B2B interview: Datagedreven werken in de financiële sector

Uit ons onderzoek blijkt dat domeinexperts als sales,- en logistiek managers wat minder positief lijken dan dataprofessionals wanneer het gaat over datagedreven werken. Hoe zie jij dit?

Binnen onze organisatie zien we een duidelijke discrepantie tussen developers en het operations team. Waar developers in nullen en enen denken, opereert het operations team vanuit een debet- en creditperspectief. Deze kloof zorgt voor veel intern overleg.

Een accountancy-achtergrond is essentieel om de inkomende data goed te kunnen matchen. Tegelijkertijd moeten developers meer inzicht krijgen in de business. Daarom worden zij betrokken bij klantgericht werk, zodat ze deze kennis in hun werk kunnen toepassen.

Bij Actuals zijn we op vier manieren met data bezig:

• Wij zijn een databedrijf: We verwerken jaarlijks 11,7 miljard rijen data, voornamelijk financiële en transactiedata van onze klanten. Ons dataplatform is zwaar gefocust op data en vormt de kern van onze productkant.
• Data-inkoop voor verkoop: Voor onze verkoopactiviteiten kopen we data in, zoals demografische gegevens van bedrijven. Onze outreach-strategie is gebaseerd op deze third-party data.
• AI-gebruik: We maken actief gebruik van kunstmatige intelligentie om processen te verbeteren en inzichten te genereren.
• Dagelijkse bedrijfsvoering: Onze dagelijkse bedrijfsvoering omvat sales cycles. Hierbij analyseren we onder andere succesvolle bronnen, de duur van de sales cycle, welke doelgroepen aansluiten op specifieke producten en de gemiddelde upsell.

We streven ernaar volledig te kunnen vertrouwen op onze data. Hoewel we daar nog niet zijn, zien we groei als de sleutel tot dit vertrouwen. Hoe groter ons netwerk, hoe hoger de betrouwbaarheid van onze data wordt omdat we meer data kunnen analyseren.

68% van onze respondenten geeft aan data governance een thema is en gebruikt wordt. Hoe is dit bij Actuals?

Onze organisatie is ISAE 3402 type 2 en SOC 2 type 1 gecertificeerd. Dit brengt specifieke verplichtingen met zich mee, waaronder het faciliteren van rollen zoals privacy officer en security officer.

Iedereen binnen de organisatie moet akkoord gaan met onze databeleid en voor elk proces is een aparte policy opgesteld. Daarnaast hanteren we strikte policies voor alle derde partijen waarmee we samenwerken. Bij klantdata zijn de eisen aanzienlijk strenger dan bij outreach data.

Om compliant te worden en te blijven, maken we gebruik van een automation tool. Hiermee beheren we onder andere jaarlijkse reviews. Elk jaar moet iedereen binnen de organisatie de code of conduct en de AI-policy opnieuw lezen en bevestigen.

Dit jaar zijn we overgestapt naar Snowflake als dataplatform. Gezien het feit dat onze klantdata hier doorheen gaat, hebben we bij deze implementatie uiterst strikte eisen gehanteerd. Deze aanpak weerspiegelt onze toewijding aan beveiliging en compliance.

AI wordt veel genoemd als een grote kans voor de toekomst, maar ruim eenderde van onze respondenten geeft het aan dat het momenteel geen prioriteit heeft. Herken jij deze tegenstelling en kun je hem verklaren?

Binnen onze organisatie wordt generatieve AI breed ingezet. We hebben één persoon aangewezen die een selectie maakt van de company tools die we willen gebruiken.

In de praktijk wil elke functie binnen het bedrijf zijn eigen AI-tool. Daarom hebben we een bredere policy opgesteld waarmee teams zelf kunnen beoordelen of een tool aan de richtlijnen voldoet. Een belangrijke vraag hierbij is bijvoorbeeld: kan ik mijn trainingsdata scheiden van publieke data?

Een centrale policy helpt ons beslissingen te democratiseren. Iedereen kan vanuit zijn eigen behoefte kritisch nadenken over de tools die ze willen gebruiken. Het vinden van één allesomvattende tool is niet haalbaar, maar deze aanpak zorgt ervoor dat teams de beste keuzes maken voor hun specifieke situatie.

Generatieve AI wordt bij ons onder andere gebruikt voor gepersonaliseerde boodschappen naar potentiële klanten en voor code reviews, zoals het controleren van SQL-queries. Het wordt echter nog niet ingezet voor het analyseren van onze eigen data. Klanten vragen hier wel om, bijvoorbeeld voor het detecteren van fraudepatronen, maar dit is nog een toekomstplan.

Er ligt veel potentie in het werken met AI-agents en retrieval-augmented generation. Het idee is om databronnen te laten ‘praten’ met AI, zodat we klanten sneller kunnen onboarden en vragen direct worden afgehandeld. Onze ambitie is om klanten direct analyses te laten opvragen. Ook willen we een slimme agent op onze website implementeren, bijvoorbeeld via Onemind.

Onze aanpak is rustig en overwogen. Hoewel het verleidelijk is om overal op in te springen, zijn veel mogelijkheden nog niet beschikbaar of geschikt. Zo biedt AWS bijvoorbeeld oplossingen die niet in onze regio beschikbaar zijn. Daarom blijven we nuchter en laten we ons niet opjagen.

1x per maand data insights, praktijkcases en een kijkje achter de schermen ontvangen?

Meld je aan voor onze maillijst en blijf 'up to data':