Zorg voor helder inzicht in waarde van big data

Welke waarde haalt u uit de data in uw organisatie? (Big) data krijgt immers pas waarde op het moment dat uw organisatie en uw mensen door een veranderd inzicht anders gaan handelen. Bedrijven en individuen leggen steeds meer gegevens vast, bewaren en analyseren ze. Zo rapporteert Google bijvoorbeeld vol trots over zijn enorme hoeveelheden data en wat het daarmee kan. Daarnaast hebben we te maken met de algehele explosie van data op sociale mediaplatformen zoals Facebook, YouTube, Twitter en Instagram.

Het beschikken over data alleen is echter niet voldoende om tot waardevolle inzichten te komen. Wij zien drie kernaspecten die nodig zijn om de bedrijfswaarde uit data te ontsluiten: (1) Een impactvolle businessvraag; (2) Inzet van juiste analytische tools en vaardigheden; (3) Beschikbaarheid van benodigde data. Pas als deze drie aspecten in de juiste balans worden ingezet, ontstaat een helder zicht op de waarde die ligt besloten in de data.

Impactvolle businessvraag
Impactvolle vraagstellingen vormen het startpunt. De beantwoording van welke vragen levert een wezenlijke verbetering van uw bedrijfsvoering of uw product/dienst? Dit is vaak het moeilijkste en meest uitdagende deel van een big-data traject. Het vereist creativiteit, out-of-the-box denken en een diepgaande kennis van de markt en de organisatie met haar producten, diensten en processen. De inzet van een multidisciplinair team met voldoende kennis en vaardigheden garandeert de meest effectieve aanpak. U krijgt deze impactvolle businessvragen boven tafel door vanuit verschillende perspectieven (de klant, de bedrijfsactiviteiten, de concurrentie et cetera) naar uw organisatie en uitdagingen te kijken. Verantwoordelijkheid voor het formuleren van de vraag ligt bij de business; de inzichten die hierdoor ontstaan moeten immers ook omgezet worden in concrete bedrijfswaarde.

Beschikbare data
“Onze organisatie beschikt niet over voldoende data” is een veel gehoorde reden om niet met big data bezig te zijn. Maar de potentie van data zit niet primair in de hoeveelheid. Ook op basis van kleinere datasets kunnen door middel van geavanceerde analytische methoden, waardevolle inzichten worden gecreëerd! Daarnaast zijn organisaties zich vaak niet bewust van de hoeveelheden data waarover zij (kunnen) beschikken. Over het algemeen is veel relevante data aanwezig vanuit bijvoorbeeld transactiesystemen en CRM-applicaties. Indien nodig kan dit aangevuld worden met externe data die in de markt beschikbaar zijn.

Analytische capabilities
In de meeste organisaties wordt data verwerkt tot informatie vanuit een business-intelligence (BI) team. De inzichten die worden opgeleverd, zijn gericht op het beschrijven van de werkelijkheid of op het verklaren van de huidige situatie. Daarbij richt men zich op historische data en worden traditionele analysemethoden gebruikt. De aanpak is meestal gebaseerd op elementaire statistische methoden en maakt niet de stap naar de inzet van meer geavanceerde statistische methoden of dataminingtechnieken. De traditionele BI-tools zijn onvoldoende in staat om complexere verbanden te ontdekken middels bijvoorbeeld machine-learningalgoritmes. Het gebruik van deze geavanceerde analyses biedt meer mogelijkheden om waarde uit data te ontsluiten. Dat vraagt echter om de inzet van datascientists met andere vaardigheden en andere softwaretooling dan de traditionele BI-software. Voor een groot handelsplatform hebben wij op basis van machine-learningalgoritmes een model ontwikkeld dat op basis van vijftien variabelen de aanvoer voor de volgende dag voorspelt met een nauwkeurigheid van 95 procent.

Ontwikkeling in uw organisatie (lessons learned)
Onze ervaring leert dat in veel trajecten een of meer van de eerdergenoemde aspecten nog onvoldoende ontwikkeld zijn. Dit staat echter het starten met big-datatrajecten niet in de weg, wanneer u zich maar bewust bent van de verbeterpunten. De benodigde capabilities en ervaring ontwikkelt u het beste gedurende deze trajecten. Wanneer u aan de slag gaat met big data, houd dan rekening met het volgende.

Do’s

• Vorm een multidisciplinair team (business, datascientist en IT).
• Definieer een impactvolle businessvraag waarvan het antwoord ook daadwerkelijk tot businesswaarde leidt.
• Boek successen met kleine trajecten.
• Volg een agile-achtige aanpak, werk in iteratieve stappen met terugkoppeling aan betrokken stakeholders.
• Valideer de uitkomsten.

Don'ts

• Blijven doorontwikkelen tot de perfecte tool/product. Meestal is een bètaversie al goed genoeg om geïmplementeerd te worden. Hierdoor leer je nog sneller en creëer je dynamiek.
• Meteen alle beschikbare data willen gebruiken. Soms kom je met minder data verder!
• Direct beginnen met de inzet van geavanceerde dataminingtechnieken! De dataset moet eerst zorgvuldig worden gevalideerd middels conventionele statistische methoden.

Door een goede balans tussen een impactvolle businessvraag, de beschikbare data en de juiste analyses, maximaliseert u de kans om waardevolle inzichten uit uw data te ontsluiten. Wij adviseren om vooral op experimentele basis van start te gaan; houd hierbij rekening met de hiervoor genoemde do’s en don’ts. Zo ontdekt u de waarde van (big) data en ontwikkelt u de benodigde capabilities in uw organisatie.

Een artikel van John Ottersbach en David Jongste, adviseurs bij Anderson MacGyver.