DATA DRIVEN DECISIONS & ACTIONS 1/2

In een blogserie van twee artikelen gaan we in op de alomvattende Big Data-vraag “Hoe benutten wij onze Big Data nu optimaal?”. In deel 1 bespreken we de obstakels die je tegen kunt komen en wat ons antwoord is op deze vraag: Analytics Continuum - Data Driven Decisions & Actions (DDDA).

What to do?

Wat kan mijn organisatie allemaal met haar data? Een vraag die wellicht menigmaal door uw hoofd gespeeld heeft als manager of beslisser. Omdat veel bedrijven deze vraag hebben, wordt de markt op het moment dan ook overspoeld met toepassingen, technologieën en methoden. Logisch ook, want het antwoord op de vraag “Wat kan ik allemaal met mijn data?” is alomvattend voor het bestaansrecht van uw organisatie. Voor veel organisaties zal deze wedstrijd de laatste in hun bestaan zijn.

So much data, so little time

Er is een variëteit aan data beschikbaar in en om uw bedrijf: financiële data, klantdata, transactiedata, procesdata, etc. En dan is er nog het verschil tussen gestructureerde data en ongestructureerde data en ga zo maar door. Wat niet helpt is de onwetendheid en vragen rondom dit thema. want:

1. Hoe bereik ik deze data? 

2. Wie is er eindverantwoordelijk voor deze data? 

3. Hoe maak ik van al die losse silo’s een Data Lake?

The shift from man to machine

Veranderingen volgen elkaar steeds sneller, ook op het gebied van data-analyse. Gartner heeft deze beweging mooi weergegeven in haar “Analytics Continuum”. In deze afbeelding geeft Gartner weer wanneer de volwassenheid van data analytics groeit, de input van de mens nihil wordt of zelfs verdwijnt.

Business Analytics from basics to value

Goed om de trendlijn in de data-analyse inzichtelijk te hebben, maar nu weer even terug naar de originele vraag - Hoe benutten wij als organisatie onze Big Data nu optimaal?

Van constateren en signaleren naar acteren

Stap 1. Descriptive - Constateren 
Middels Descriptive Analytics kunt u als bedrijf inzichtelijk maken wat u als data heeft en daarmee vaststellen wat er de afgelopen periode is gebeurd. Dat lijkt op het reguliere Business Intelligence, wat wellicht al binnen uw organisatie wordt toegepast, zij het dat in dit geval de brondata mogelijk iets meer divers is dan uw huidige datawarehouse. 

Stap 2. Predictive - Signaleren
Gaat u nog een stap verder, dan kunt u basis van de voorgaande constateringen middels Predictive Analytics gaan voorspellen en presenteren welke inzichten u nu heeft en/ of signaleren wat er mogelijk zou kunnen gaan gebeuren. Een stukje Machine Learning kan hierbij tot soms verrassende nieuwe inzichten en resultaten leiden. 

Stap 3. Prescriptive - Acteren 
Leuk dus, al die constateringen en voorspellingen. Maar hoe gaan we hier concrete acties aan hangen? Want met voorspellen alleen houdt het niet op. We willen het liefste direct gaan acteren op die signalen. Met Prescriptive Analytics krijgen we een concreet advies over wat er moet gaan gebeuren, inclusief het eventueel direct uitvoeren van acties. Op het moment dat we over geconstateerde feiten beschikken, dan kunnen we concrete beslissingen gaan nemen of laten nemen. En dat gaat verder dan het automatisch ontsteken van uw barbecue bij warm weer, of het openklappen van een paraplu bij het detecteren van de eerste regendruppels.

Next step

In deel 2 gaan we wat dieper in op de Predictive- en Prescriptive fases, en hoe u deze optimaal kunt benutten om voordelen voor uw organisatie te realiseren. 

Deze blog is een gezamenlijk geschreven artikel door Gertjan Hendriks, Progress Corticon Consultant & Rick Bouter, Innovatie Consultant.

Reageer op dit bericht