19
Optimaal profiteren van kansen big data
hoteldeal.nl I voor meer informatie I t088-0331506
-1,10
0,96
4,58
0,33 I
W AEX
Veel traditionele winkeliers wor
stelen met de vraag hoe ze moeten
omgaan met de concurrentie van
online winkels. Michael Hauser (26
jaar) heeft daar wel een antwoord
op: verzamel informatie over klan
ten en speel daar slim op in. Hoe?
De eigenaar van House ofBluejeans
in Zoetermeer heeft zijn modewin
kel helemaal uitgerust met de
nieuwste technologische snufjes.
Zo kan hij precies zien wie er in
de winkel is, wanneer de piekmo
menten in de winkel zijn, en welke
kledingstukken goed lopen. In de
pashokjes krijgen de klanten via
een tablet advies welke andere arti
kelen bij hun nieuwe kledingsstuk
passen of ontvangen ze op basis van
hun eerdere aankopen zelfs heel ge
richte aanbiedingen. „Je moet van
het winkelen een beleving maken.
Mensen moeten graag naar jouw
winkel willen komen."
Gemak efficiency
In de winkel van Hauser hoeven
klanten zich in elk geval niet druk
te maken of ze even moeten wach
ten bij de kassa. Ze kunnen afreke
nen terwijl ze nog in hun onder
goed in het pashokje staan. „Wat
een verschil met zo'n keten als Pri-
mark waar je ondanks twintig kas
sa's nog 20 minuten in de rij moet
staan", grapt de ondernemer.
Het technologische vernuft le
vert volgens hem niet alleen gemak
op, maar ook efficiency en daarmee
lagere kosten. Niet zo gek, want hij
heeft meteen minder kassaperso-
BIG DATA
Verzamel
informatie over
klanten en speel
daar slim op in
neel nodig. „Ik weet ook wanneer
het rustig is in de winkel en op die
rustige momenten zet ik minder
personeel in."
Big data werkt efficiency ook op
andere manieren in de hand, vertelt
hij. Zo weten leveranciers hoeveel
artikelen er nog op voorraad zijn en
kunnen zij daar qua logistiek han
dig op inspelen.
Producten diensten
Het is een grappig, maar ook best
cruciaal detail; de jonge winkelier
weet nog niet eens zo gek lang wie
zijn klanten precies zijn.
„Ik heb deze zaak al zes jaar maar
moest via big data leren dat onze
doelgroep wat ouder is dan we
dachten: niet 20 tot 30 jaar, maar
tussen de 30 en 35 jaar. Daar heb ik
zelfs het hele inkoopbeleid op aan
gepast."
Al met al heeft big data Hauser
geen windeieren gelegd. Naar zijn
zeggen is de verkoop in de winkel
in ruim een jaar tijd met 10 tot 15
procent gestegen, en de online ver
kopen met 30 procent. En hij wil
nog dit jaar zijn herenzaak uitbrei
den met damesmode. Dat andere
ondernemers terughoudend zijn
met technologie en big data of er
niet de relevantie van inzien, be
grijpt Hauser wel. „Het is een forse
investering maar big data biedt ook
weer nieuwe kansen.
3 dagen Antwerpen incl.
toegang Diamondland
woensdag 11 januari 2017
GO
Aalberts
ABNAMRO
Aegon
Ahold Delhaize
Akzo Nobel
Altice
ArcelorMittal
ASML
Boskalis
DSM
Galapagos
Gemalto
Heineken
ING
KPN
NN Group
Philips Koninklijke
Randstad
RELX
Royal Dutch Shell A
SBM Offshore
Unibail-Rodamco
Unilever Cert.
