De data gedreven organisatie…de weg ernaartoe
Verbanden leggen met data science; zodat je toekomstige ‘waarde’ sneller kunt inschatten. Lees hoe je het groeipad van analytics kunt effenen: op weg naar een data gedreven organisatie!
In recente jaren heeft een groeiend aantal bedrijven het competitief voordeel onderkend van een data gedreven, op feiten gebaseerd besluitvormingsproces. In veel sectoren heeft men een verbeterd inzicht verkregen in bedrijfsprocessen en klantengedrag door het verzamelen, verwerken en analyseren van al dan niet grote hoeveelheden aan data.
Dit fenomeen heeft zich voorgedaan in een verscheidenheid aan sectoren. Zoals online marketing; waar advertenties die je online ziet door inzet van een algoritme aan je persoonlijke voorkeur en interesses zijn aangepast. Een industriële toepassing is “predictive maintenance”, waarbij een inschatting wordt gemaakt welke productie-middelen aan vervanging toe zijn.
Groeipad Analytics
De in onderstaande visualisatie getoonde analytische competenties kunnen geïnterpreteerd worden als een leidraad voor een organisatie om te bepalen hoeveel waarde men uit hun beschikbare data haalt en hoe efficiënt dit gebeurt.
Initieel zal Business Intelligence ingezet worden voor het realiseren van een geautomatiseerd proces, waarmee organisaties op gerichte wijze data verzamelen, transformeren en analyseren en de daaruit resulterende informatie en kennis in besluitvormingsprocessen toepassen om de prestaties van de organisatie te verbeteren. Deze omschrijvende en diagnostische statistieken in deze initiële fase hebben een compleet reactief karakter, wat is er gebeurd en hoe kunnen we dit verklaren?
Door de inzet van data science worden verbanden gelegd op basis van data, waarmee een organisatie de toekomstige waarde of waarschijnlijkheid van een gebeurtenis kan inschatten. In de laatste fase volgt optimalisatie van operationele beslissingsprocessen met minimale menselijke interventie.
In iedere opeenvolgende stap neemt de menselijke bijdrage af, maar neemt de kwaliteit en waarde van de beslissingen toe. Dit wordt naast de feitelijke basis van de beslissingen veroorzaakt doordat de focus verschuift van routinematige werkzaamheden naar het analyseren van (bedrijfs)processen.
Evidence-Based Management
“Far better an approximate answer to the right question, which is often vague, than an exact answer to the wrong question, which can always be made precise” (John W. Tukey-1962)”
Het groeipad van analytics effent de weg naar een data gedreven organisatie, waar beslissingen niet uitsluitend genomen worden op basis van business kennis, intuïtie en “best-practices”. Menselijke percepties gelden als mogelijke hypotheses, die gevalideerd dienen te worden tegen het feitelijke bewijs opgeslagen in data.
Hierbij is het als organisatie van belang, in lijn met het hierboven getoonde citaat, niet blind te investeren in analytics tooling, maar om intern te beoordelen welke bedrijfsprocessen de meeste baat zouden hebben bij een data gedreven aanpak.
Het vaststellen van deze “right question” is het startpunt in onderstaand iteratief proces om te komen tot een (meer) data gedreven organisatie. Bij dit startpunt wordt expertise vanuit verschillende functionele gebieden binnen de organisatie samengebracht om te bepalen welke business- of operationeel issue opgelost dient te worden. Dit dient te leiden tot het vaststellen van de hypothese.
Na het ontsluiten van de relevante interne- en externe data, inclusief data-analyse, kan de juiste statistische methode gekozen worden om patronen ter ondersteuning van de hypothese inzichtelijk te maken.
Na statistische validatie kunnen de resultaten ter evaluatie worden aangeboden. Op deze wijze ontstaat er een iteratief proces waarbij evaluatie kan leiden tot nieuwe inzichten en bijbehorende aanpassingen in de voorgaande fasen.
We hebben dit proces gevolgd bij het uitvoeren van een project voor één van onze klanten. Hierbij was de hypothese de mate waarin investeringen teruggedrongen konden worden door de toekomstige vraag naar materiaal en personeel op projecten te voorspellen.
De algemene ervaring leert dat het ontsluiten en preparatie van de benodigde data relatief veel tijd in beslag neemt. Dit was niet het geval binnen dit project aangezien veel van de data ontsloten kon worden via het gerealiseerde datawarehouse.
Voor het modelleren werden de accuraatheid van meerdere modellen met elkaar vergeleken. De resultaten van het best presterende model werd ter evaluatie voorgelegd. De verschillen tussen voorspelling en realisatie werden verklaard en dit leidde tot het opnemen van additionele variabelen.
Het iteratieve, kleinschalig opgezette proces zorgde ervoor dat de inzet van personeel en materiaal voor een aantal maanden voorspeld kon worden met een gemiddelde afwijking van een aantal procenten.
Biyond: Value creation through analytics
Biyond biedt oplossingen aan onder de noemer Business Analytics.
Deze oplossingen volgen de beschreven aanpak en stelt jouw organisatie in staat om nog meer waarde te halen uit de beschikbare informatie door het inzetten van data science.
We zien Business Analytics als onderdeel van een groeipad; van creatie en analyseren van managementinformatie tot ondersteuning bij het maken van bedrijfsbeslissingen.
Met onze expertise helpen we je graag te bepalen waar jouw organisatie zich bevindt op dit groeipad en hoe we gezamenlijk de volgende stappen kunnen nemen.
Bel mij om een gesprek in te plannen: 033-20 35 35 3.
Erwin van Schilt – Senior Business Intelligence Consultant