Main Partner

MIcompany is an agency specialized in Big Data Analytics with offices in Amsterdam and Tel Aviv. With our team of more than 50 young and ambitious professionals, we build Data Analytics capabilities for international blue chip companies. Our goal is to drive sustainable business value using the power of Data Analytics. We achieve this through discovery programs in which we search for opportunities and capture their potential by use case implementation. We make this impact sustainable by building capabilities in the fields of people & organization, models & metrics and data & technology.

In our projects we are constantly looking for opportunities to innovate. We implement the newest modeling techniques, create state-of-the-art technology solutions and unlock new data sources using data capturing techniques. To ensure these innovations contribute to sustainable value creation, we combine them with our expert business knowledge and cross-industry experience. This led to long term relationships with successful national and international companies like bol.com, Achmea, KPN, booking.com and The Royal Concerthall.

 

Bedrijfsinterview

MIcompany creëert duurzame impact met data analyse in meer dan 20 landen. Vanaf hun kantoren in Amsterdam en Tel Aviv houden ze zich bezig met alle mogelijke vormen van data analyse, van het ontwikkelen van data infrastructuur tot forecasting tot het ontwikkelen van talent in hun Academy Programma’s.

Kunt u wat meer vertellen over uw werk als forecaster?
Forecasting is één van de expertises binnen MIcompany, net zoals pricing en customer value management. Bij het selecteren van projecten kijken we zowel naar het belang van de klant, als naar waar wij goed in zijn. Voor veel klanten is forecasting belangrijk, omdat elke klant graag wil weten waar ze als bedrijf naartoe gaan. Klanten gebruiken bepaalde forecasts om een target te bereiken en voor sommige beursgenoteerde bedrijven is het zelfs verplicht om hun aandeelhouders op de hoogte te stellen van hun verwachtingen voor de komende periode.
Vanuit dat oogpunt is het heel belangrijk om zowel een goede forecast te maken, als om de verschillen tussen wat geforecast is en wat daadwerkelijk gerealiseerd is goed te kunnen verklaren. MIcompany is bezig om een heel forecast team te ontwikkelen.
Vanuit alle facetten van een bedrijf is vraag naar een goede forecast. Naast dat het voor bedrijven belangrijk is, is dit ook voor jezelf belangrijk: je kledingkeuze hangt af van het voorspelde weer van vandaag. Forecasting is niet een verschijnsel van de laatste tijd, maar kan je in de hele geschiedenis terugvinden. Het is altijd al een zeer relevant thema geweest. Het verschil is dat je nu met behulp van data je forecasts beter kan bepalen.

Spelen externe factoren zoals politieke maatregelen of de economische conjunctuur een rol bij het forecasten?
Veel bedrijven waar wij mee werken zitten kort cyclisch in elkaar, terwijl veel politieke maatregelen en conjunctuurbewegingen van de lange termijn zijn. In deze periode, eind 2017, maak je voor het volgende jaar een forecast over de omzet en sales en het aantal verkopen op maandniveau. Assurantiebelasting heeft invloed op het bepalen van een premie bij een verzekeraar. Een verandering hierin heeft een directe invloed op de omzet en winst die deze verzekeraar maakt. Een ander voorbeeld hiervan is KPN: consumenten in het buitenland hebben nu dataroaming binnen de bundel. Dit heeft de forecast van KPN sterk veranderd.

Hoe ziet een project bij MIcompany eruit? Werkt u veel in een team of bent u juist veel bij de klant?
We werken vanuit ‘use cases’, dat zijn projecten waarvan we samen met de klant hebben bepaald dat ze heel kansrijk voor ons bedrijf zijn. We maken verschillende hypotheses die we van hoog naar laag sorteren op wat potentieel de meeste impact heeft op de klant, want vanzelfsprekend willen klanten beginnen met waar het meeste geld mee te verdienen valt. Vaak komt forecasting bij deze ideeën in de top drie te staan. In de eerste stap starten we een forecasting traject dat vaak een doorlooptijd heeft van drie tot negen maanden waarbij we de data in kaart brengen. Vanuit de data analyse identificeren we kansen, waarmee we vervolgens initiatieven implementeren en ontwikkelen. Het begin staat echter altijd in het teken van de data zoektocht. Een factuurdatum is bijvoorbeeld nodig voor het maken van een financiële forecast, maar bedrijven hebben vaak verschillende afdelingen, waardoor het erg lang kan duren voordat alle data is verzameld. Hierna volgt de analyse, op basis waarvan je kan aangeven wat de belangrijkste drijfveren van een forecast zijn. Het identificeren van deze eerste drijfveren helpt bij het maken van een goede forecast. Deze fase duurt gemiddeld drie maanden. Wij zitten dan bij de klant om de data op te halen en deze te analyseren, te presenteren en te verbeteren. Ik zit zelf als projectleider bij een team, dat vaak bestaat uit twee analisten vanuit ons, een aantal analisten vanuit de klant en de business georiënteerde opdrachtgever. In principe zitten we vier dagen per week bij de klant om te zorgen dat we goed op planning blijven.