Vopak
Wolters Kluwer
sk
30,49
22,08
5,15
19,79
59,111
18,99
7,55
106,70
33,03
58,30
64,83
55,44
70,98
13,64
2,86
32,52
28,87
54,39
15,74
25,90
14,66
222,55
38,85
44,17 I
34,66
omzet Ijdatum
hj hj datum winst p/a
^rn -0,85
0,411
0,30 I
-0,30
H -0,55
0,02 I
0,361
0,56 I
-o,9i
0,63
0,501
-0,63
-0,29
-0,85
-0,63
M -0,52
-0,99
5867204
21042290
48358408
78069848
32132913
23319143
1184515144
73012235
19492990
37347914
16820748
21272272
47632753
174303795
58799927
30662200
78391490
32879035
34492392
187429718
11185305
55494466
121624108
11065398
20677967
06-07-
06-07-
06-07-
02-12-
12-02-
11-02-
11-02-
11-02-
09-11-
11-02-
11-02-
02-12-
02-12-
24-06-
18-11-
06-07-
12-02-
06-07-
11-02-
21-01-
06-07-
02-12-
11-11-
11-02-
20-01-
'-16
16 25,70 -
16 14,02 -
3,00 -
16 17,89 -
16 49,91 -
16 10,51 -
16 2,01 -
16 70,54 -
16 27,89 -
16 40,89 -
16 32,50 -
16 46,53 -
16 67,47 -
16 8,30 -
16 2,56 -
16 22,34 -
16 20,78 -
16 31,75 -
16 13,54 -
16 16,53 -
9,59 -
16 203,10 -
16 36,22 -
16 35,43 -
16 28,24
'-16
32,00
22,28
5,65
22,20
65,06
19,32
8,26
107,65
37.57
64,39
66,95
66,87
86,95
14,05
3,71
33,09
29,45
54.58
16,47
26,87
15,35
252,95
43,11
49,18
38,69
07-06-16
05-01-17
13-01-16
07-09-16
21-04-16
04-01-17
08-12-16
03-01-17
22-04-16
06-09-16
06-01-17
10-03-16
20-04-16
05-01-17
23-03-16
04-01-17
03-01-17
10-01-17
29-07-16
04-01-17
03-01-17
17-03-16
05-09-16
21-04-16
07-09-16
1.50
2,04
0,29
1,04
3,95
-0,30
-3,28
3.20
3,54
0,50
-3,32
1.51
3,30
1,04
0,15
4,51
0,70
2,83
0,65
0,23
0,11
23,70
1,72
2.21
1,42
Air France-KLM
Aperam
Arcadis
ASMI
ASR Nederland
BAM
BESI
Corbion
Delta Lloyd
Eurocomm. Prop.
Flow Traders
Fugro
GrandVision
IMCD
Intertrust
OCI
Philips Lighting
PostNL
Refresco Group
Sligro
TKH
TomTom
Vastned
WDP
Wereldhave
sk
5,021
44,44
13,24
42,59
21,90
4,52
33,63
24,66
5,34
36,36
32,35
14,53
21,43
40,85
17,70
17,00
22,98
4,08
14,33
33,04
37,26
8,92
36,14
84,32
44,08
omzet Ijdatum
2,37 I
1,30 1
0,47 I
0,00 I
I-
2,28 I
0,391
0,26 I
0,121
0,45 I
2,39 I
I -0,24
)7
I -0,03
-0,58
I -0,27
-1,21
-0,63
-0,48
0,13 I
0,38 I
47930922
I 12466684
4071344
7545768
2477969
4195939
7796039
2043139
22663439
2194254
2916822
5731048
I 2759533
1353229
1257590
9017595
3806752
8692541
947641
220952
1427439
10218139
1018475
1301365
9690580
10-10-16
11-02-16
09-11-16
11-01-16
14-07-16
06-07-16
18-01-16
11-02-16
06-07-16
02-12-16
31-08-16
11-02-16
02-12-16
11-02-16
11-11-16
09-11-16
24-06-16
11-02-16
22-07-16
20-01-16
06-07-16
06-07-16
14-11-16
21-01-16
14-11-16
4,61 -
25.42 -
10,10 -
32.17 -
