Big data: 6 stappen om jouw data optimaal in te zetten

Big data wordt in elke sector steeds belangrijker. We kunnen het gebruiken om ons succes te meten én te voorspellen. Organisaties kunnen zo op basis van data beslissingen nemen, in plaats van op gevoel. En dan maakt het niet uit of het gaat om het voorspellen van criminaliteit, het inplannen van het juiste aantal zorgmedewerkers of het verbeteren van de marketing van een museum. In deze blogpost gaan we in op de relevantie van big data en hoe je als organisatie je data het beste kunt gebruiken. 

Is big data voor iedereen relevant? 

Het is voor elke organisatie belangrijk om gestructureerde data te hebben die je inzichten geeft en waar je actie op kunt ondernemen. Maar moeten we altijd spreken van ‘big data’? Vaak denken bedrijven onterecht dat ze heel veel data hebben, zoveel dat het om big data gaat. Het is een hype om het te pas en te onpas over ‘big data analytics’ te hebben, ook wanneer het simpelweg gaat om data-analyses.

Wanneer heb je als bedrijf big data?

Wanneer heeft jouw bedrijf dan wel big data? Als je deze vraag aan het internet stelt vind je allerlei antwoorden, maar eigenlijk is het heel simpel: we spreken van big data wanneer je met standaardoplossingen niet meer uit de voeten kunt om je data te structureren en te analyseren.

Dat klinkt vrij recht toe recht aan. De volgende vraag die door je hoofd spookt is natuurlijk: ‘maar hoe weet ik of ik te veel of te complexe data heb voor standaardoplossingen?’. Dit is inderdaad niet meteen te zeggen, omdat de meeste organisaties niet precies weten hoeveel data ze hebben. Veel data kan nog ‘verstopt’ zitten in databases van oude applicaties of in Excelbestanden bij specifieke medewerkers.

Je achterhaalt hoeveel data je hebt door je gehele ict-landschap onder de loep te nemen. Dit is een hele klus, dus dit kan je het beste aan een ict-partij overlaten. Die voert een assessment uit van het landschap en neemt daarbij alle applicaties mee. Welke applicaties zijn er allemaal en waar slaan die hun data op? Zodra je dat weet, wil je die data natuurlijk ook ontsluiten, zodat je er iets mee kunt. Om dit integraal aan te pakken kies je voor een applicatietransformatie.

Hoe kun je jouw data het beste gebruiken?

De kans is groot dat je na het assessment al weet dat je niet met big data te maken hebt. Dit betekent voornamelijk dat je gebruik kunt maken van standaardoplossingen. Natuurlijk kun je ook met een gemiddelde hoeveelheid data nog steeds heel veel met je bedrijfsgegevens. Zo kun je naast het structuren en analyseren van je data bijvoorbeeld ook artificial intelligence inzetten.

Wil je meteen aan de slag met artificial intelligence? Download dan onze whitepaper.

 Aan de slag met je data: een stappenplan

Wat je precies met je data wilt en kan doen is natuurlijk ook afhankelijk van de situatie binnen jouw bedrijf. Heb je al goed inzicht in je data maar wil je ook voorspellingen gaan doen? Of is het nu soms nog zoeken naar een speld in een hooiberg wanneer je naar gegevens op zoek bent?

Hieronder hebben we in zes stappen beschreven wat je met je data kunt doen. Afhankelijk van jouw situatie en wat je als organisatie wilt bereiken, kun je stappen overslaan.

1. Datastrategie


Voordat je goed en wel met je data aan de slag gaat is het slim om eerst je datastrategie te bepalen. Pak hiervoor de strategie van je organisatie erbij. Welke doelstellingen heeft het bedrijf gesteld en welke data kan daarbij helpen?

