Waarom sales en data science vaak lastig samen gaan

sales op computer

Collega Jesse zwart wit fotoDoor Jesse Luk, accountmanager Totta data lab

 

Booming data

 

Big data, machine learning, deep learning en artificial intelligence: het zijn allemaal termen waar iedereen iets mee wilt doen. Sterker nog: als je er niets mee doet dan hoor je er niet bij. Dit geeft wel aan hoe de data science wereld er momenteel voor staat. Een perfecte situatie voor de salesman zou je denken. Want er zijn kansen, kansen en nog meer kansen. Toch is het uitvoeren van goede sales in de deze wereld een hele klus.

 

Data + sales = ingewikkeld

De data science wereld is continu in ontwikkeling. Het verandert continu en de werking van bijvoorbeeld algoritmes is moeilijk uit te leggen. Daarnaast denkt iedereen dat data alle problemen oplost. Hierdoor ontstaan er in mijn ogen te hoge verwachtingen. Natuurlijk kan data (uiteindelijk) problemen oplossen, maar er gaat vaak eerst veel aan vooraf. Alleen al alle data op orde hebben is een uitdaging. Hier zijn de meeste organisaties zich niet eens bewust van. Daar zit dan een belangrijke eerste stap.

Bovendien is data science ook nog eens razend populair. Iedereen noemt zich te pas en te onpas een data scientist. Men denkt dat je na het slagen van een online cursus meteen drie keer je huidige salaris waard bent. Dit heeft uiteindelijk een negatieve invloed op de geleverde kwaliteit. Klanten worden hierdoor achterdochtig en voorzichtig. Dit maakt de sales nóg lastiger. Conclusie: de data science wereld moet wat betreft sales weer realistisch worden gemaakt.

 

In 3 stappen naar een realistischer salesverhaal

 

1. Denk vanuit een businessperspectief

De eerste stap begint vanuit de business zelf. We denken vaak vanuit innovatieve technieken en oplossingen, maar dit is juist de fout die we maken. Daar komt weer een salesman aanzetten, met zijn scala aan technieken. ‘Wij leveren de beste kwaliteit, want wij kunnen werken met Spark, R, Python, Power BI, Hadoop, Tableau én Blockchain’, wordt er vaak gezegd. 

Mijn advies: begin niet met het aanbieden van al je datatechnieken. Start eerst met het achterhalen van de businessdoelstellingen van je klant. Luister naar je klant en stel vooral vragen. Vul de specifieke behoefte in van de klant met een specifieke oplossing. Alleen dan pas kan je succesvol zijn! Ik denk hierbij altijd aan een quote van Seth Godin, voormalig VP-er van Yahoo!: ‘Een product voor iedereen bereikt zelden iemand.’ 

 

2. Zorg voor realistische verwachtingen

Zorg ervoor dat de klant hetzelfde verwacht als jij. Wellicht win je een opdracht waarbij je veel meer aanbiedt dan wat je kunt, maar je zult nooit een langdurige klantrelatie opbouwen. Zorg ervoor dat jullie samen een ambitieuze, maar realistische businesscase ontwikkelen. Gedurende het project is het belangrijk dat je klant constant erbij betrokken blijft. Laat je klanten meedenken en probeer echt samen beslissingen te nemen. Blijf dus in contact; bel de klant elke week op. Door regelmatig contact te hebben weet je wat er speelt en kun je hierop inspelen.

 

3. Ga uit van je eigen kracht

De laatste stap naar een goede sales in de data science wereld is dat niet iedereen zichzelf gelijk een data scientist moet noemen. Het oude gezegde ‘if you pay peanuts, you get monkeys’ is hier zeker van toepassing. De échte goede data scientists zijn nu eenmaal schaars. Als je ervoor zorgt dat je mensen in dienst hebt met de juiste competenties, jouw projecten goed uitgevoerd worden en je goede referenties hebt, is er niets om je zorgen over te maken. Dat je duurder bent dan je concurrentie, maakt niet uit. Als jouw prospect naar de goedkoopste oplossing zoekt en naar de concurrent stapt, is dat gewoon niet jouw type klant. Quality over quantity!

 

Wil je meer weten over dit onderwerp? Neem contact op met Jesse. Hij vertelt je er graag meer over.

Posted on 13 juli 2017

Share the Story

Back to Top