17.00 -
2,94 -
15,59 -
18.01 -
2,58 -
33.18 -
26,32 -
10,04 -
18,73 -
30,00 -
15,36 -
10,85 -
19,41
2,97 -
12,87 -
31,03 -
28,45 -
6,01 -
33,90 -
68.43 -
38,14 -
46,18
18,83
43,43
23,27
5,15
33,64
25,86
5,65
43,43
51,59
19,50
27,08
41,39
21,88
19,67
24,49
5,13
16,64
36,00
38,32
10,71
41,82
91,95
51,22
hj hj datum winst p/a
0,39
1,63
1,20
2,49
4,01
0,04
1,29
1,33
0,56
4,35
2,25
-4,40
0,84
1,20
0,12
1,84
02-03-16
03-01-17
22-01-16
23-12-16
23-12-16
18-02-16
10-01-17
03-01-17
16-11-16
30-05-16
02-02-16
15-04-16
13-01-16
04-01-17
08-08-16
11-01-16
19-09-16
07-11-16
25-04-16
07-03-16
19-04-16
11-01-16
13-01-16
01-08-16
04-02-16
0,34
0,53
1,83
2,07
0,08
3,44
7,79
2,35
DAX30
484,74
-0,36 (-0,07%)
11583,30
19,31 (0,17%)
500,0
12.000
475,0
11.000
450,0 j*. jfyjrJX Kf
10.000
425,0
9.000
jul aug sep
okt nov dec jan
jul aug
sep okt nov dec jan
A DOW JONES
A CAC40
19923,84
36,46 (0,18%)
4888,23
0,66 (0,01%)
21.000
19.500
18.000
16.500
jul aug sep okt nov dec jan
jul aug sep okt nov dec jan
Él EURO/US DOLLAR
W OLIE
1,06 0,01 (0,48%)
54,22
-0,72 (-1,31%)
1.15U
1.100
1,000
jul aug sep okt nov dec jan
AANDELEN TOP-IO
50.00
52.50
45.00
5/ 'iü
sep okt nov dec jan
Grootste stijgers
Grootste dalers
Meest verhandelde
naam
sk
+/-
naam
sk +/-
naam
sk
omzet
RoodMicrotec
0,22
0,02
7,77
Value8 Cum Pref
21,26 -1,19 -5,30
ArcelorMittal
7,55
184515144
Docdata
0,32
0,02
6,95
Lavide Holding
1,20 -0,05 -4,00
KPN
2,86
58799927
New Sources
0,42
0,02
5,00 Verenigde
2,50 -0,08 -3,21
Pharming
0,24
4821714
ArcelorMittal
7,55
0,33
4,58
AND
9,27 -0,28 -2,95
ING
13,64
174303795
Source Group
2,02
0,07
3,49
Ordina
2,02 -0,05 -2,46
Aegon
5,15
48358408
Groothandelsgebo
48,00
1,50
3,23
Pharming
0,24 -0,01 -2,45
Royal Dutch Shell
25,90
187429718
Inverko NV
0,70
0,02
2,94
Curetis
6,52 -0,14 -2,09
Ahold Delhaize
19,79
78069848
Neways
9,55
0,22
2,36
Beter Bed
16,62 -0,34 -1,98
Unilever Cert.
38,85
121624108
Takeaway.com
24,02
0,51
2,17
Accel 1
20,79 -0,41 -1,93
Philips Koninklijke
28,87
78391490
Oranjewoud
4,89
0,09
1,88
SnowWorld
co
0
cd
RELX
15,74
34492392
EUROTOP
naam
sk
+/-
naam
sk
+/-
naam
sk
+/-
ABB
22,12
0,27
1,24
Deutsche Bank
17,66
-0,44
-2,43
Orange
14,61
-0,17
-1,15
AB InBev
100,20
0,15
0,15
Deutsche Post
31,43
-0,19
-0,59
RDS'A'
2249,00
-6,00
-0,27
Air Liquide
104,45
-0,25
-0,24
Deutsche Telekom
16,25
-0,15
-0,88
Rio Tinto
3293,50 160,50
5,12
ALLIANZ SE NA 0.
160,05
-0,25
-0,16
Diageo Plc
2165,50
-4,00
-0,18
Royal Bank of
226,60
-0,80
-0,35
Anglo American
1237,50
83,00
7,19
E.0N SE NA O.N.
