Naar schatting van het World Economic Forum genereren we rond het jaar 2025 wereldwijd zo’n 463 exabyte aan data per dag. Dat is indrukwekkend, vooral met de kennis dat één exabyte gelijk is aan een miljard gigabytes. Ter illustratie: Als we een gigabyte vergelijken met de grootte van de aarde, dan is één exabyte liefst duizend maal zo groot als de zon!
Data en besluitvorming
Volgens Paul Reber, professor aan de Northwestern University, kan het menselijk brein in theorie 2,5 miljoen gigabyte (0,0025 exabyte) aan informatie opslaan; ook dat is aanzienlijk, maar tegelijkertijd slechts een fractie van de gegevens die gedurende een mensenleven gegeneerd wordt. Gelukkig hoeft dat niet te betekenen dat we geen goed gebruik kunnen maken van allerlei data die om ons heen ontstaat en opgeslagen wordt. Met behulp van de hedendaagse IT-voorzieningen en slimme analysetechnieken kunnen we namelijk allerlei gegevens structureren, analyseren, inzichtelijk maken en daarmee bijvoorbeeld besluitvorming verbeteren. Dit kan voor organisaties in allerlei sectoren van grote toegevoegde waarde zijn en zorgen voor een unieke concurrentiepositie.
Datagedreven besluitvorming is het een en ander voor nodig
Deze manier van datagedreven werken is echter veel makkelijker gezegd dan gedaan. Het inrichten van een solide IT-infrastructuur en het uitvoeren van geavanceerde analyses vraagt immers om diverse vaardigheden en een hoge dosis creativiteit. Om die reden is datagedreven besluitvorming nog niet breed geadopteerd, en worden operationele, tactische en ook strategische besluiten vaak genomen op basis van onderbuikgevoel of achterhaalde ervaringen uit het verleden.
Hoe datagedreven werken te implementeren
Bij Vrij! beschikken we over verschillende methoden en technieken om datagedreven werken en besluitvorming te implementeren bij de klant. We onderscheiden vier soorten data-analyse waarbij we gebruik maken van onder andere business intelligence en artificial intelligence. Door onderstaande analyses in samenwerking met de klant uit te voeren realiseren we snel tastbare resultaten en tonen we de verborgen krachten van data aan bij elk type organisatie:
Wat is data architectuur?
Data architectuur is een conceptueel model van de data die een organisatie nodig heeft om haar doelen te bereiken. Het is een integraal overzicht voor het beheer van je gegevens, waarbij niet alleen wordt gekeken naar technologie, maar ook naar de processen, standaarden en beleidslijnen die nodig zijn om de gegevens te organiseren en te beheren. Data architectuur geeft structuur aan de gegevens van je organisatie, zodat je deze op een consistente en betrouwbare manier kan gebruiken.
2. Verklarende analyse
Van opvallende constateringen uit de descriptieve analyse willen we graag weten waarom gebeurtenissen zijn voorgekomen. Op basis van de data leggen we relaties tussen oorzaak en gevolg. Daarmee kunnen we knelpunten daadwerkelijk aanpakken.
De data vertelt ons bijvoorbeeld waarom een bepaalde productiemachine steeds op storing valt en hoe we dit kunnen oplossen. Door de (sensor)gegevens om te zetten in praktische aanbevelingen zorgen we voor een hogere beschikbaarheid en productiviteit van kapitaalgoederen.
3. Predictieve analyse
Nadat we ons bewust zijn geworden van oorzaak-gevolgrelaties, leggen we ons toe op het voorspellen van de toekomst. Dat klinkt ambitieus, maar op basis van de nieuwste methodes kunnen we vaak goed inschatten wat de kans is op bepaalde gebeurtenissen of wat incidenten teweeg kunnen brengen.
Hoe reageert de afzet aan consumenten op extreme temperatuurschommelingen, een wijziging in het assortiment of een fusie met een andere onderneming? En binnen welke bandbreedte vallen uw omzet en winst volgend jaar?
4. Prescriptieve analyse
Het voorspellen van fouten of successen is waardevolle informatie, maar een nog uitgebreidere analyse kan organisaties tevens adviseren in het nemen van beslissingen. Prescriptieve analyseresultaten presenteren meerdere mogelijke scenario’s en uitkomsten, welke de klant kan evalueren op basis van zijn of haar eigen uitgangspunten en doelstellingen.
Voorbeelden zijn: Hoe benader ik prospect X om de kans op conversie te maximaliseren? Kies ik voor preventief of correctief onderhoud van mijn voertuig? Welk onderwijstraject helpt specifieke leerlingen aan de beste studieresultaten? En in welk product dien ik te investeren om op lange termijn te overleven?