Ik werk hier pas twee jaar, maar data zijn voor mij bekend werkterrein. Eerder zat ik bij een bedrijf dat met data-analyses inzicht biedt in consumenten- en marktgedrag. Daarna heb ik bij een zakelijke dienstverlener gewerkt die mij uitzond naar financiële instellingen. Daar deed ik mooie projecten. Zo werkte ik onder meer aan een fraudemodel voor een zorgverzekeraar. In feite ga je dan de oude structuur van regels voor analyses en risicoschattingen strippen en opnieuw opbouwen. Als je de eerste versie af hebt ga je testen. En met de resultaten ga je het model vervolgens doorontwikkelen. Maar dan was ik, als extern medewerker, meestal alweer vertrokken. Terwijl het juist leuk is als een project jouw kindje is, dat je ziet groeien.

Bij Nationale-Nederlanden lagen mooie kansen. Hier kan ik naar hartenlust bouwen, programmeren, testen en evalueren. Nu ben ik onder meer bezig met het concept van de Recommendation Engine. Dankzij zo’n machine kan webwinkel Bol.com jou bij de aanschaf van een boek bijvoorbeeld laten zien waarin andere klanten, die hetzelfde boek kochten, nog meer waren geïnteresseerd. Met data-analyse vertalen we in feite huidig consumentengedrag, zoals het kopen van producten en het lezen van artikelen, naar toekomstig consumentengedrag. Een werkwijze die voor verzekeraars ook interessant is. Wie bijvoorbeeld een inboedelverzekering heeft, heeft straks misschien wel behoefte aan een aanvullende verzekering.

We zijn als team heel resultaat gedreven. Als je het percentage clicks op een banner kunt verhogen van één naar twee procent door klantgroepen te isoleren die belangstelling hebben voor de aangeboden verzekering, lijkt dat niet zoveel te betekenen. Maar vertaal die groei eens naar absolute aantallen per dag, per maand en per jaar, en meet vervolgens hoeveel klanten de aangeboden verzekering afsluiten. Dan zijn de resultaten aanzienlijk. Het behalen van significant betere resultaten vind ik uitdagend. En er komt nog iets anders bij kijken. We benaderen klanten via allerlei kanalen. Maar we willen onze klanten geen onnodige informatie sturen. Hoe gerichter je benadering is, hoe persoonlijker en relevanter de uitingen voor de klant zijn. Zo kan Nationale-Nederlanden zichzelf op de kaart zetten als betrouwbare financiële partner die de klant goed kent, in plaats van als een verkoper die aanbiedingen op de klant afvuurt in de hoop er wat gekocht wordt.

Op het gebied van data heeft Nationale-Nederlanden de afgelopen twee jaar grote stappen gezet. Toen ik hier binnenkwam kregen we een maandelijkse en in sommige gevallen zelfs jaarlijkse update van onze klantendata. Inmiddels is dat wekelijks geworden. Op ons nieuwe platform gaan we voor sommige bronnen zelfs naar real-time toe. Daardoor beschikken we over veel meer en gedetailleerdere informatie. Welke klanten zijn erbij gekomen en waarom? Welke klanten zijn vertrokken en waarom? Zijn ze blij met ons? Of ergeren ze zich juist aan ons? Al die gegevens extrapoleren we naar de toekomst.

Het besef dat we mooie dingen met data kunnen doen, is hier lang en breed geland. Natuurlijk, af en toe is het lastig ervoor te zorgen dat de oplossingen die je hebt bedacht daadwerkelijk gaan werken. Om mensen te bewegen data-inzichten te gebruiken en niet te blijven hangen in oude methodes. Dat is logisch. Maar we zijn een open en platte organisatie. Het is gemakkelijk om met collega’s te praten en hen te enthousiasmeren voor data en analyse. Binnen Nationale-Nederlanden krijgen we de ruimte en het mandaat voor onze oplossingen. Alle faciliteiten, zoals soft- en hardware, zijn van goede kwaliteit. Kortom, het is hier gewoon lekker werken.

Vincent van de Ven
Data Scientist