6,68
0,04
0,56
RWE
11,81
0,01
0,08
AstraZeneca
519,50
6,00
1,17
EDF
9,02
-0,18
-1,96
Saint-Gobain
44,99
0,12
0,26
AXA
24,29
-0,33
-1,34
Engie
11,93
-0,12
-1,00
Sanofi
78,31
0,79
1,02
Banco Bilb.Viz.-
6,36
-0,18
-2,75
ENI
15,55
0,16
1,04
SAP
84,00
-0,34
-0,40
Banco Santander
5,12
-0,01
-0,10
Ericsson B
53,70
0,15
0,28
Siemens
117,75
1,70
1,46
Barclays
236,25
2,20
0,94
Generali
14,17
0,03
0,21
Telecom Italia
0,83
0,01
0,73
BASF
88,10
0,44
0,50
GlaxoSmithKline
1594,00
-2,00
-0,13
Telefonica
9,19
0,01
0,13
BAYER AG NA O.N. 100,85
-0,85
-0,84
HSBC Holdings
671,40
2,50
0,37
Tesco
213,00
12,05
6,00
BMW
89,91
0,08
0,09
L'Oréal
171,05
-0,30
-0,18
Total
48,23
0,15
0,30
BNP Paribas
60,85
-0,34
-0,56
Lloyds Banking
66,58
1,36
2,09
UBS Group AG
16,78
-0,02
-0,12
BP
511,70
-1,80
-0,35
LVMH
181,10
0,15
0,08
UniCredit
2,68
0,01
0,22
BT Group
387,70
1,75
0,45
Munich Re
177,65
0,25
0,14
Vivendi
18,14
-0,14
-0,74
Carrefour
22,97
0,15
0,64
Nestlé N
74,30
-0,40
-0,54
Vodafone
210,25
2,30
1,11
Credit Suisse
15,89
-0,02
-0,13
Nokia Oyj
4,57
-0,01
-0,17
Volkswagen
148,10
0,05
0,03
Daimler
72,23
0,25
0,35
Novartis N
75,40
0,40
0,53
Zurich Insurance
284,10
-0,50
-0,18
Danone
61,20
-0,29
-0,47
Novo Nordisk B
254,00
-2,10
-0,82
VERKLARING
GRONDSTOFFEN
naam
aankoop
verkoop
Amerikaanse
1,17
0,98
Australische
1,58
1,26
Canadese dollar
1,54
1,23
Engelse pond
0,96
0,80
Israëlische Shekel
4,52
3,45
Japanse Yen
135,67
107,86
Turkse lira
4,43
3,42
Zwitserse frank
1,18
1,00
Ij laagste koers afgelopen 12 mnd,
Ij datum datum laagste koers afgel. 12 mnd,
iw inventariswaarde. AD nieuwsMedia
Bron koersen en grafieken: vwdgroup:
naam
APX Elektriciteit
APXGas
LME Copper Cash
London Brent Oil
London Gold 15.00
19:30 uur +/-
47,99 3,99 9,07
19,50 0,45 2,36
5642,00 90,50 1,63
54,22 -0,72 -1,31
1189,50 11,00 0,93
Platina - Ie maand 969,50 -9,00 -0,92
Sugar - ICE US Roll 20,48 0,06 0,29
Zilv. $-c./ons Lond. 16,67 0,15 0,88
Winkeleigenaar Michael Hauser houdt collega-ondernemers de big data-spiegel voor. foto frank jansen
Technologie
maakt mkb slim
De helft van de mkb'ers weet
niet wat ze met big data aan
moeten, blijkt uit onderzoek van
de Kamer van Koophandel. Win
kelier Michael Hauser weet er
wél raad mee. Wat kunnen ande
ren van hem leren?
Natasja de Groot
Zoetermeer
leder bedrijf beschikt over ge
gevens: verkoopcijfers, klan
teninformatie, websitebezoek,
logistieke gegevens, externe
data, enzovoort. Die informa
tie kun je verzamelen, opslaan
en analyseren. Het koppelen
van al die gegevens wordt big
data genoemd. De Kamer van
Koophandel en de Jheronimus
Academy of Data Science
(JADS) hebben onderzoek
gedaan naar het gebruik van
big data onder mkb'ers. 1.700
ondernemers deden mee. De
uitkomst: een groot aantal
kijkt de kat uit de boom. 49
procent zegt het niet relevant
te vinden voor het eigen be
drijf. De belangrijkste reden:
ze zien het als kostenpost niet
zozeer als strategisch middel.
44 procent ziet big data wél
als kans, vooral om de relatie
met de klant te verbeteren.
Van der Valk Antwerpen
2 overnachtingen incl. ontbijt
Gratis Wi-Fi en parkeren bij het hotel
S Gratis gebruik fitness, zwembad en sauna
Tip: shoppen tijdens de 'solden' in januari
Hoteldeal.nl/K0mi