Nieuws

Dit jaar is onze collega Leen Roeleveld erbij om nieuwe inzichten te krijgen over de laatste innovaties, trends en best practice. Graag laten wij ons inspireren om te ontdekken hoe wij met onze software nog meer impact kunnen bereiken. Hieronder vindt u een samenvatting van de take - aways die mogelijk interessant zijn voor u!

Data Security, Privacy, and GDPR for Nonprofits

Take-aways:

• De Microsoft presentator zette het onderwerp goed neer. Het gaat niet in de eerste plaats om "regels" en om wat "moet". Het gaat uiteindelijk om de ervaring en verwachtingen van donateurs, om "respect and dignity".
• Microsoft heeft GDPR wereldwijd ingevoerd, vanuit de overtuiging dat GDPR-achtige wetgeving uiteindelijk in veel andere delen van de wereld ook zal worden ingevoerd; het 'ripple-effect' van GDPR.
• Microsoft zet strategisch in op de 'Decentralized Identity', waarbij er geen centrale opslag meer plaatsvindt van persoonlijke gegevens, maar waarbij de betrokkene zelf de eigenaar is van de over hem opgeslagen gegevens en ook zelf 'in control' is wie tot welke gegevens toegang krijgen. Iets om te blijven volgen.
• Verder is Microsoft heel ver in het bouwen van Data Protection en Security functies in Azure en in de Admin portal van Office365 (vooral de E3 en E5 licentie). Vooral voor non-profits die (via Techsoup) Office365 gebruiken biedt dit een interessante toolset.

Getting Started with Data Science and Machine Learning

Take-aways:

• Opnieuw werd me duidelijk hoe belangrijk de representativiteit van de data in een dataset is. Daarbij is scoping en doel/vraagstelling dus al belangrijk. Dit houdt ook in het opschonen van de data (bijv. het verwijderen van variabelen die 100% correleren).
• Het kan zinvol zijn om datasets te verrijken met demografische data uit Open Data bronnen, bijvoorbeeld Google Public Data. Juist deze data kan interessant zijn om een model te ontwikkelen voor verschillende landen (bijv. effectmetingen in het kader van PME/L).
• In survey's (bijvoorbeeld in het kader van veldonderzoek) kunnen verificatie vragen opgenomen zijn om de consistentie van de antwoorden te meten. Het is belangrijk om deze 'controle' vragen niet mee te nemen in de uiteindelijke dataset (op basis waarvan het model wordt ontwikkeld). Deze correleren immers (positief of negatief) met elkaar.
• Machine Learning is vooral van toepassing bij de stap van modelontwikkeling. Daar vindt het rekenwerk plaats en wordt de verklarende waarde van variabelen gemeten ten opzichte van de doelwaarde en ten opzichte van elkaar. En dit volgens verschillende statistische modellen (exponentieel, etc.). Grappig dat dit precies overeenkomt met wat ik al een paar jaar geleden met Watson (IBM) deed.
• Over een heel ander aspect, naar aanleiding van de opmerking dat 'data scientists' zo schaars en duur zijn, merkte Kristin op: "Neem geen mensen aan die net van de opleiding komen en 200k per jaar willen verdienen". In haar praktijk had ze de beste data scientists aangenomen, mensen die uit de praktijk kwamen, met dus kennis van het domein en voldoende (wetenschappelijke) achtergrond om de statistische kennis zich eigen te maken of ervaring hadden met onderzoek. Mensen die tegen pensioen aanzitten.... Misschien een tip.

Demonstrating ROI on Tech Projects

Take-aways:

• Er zijn (in US) een aantal fondsen die 'Tech grants' toewijzen. Interessant! En heel terecht, het gaat immers om capacity building. Als je als NGO jezelf beter organiseert door de inzet van IT, dan komt dat alle uitgevoerde projecten uiteindelijk ten goede. Je zou zelfs kunnen verdedigen dat hier een multiplier effect in zit t.o.v. grants voor directe hulp… Ook moedigden de sprekers aan om niet te aarzelen major donors om tech donaties te vragen. Als je het goed verkoopt, dan moet daar het kwartje toch ook vallen...
• TechBridge hanteert voor de ROI berekening een drie-fasen-model: Design / Build / Maintain. En binnen deze fasen weer categorieën voor directe / indirecte kosten en opbrengsten.
• Een interessante analyse is: hoe besteden we eigenlijk ons geld (de administratieve kosten)? Vandaar uit kan worden gekeken waar besparingen mogelijk zijn. Bijvoorbeeld als blijkt dat er bovengemiddeld veel geld in reporting activiteiten zit. Dan kan het zin hebben daarin te investeren. Naar mijn idee zijn benchmarks juist hier interessant. Grote financiële instellingen sturen op benchmarks en de Gartner's en McKinseys verdienen hier hun 'big bucks'.
• Start met ervaring op te doen met ROI berekeningen voor kleine projecten. Gebruik dat om te leren, maar ook om vertrouwen op te bouwen bij het management.

Supporters First: Building Customized Constituent Journeys

Take aways:

• Research vooraf is belangrijk bij het ontwerpen van de journey's. Er moet inzicht zijn in wat effectieve vervolgstappen zijn en met welke vertraging deze moeten worden getimed. Ook het verversen van de tekst, maar vooral van de visuals is belangrijk. Tekst moet kort zijn, meer dan een tweetal zinnen lezen mensen tegenwoordig niet meer. Het plaatje moet aansprekend zijn. En natuurlijk: meet de 'opens', 'click through rates' (CTR) en de 'conversie'. En blijf optimaliseren.
• Als een bezoeker op de donatie pagina is geweest maar op het laatste moment afhaakt, heeft het verzenden van een specifieke mailing, met bijvoorbeeld een 'hebbedingetje' als lokkertje, een zeer gunstig effect. Geen idee of dat cultuurbepaald is en of dit ook in Europa zou werken.
• Upsell onder donateurs is zeer effectief. Het beroep doen op bestaande donateurs om hun donatie te verhogen is een, volgens de presentators, zeer succesvolle methode.
• Indien donateurs in meerdere flows voorkomen, moet er een flow de voorrang krijgen. Ook moet het model er rekening houden dat donateurs niet voor de tweede keer in dezelfde flow komen. Als dat zou kunnen gebeuren, moet daarvoor een aparte flow worden ingericht. In die tweede flow is het overigens belangrijker dat de visuals worden aangepast dan de tekst.

"Why Your Gut is Wrong: The Science of How Donors Behave Online"

Take aways:

• Eenduidigheid is 'key'. De aanwezigen kregen de opdracht een hand in de lucht te steken. Dat werd getimed. Toen de opdracht de rechterhand op te steken. Ook dat werd getimed. Resultaat: de tweede opdracht van de rechterhand werd 6x sneller uitgevoerd dan de eerste, waarin aanwezigen aarzelden of ze hun linker- of rechterhand zouden opsteken. De navigatie, buttons en aanwijzingen op webpagina's moeten absoluut eenduidig zijn om de bezoeker snel door te laten gaan naar de 'plaats van bestemming'.
• Behavior = Motivation * Ability * Trigger (of Prompt). Het gedrag is een resultante van de motivatie (loop ik warm voor dit doel?), mijn mogelijkheden (kan ik doen wat gevraagd wordt?) en de trigger (krijg ik een directe vraag waarop ik kan reageren?).
• (A/B) Testen is belangrijk om feitelijk vast te stellen wat werkt en wat niet. Daarvoor zijn allerlei tools, waaronder Google Optimize. Ook Facebook kent een mogelijkheid daarvoor, Split Testing.