sas
In samenwerking met
Jeroen Dijkxhoorn Director Analytical Platform,
Center of Excellence Information Management, SAS

 

Data zijn goud waard. Tenminste, als je ze optimaal verzamelt, analyseert en gebruikt als basis voor beslissingen. Met een juist analytisch platform en efficiënte governance leid je jouw organisatie van dataverzamelaar naar een datagedreven organisatie.

Organisaties hebben vandaag te maken met een grote hoeveelheid data uit diverse bronnen en in allerlei vormen die steeds sneller op hen afkomt. Deze big data komt onder andere uit interne bronsystemen, sensoren, mobiele applicaties en social media.

Maar vergis je niet: het zijn niet altijd de organisaties met de meeste data die het grootste concurrentievoordeel halen.
Neen, het zijn de organisaties die data op een juiste manier gebruiken als basis voor het nemen van beslissingen, die het best presteren.

Van dataverzamelaar naar datagedreven organisatie
Om een concurrentievoordeel te behalen met je verzamelde data is het van groot belang om te evolueren naar een datagedreven organisatie.
Vroeger werden processen intern bepaald, waardoor de focus vooral lag op het optimaliseren van die processen. Vandaag worden processen enorm sterk gestuurd door buitenaf, door klanten en leveranciers.
En dus door de data die door interacties met hen worden gegenereerd. Het hoeft geen uitleg, maar slim omgaan met die data wordt dus belangrijker dan ooit.

De transformatie naar een datagedreven organisatie houdt uiteraard ook uitdagingen in:

  • Het faciliteren van de vereiste technologie.
  • Het veranderen van de bedrijfscultuur naar een ‘analytics culture’.

De vereiste technologie
De basis voor een succesvolle implementatie van analytische modellen? Een Analytical Platform. Met behulp van zo’n platform wordt de waarde van data en analyses uiteidenlijk naar de oppervlakte gebracht.

Maar welke kenmerken heeft een goed Analytical Platform?

 1) Right-time delivery van data
In dit digitale tijdperk en het toenemende belang van het Internet of Things, is het belangrijk om het ruwe materiaal van analytics – data – te verzamelen, voor te bewerken en in stream, real-time (of beter gezegd: right-time) aan te leveren aan het analytische proces.

2) Automatisering
Hier gaat het voornamelijk over het automatiseren van je analytisch ontwikkelproces op grote schaal, zodat je sneller meer modellen kunt ontwikkelen op grotere databronnen en op meer segmenten van je data.

 3) Transparantie
Met transparantie bedoelen we het afschermen van de onderliggende complexiteit voor de gebruiker. In een Analytical Platform zie je transparantie in 3 soorten:

– afschermen van de onderliggende complexiteit van de opslag van de data;
– visualisering voor een interactieve, self-service benadering naar verrijkte gegevens;
– self-service data management voor flexibiliteit in gebruik zonder de noodzaak van expert-kennis.

 4) Operationaliseerbaarheid
Het op één na belangrijkste kenmerk van een Analytical Platform is operationaliseerbaarheid. Meer bepaald het automatisch uitvoeren van analytische modellen in de operationele processen.
Ben je in staat als organisatie om de uitkomsten van het analytische ontwikkelproces in productie te nemen?

 5) Governance
De impact van de ouput van analytics is groot en vereist dan ook een goed georganiseerde governance. Een goede data governance is nodig om te waken over de kwaliteit van de belangrijke grondstoffen van analytics.
Daarnaast speelt model governance een steeds belangrijkere rol om continu te toetsen of de modellen de gewenste uitkomsten voortbrengen en nieuwe modellen indien nodig te implementeren.

Wanneer al deze kenmerken te vinden zijn in een Analytical Platform, kun je op een efficiënte, snelle en makkelijke manier de waarde van data en analyses naar de oppervlakte brengen. Maar dat is niet de enige vereiste om je organisatie te transformeren naar een datagedreven organisatie.

De transformatie naar een datagedreven organisatie houdt volgende uitdagingen in:

  • Het faciliteren van de vereiste technologie.
  • Het veranderen van de bedrijfscultuur naar een ‘analytics culture’.

Die verandering van de bedrijfscultuur naar een analytics culture kun je bewerkstelligen door een lifecycle-aanpak.

De lifecycle-aanpak & het belang van innovatie voor analytische processen
In een lifecycle-aanpak zijn er 3 primaire processen:

1. Discovery:
Je experimenteert met nieuwe data, nieuwe modellen en nieuwe toepassingen van data in je business.

2. Ontwikkeling:
Data worden klaargezet en modellen worden verder ontwikkeld om in productie te worden genomen.

3. Deployment:
Het daadwerkelijk uitvoeren van de analytische modellen in de operationele processen.

Klinkt logisch, maar hoe begin je er aan?
De eerste stap is de modernisering van de bestaande analytische technologie naar een geconsolideerd analytical platform.

Daarnaast moet analytics geïntegreerd worden in de dagelijkse processen. Dat begint met het visualiseren van de beschikbare gegevens en zorgt voor interactie en inzicht in welke vragen je zou kunnen stellen, waar de mogelijke problemen in je data zitten, welke datakwaliteitsproblemen er moeten worden opgelost voor je verder kunt gaan.

Een in-memory analytics engine kan je helpen om interactief met data te kunnen werken, zonder dat je moet kunnen programmeren, of dat je vooraf veel kennis nodig hebt over de data.