap voor stap zien hoe dit werkt in de praktijk.

1. Laat je data opschonen

Allereerst willen we de data opschonen. Data komt vaak met onvolledige velden of kolommen, zoals ontbrekende waarden, dubbele gegevens of onjuist geformatteerde velden. Opschonen zorgt ervoor dat de data betrouwbaar is én zorgt ervoor dat AI de data op de juiste manier kan interpreteren en analyseren.

Upload je data bestand (CSV of XLS) en voeg een prompt toe om je data te laten opschonen. Ter illustratie, voor onderstaande stappen gebruiken we een XLS bestand met o.a. de volgende data: 

Hieronder een voorbeeld van een prompt die je voor het opschonen van je data kunt gebruiken:

Prompt: “Maak mijn data schoon zodat je deze in een later stadium goed kan analyseren, doe dit door de volgende stappen uit te voeren:

• Verwijder dubbele rijen.
• Vul ontbrekende waarden op een passende manier in (bijvoorbeeld gemiddelde waarden voor numerieke kolommen of 'onbekend' voor tekstkolommen).
• Zorg dat alle datumformaten hetzelfde zijn (bijvoorbeeld dd-mm-jjjj) en valuta’s worden uitgedrukt in [euro/dollar].
• Wijzig eventueel andere onregelmatigheden of zaken die je tegenkomt

Laat een korte beschrijving zien van wat je hebt opgeschoond en hoe eventuele ontbrekende waarden zijn ingevuld.”

2. Laat je data analyseren

Na het opschonen kan je ChatGPT vragen om specifieke analyses te doen. Bijvoorbeeld het achterhalen van de belangrijkste trends en kenmerken van je dataset. Hier is het belangrijk om scherp te zijn wat je zou willen weten. Natuurlijk kan je dit ook aan de AI overlaten om zelf met interessante inzichten te komen. Hieronder een voorbeeld van een prompt:

Prompt: “Analyseer mijn data en geef een samenvatting van:

• Het gemiddelde, de mediaan en de standaarddeviatie voor relevante numerieke kolommen.
• De verdeling van categorieën in tekstkolommen (bijvoorbeeld top 5 meest voorkomende waarden in een bepaalde kolom).
• Eventuele trends over tijd (bijvoorbeeld maandelijkse toename of afname).

Geef een kort overzicht van belangrijke trends en afwijkingen die je opmerkt."

3. Het visualiseren van de data

Wanneer de data is geanalyseerd is het natuurlijk fijn als je de verkregen inzichten eventueel kan presenteren of visualiseren of eigen gebruik. Zo zie je bepaalde effecten en resultaten in één oogopslag. Hieronder een voorbeeld:

Prompt: "Visualiseer mijn data door de volgende grafieken te maken:

• Een lijngrafiek die trends over tijd laat zien voor [specifieke kolom, zoals omzet of aantal verkopen].
• Een staafdiagram die de verdeling van categorieën toont voor [specifieke kolom, zoals productcategorie of klantsegment].
• Een histogram om de spreiding te tonen voor [numerieke kolom, zoals leeftijd of prijs].

Voeg een korte beschrijving toe bij elke grafiek en benoem opvallende patronen."

4. Het delen van inzichten

En nu is het vooral tijd om vragen te blijven stellen. Laat AI zelf met wat inzichten komen waar je zelf nog niet aan heb gedacht, vraag naar de belangrijkste trends, patronen of afwijkingen in de data. Vraag om conclusies en mogelijke aanbevelingen voor acties en analyses zodat je daadwerkelijk iets kan doen met je data. Bijvoorbeeld:

Prompt: Analyseer de resultaten uit mijn dataset en geef me een overzicht met duidelijke conclusies en aanbevelingen voor mogelijke vervolgacties. Let op de volgende punten:

1. Samenvattingen van de belangrijkste trends of patronen in de data. Bijvoorbeeld, noem groeipercentages, piekmome je nten, of andere opvallende fluctuaties.
2. Geef mogelijke verklaringen voor deze trends en afwijkingen, zoals factoren die de data kunnen beïnvloeden (bijv. seizoensgebondenheid, marktveranderingen, of klantgedrag).
3. Bied aanbevelingen voor verdere acties op basis van de data, zoals gerichte marketingcampagnes, veranderingen in voorraadbeheer, of specifieke klantsegmentatie-aanpakken.
4. Stel aanvullende analyses voor die kunnen helpen om dieper inzicht te krijgen. Denk aan specifieke klantsegmenten, regionale verschillen, of productvoorkeuren.