Waarin verschilt uw functie van de andere data-analyse functies die er bij MIcompany zijn?
Ik heb de inhoudelijke kennis over forecasting, dus ik leid de projecten vanuit mijn expertise. Anderen zijn experts op het gebied van pricing, klantwaarde of loyaliteit. Zij leiden weer andere projecten. Vanwege mijn projectleidersrol denk ik een tijdslijn uit en bedenk ik welke stappen nodig zijn om tot het eindproduct te komen dat we beloofd hebben. Ook denk ik na over hoe we problemen kunnen oplossen en wie er bij het project betrokken moeten worden. De analisten, aan de andere kant, staan in de spreekwoordelijke data modder die zij proberen te koppelen aan een analyse.

Hoe vindt u het om bij MIcompany te werken en hoe is MIcompany in het algemeen als werkgever?
Je kan vast iets opmaken uit het feit dat ik al 10 jaar bij MIcompany werk. Wij zijn de afgelopen jaren veel gegroeid, dus het gaat goed. Iedereen die dat wil en voldoende groeit kan binnen het bedrijf de volgende stap maken. We concurreren niet om posities. We hebben verschillende klanten: van KPN, Booking.com tot Achmea en Aegon en we werken zowel in Nederland als Israël. We hebben ook veel klanten met kantoren in andere landen. Na afronding van een succesvol project voor zo een klant in Nederland, is het makkelijk om de link naar een buitenlandse vestiging te leggen voor een project. Daardoor is het werk hier heel dynamisch en afwisselend.

Zijn jullie de afgelopen jaren voornamelijk gegroeid in grootte of hebben jullie ook een andere focus gekregen?
De belangrijkste focus was en is nog steeds: impact halen uit data en slimme koppelingen maken met die data. Vanzelfsprekend hebben onze expertises zich wel verbreed. Er zijn veel thema’s waar we tien jaar geleden niet mee bezig waren, zoals forecasting en pricing. In het begin was ons gebied echt marketing, we pasten data toe voor marketeers en voor de marketing afdeling. Door forecasting en pricing zijn we ook meer met finance gaan doen. Tegenwoordig krijgen we zelfs aanvragen op het gebied van operationele research.

Denkt u dat het goed is voor econometrie studenten om met de EF-challenge nu alvast te oefenen met forecasten?
Ik denk dat het heel goed is om te doen, vooral op een real-life case met echte data van klanten. Onze visie is dat forecasten niet alleen gaat om accuracy, maar om het complete proces. Dit omvat zowel het maken van het model als het implementeren van het model in de organisatie. Daarmee bedoel ik dat je in R of Python of zelfs Excel een goede forecast kunt maken, maar dat dit stukje code ook moet aansluiten op de data structuur van de klant. En dat de klant de goede data moet kunnen ophalen. Het goed inrichten van zo’n model kan heel veel inzichten bieden voor studenten.

Wat is verder nog belangrijk bij het maken van een forecast?
Uiteindelijk moeten de mensen ook jouw forecast model gaan gebruiken. Dus het moet ook echt besproken worden met het hoger management om ervoor te zorgen dat het niet ergens op een plank blijft liggen. Verder is het belangrijk bij het maken van een voorspelling om te kijken naar de drijfveren van de sector waar je op dat moment mee te maken hebt, bijvoorbeeld voor sales. Naast het gebruiken van de time series die we op de studie leren, waarbij je één reeks van observaties doortrekt, is het ook nodig om op zoek te gaan naar tijdreeksen waarmee je die tijdreeksen gaat verklaren. Dit is net als bij een lineaire regressie model, waar je op zoek gaat naar lineaire regressoren om het zo goed mogelijk te gaan
voorspellen.

Hoe beoordelen jullie of een forecast goed gaat uitpakken?
In het algemeen bij modellen wordt er altijd ongeveer 80% van de data gebruikt als ‘training set’ en de rest is de ‘test set’. De ‘training set’ wordt dan gebruikt om je model te fitten en vervolgens ga je deze testen op de ‘test set’. Wanneer je een voorspelling doet voor de komende weken, kan je natuurlijk pas na die komende weken echt beoordelen hoe goed het was. Maar, een voorspelfout is niet slecht. Ik kom vaak bij bedrijven binnen en dan is een afwijking tussen de forecast en de realisatie iets slechts, maar het gaat er meer om dat je begrijpt waar het verschil in zit.