Hopelijk hebben we je hiermee kunnen laten zien dat data-analyse op deze manier ook toegankelijk wordt voor leken en niet-specialisten, die tijd besparen en direct inzichten krijgen voor betere operationele beslissingen, mits je het AI model natuurlijk op de juiste manier aanstuurt. De mogelijkheden zijn eindeloos, en je kan nog veel betere resultaten bereiken dan het relatief simpele bovenstaande voorbeeld, als je het AI model maar op de juiste manier aanstuurt!

Ook data-analisten profiteren van AI: repetitieve taken en simpele taken worden geautomatiseerd, zodat zij meer tijd en ruimte hebben voor diepgaande analyses en strategisch advies, en kunnen AI toepassen voor voorspellende analyses.

Wist je dat we tijdens onze AI Masterclass (UDigital) nog dieper ingaan op alles omtrent AI & Data specifiek voor jouw bedrijf? Neem vooral vrijblijvend contact met ons op, of reserveer meteen je plek.

Jouw inzicht is belangrijk

Betekent dit dat data analisten allemaal overbodig zijn? Absoluut niet. AI is een hulpmiddel, maar nog geen wondermiddel. AI kan dan wel razendsnel data analyseren, maar het kent jouw klanten niet persoonlijk en snapt de context van jouw branche niet altijd. Zie AI als een zeer efficiënte assistent: het doet het zware rekenwerk en spot patronen, maar jij interpreteert de resultaten en beslist wat ermee te doen.

Even samenvatten

Simpel gezegd: Laat AI je helpen om gemakkelijker en sneller je data te interpreteren. Echter: keep in mind dat jij de context het beste kent.

Begin klein, met één specifieke vraag die je wilt beantwoorden. Welke producten worden vaak samen gekocht? Waarom haken klanten af tijdens het betalen? Upload je data naar één van de tools die we hebben besproken en stel je vraag. Je zult zien dat het makkelijker is dan je denkt.

Met de juiste tools en een beetje lef kom je al een heel eind. Want onthoud: ook de grootste webshops zijn ooit klein begonnen. Het verschil? Zij gebruiken hun data slim - en dat kun jij nu ook.

Do’s:

• Data regelmatig checken: Net zoals je je voorraad in de gaten houdt, is het slim om wekelijks naar je data te kijken. Zo zie je trends ontstaan en kun je op tijd bijsturen. Bekijk bijvoorbeeld elke maandag even hoe het weekend is verlopen.
• Begin met één vraag: Start met iets concreets dat je wilt weten. Bijvoorbeeld: waarom verlaten klanten hun winkelmandje bij het afrekenen? Als je die vraag beantwoord hebt, kun je verder met de volgende.
• Je gezonde verstand gebruiken. AI geeft suggesties, maar jij kent je klanten. Als AI zegt dat je meer winterjassen moet inkopen in juli, weet jij dat dit misschien niet zo slim is - ook al zeggen de cijfers iets anders.

Dont’s:

• Blind op AI vertrouwen: AI kan fouten maken of dingen missen. Check altijd of de conclusies logisch zijn. Als AI zegt dat je beste verkoopdag 31 november is, weet je dat er iets niet klopt.
• Te veel tegelijk willen: Je kunt niet alles in één keer analyseren. Focus op wat echt belangrijk is voor je bedrijf. Liever één ding goed aanpakken dan tien dingen half.
• Klantdata uploaden in AI modellen: Wees zorgvuldig met klantdata, en met name NAW, demografische en herleidbare gegevens. Anonimiseer je data waar nodig en handel in lijn met de GDPR wetgeving.