Hebben jullie mogelijkheden voor werkstudenten voor bijvoorbeeld het schrijven van een scriptie?
Altijd, maar ik denk dat het beter is voor beide partijen dat je eerst start als werkstudent op een project om elkaar beter te leren kennen en zodat we weten wat we aan elkaar hebben. Dus we vragen vanuit de werkstudent om een bepaalde commitment te hebben op het moment dat ze een scriptie komen schrijven. Voor goede studenten is er altijd plaats. Ook is er natuurlijk altijd baat bij een “verse” groep, want de nieuwe groep die groeit door en dat biedt weer ruimte.

Hoe werkt de sollicitatieprocedure?
Vaak begin je met twee gesprekken: een kennismakingsgesprek en een sollicitatiegesprek, waarbij er nog een partner zit. Wij zijn een analytisch bureau, dus om ervoor te zorgen dat deze skill goed zit bij de sollicitant is er een test. Maar voor een econometrist is dat natuurlijk geen probleem, omdat je analyse skills en je logisch denken e.d. gewoon op orde zijn. Verder is deze test te oefenen op het internet. Bij het sollicitatiegesprek is er nog een conceptuele case of concrete puzzel. Dit is om te kijken of je kan zien wat de verschillende stapjes zijn om te komen tot een bepaalde analyse van een gegeven situatie. Daarnaast is er nog een “echte” test die vaak de hele dag duurt. Hierbij krijg je vaak een persoonlijkheidstest om te zien waar je goed in bent en waar je ambities liggen. Vaak zit hier een rollenspel in om te toetsen of je juist goed bent als consultant of juist inhoudelijk. Dit kan niet goed of fout zijn, maar is gewoon hoe je bent. Hierna komt nog een eindgesprek.

Hoe werkt het met de trainingen die jullie geven?
We geven geen trainingen aan individuen, maar we geven trainingen als onderdeel van projecten die we bij onze klant doen. Dus we doen een project bij onze klanten en we helpen onze klanten om op basis van data kansen te identificeren. Om ervoor te zorgen dat de klant dit nog op een gestructureerde manier kan wanneer wij weer weg zijn, nemen we vaak de hele marketinggroep direct mee in de training. Verder hebben we voor de analyse afdeling van de klanten en voor onze eigen analisten een 6-weekse bootcamp, waarin ze de belangrijkste skills op het gebied van data analyse, het koppelen van data, adviesvaardigheden zoals presentatie skills, projectmanagement etc. leren. In de twee of drie jaar die daarop volgt, zullen ze iedere maand terugkomen. Dan wordt er een training gevolgd in bijvoorbeeld projectmanagement, adviesvaardigheid of een echt inhoudelijke training, zoals voor forecasting. Naast de trainingen voor de klant lopen alle starters hier ook mee in de zes weekse bootcamp.

Hoe denken jullie dat MIcompany in de aankomende vijf jaar nog gaat groeien?
Dat ligt een beetje aan hoe de markt ontwikkelt en wat wij zelf willen als bedrijf. Eén van onze collega’s is actief bezig met echt iets goeds te doen voor de wereld, dus daarom zijn we begonnen met de hele doing good campagne. Daarnaast vinden we meer vrouwen aan de top belangrijk, dus daarom hebben we een programma ontwikkeld om dat te bereiken. Het ligt dus ook heel erg aan de interne drijfveren van onze collega’s. Hierbij wordt hogerop wel gekeken hoe dit gaat werken en of er geld mee verdient kan worden, want we zijn wel een adviesbureau. We zoeken altijd naar dingen waar we goed in zijn, waar we passie voor hebben en dan waar we geld in kunnen verdienen.

Heeft u nog advies voor de overstap van studie naar werken?
Ik denk dat het verstandig is om een aantal goede boeken te lezen over managementvaardigheden, want het gat tussen wat je geleerd hebt op de studie en management adviesvaardigheden is vaak nog wel aanwezig. Als econometriestudent krijg je vaak een stempel op je hoofd dat je slim bent en goed met data om kan gaan. Daarnaast heb je de markt nu erg mee. Hierdoor heb je veel keuze na je studie, maar neem de tijd om je goed te oriënteren wat je nu eigenlijk wilt.

Vanaf 12 februari kan je meedoen aan de bachelor- of mastereditie van de Econometric Forecast (EF) challenge. In deze forecast challenge aan de VU voorspel je vijf echte en vijf gesimuleerde datasets aan de hand van een zelf gebouwd model en kan je leuke prijzen winnen! MIcompany zal een lezing verzorgen tijdens de prijsuitreiking van de challenge.