Bij een museum zou het aantrekken van bezoekers van buiten Nederland een doel kunnen zijn. Het museum heeft dan informatie nodig over waar de bezoekers vandaan komen en hoe zij van het museum gehoord hebben. Het museum wil vervolgens zijn reclame-uitingen hierop aanpassen. Zijn dit soort gegevens beschikbaar, zoals het land van herkomst van de bezoekers? Welke reclame-uitingen zijn nu al effectief? Misschien maakt het uit wanneer mensen reclamemateriaal van het museum zien, zoals rond de schoolvakanties van dat land. Op basis van je data kun je dit soort verbanden uitzoeken.

Aan de hand van de antwoorden op dit soort vragen bepaal je jouw datastrategie. Hierin staat wat je doelstellingen zijn, welke rapportages je daarvoor nodig hebt en welke data daarvoor beschikbaar moet zijn. Dit zorgt ervoor dat je weet waar je naar op zoek bent en voorkomt dat je tijd steekt in het analyseren van gegevens die er niet toe doen.

2. Datawarehouse

Nu je weet welke gegevens je nodig hebt, is het belangrijk om al deze data goed te ontsluiten en samen te brengen in een datawarehouse. Je wilt namelijk niet dat de gegevens alleen in te zien zijn bij de bron (in de applicatie zelf of in de database) maar dat deze makkelijk te raadplegen zijn vanaf een centrale plek. Op die manier belast je de applicaties zelf ook niet onnodig. Het datawarehouse knoopt als het ware alle databronnen op een logische manier aan elkaar en stelt je organisatie in staat om makkelijk alle rapportages te bouwen op basis van je bronnen.  

3. Rapportages

In de datastrategie heb je bepaald welke rapportages je nodig hebt. Je rapportages zijn nu misschien nog lijsten en draaitabellen in Excel. Het liefst wil je natuurlijk interactieve rapportages hebben waarmee je jouw data op verschillende manieren visualiseert en waarbinnen je gemakkelijk kunt zoeken en filteren. Hiervoor kun je tools zoals Power BI inzetten. Met Power BI kun je de gegevens uit verschillende bronnen en antwoorden op een variatie aan vragen samenbrengen in een mooi dashboard.

4. Predictive analytics

Data-analyses zijn leuk, maar over het algemeen gaan ze over het verleden. Je hebt met je rapportages nu inzicht in je huidige prestaties. Deze kun je natuurlijk interpreteren om te raden wat de toekomst gaat brengen, maar vaak is dit onbegonnen werk gezien de hoeveelheid data.  Het mooie is dat je dit werk ook aan machines over kunt laten. Met predictive analytics analyseert de computer alle historische data en maakt op basis van patronen daarin voorspellingen voor de toekomst. Deze kun je vervolgens gebruiken als onderbouwing van je keuzes. Zo investeert het museum rond de Duitse schoolvakanties meer in online advertenties omdat de voorspelling is dat de reclame dan extra effectief is.

5. Prescriptive analytics

Prescriptive analytics of voorschrijvende analyses kunnen ook interessant zijn voor je organisatie. Hierbij wordt het voorspellend inzicht van predictive analytics omgezet in advies. Hierdoor hoef je de voorspellingen dus niet zelf meer te vertalen naar mogelijke acties. Waarbij voorspellende analyses laten zien dat advertenties rondom de vakanties mogelijk effectiever zijn, geven voorschrijvende analyses aan op welke momenten het museum de advertenties moet plaatsen voor het beste effect.

6. Automatiseren – doe je voordeel met AI

Wanneer je goede ervaringen hebt met prescriptive analytics, kun je de voorgestelde acties ook automatiseren. Zo hoef je de acties zelf niet meer uit te voeren maar weet je wel zeker dat ze inspelen op de beschikbare data. Voor grote beslissingen heb je dit misschien liever niet, maar voor bijvoorbeeld ‘marketing automation’ is dit ideaal. Zo wil het museum niet dat de toegangsprijs van een tentoonstelling automatisch wordt aangepast. Maar op basis van de voorspellingen automatisch advertenties plaatsen over deze tentoonstelling kan dan weer wel. Hier komt dan geen mensenhand meer aan te pas en dat scheelt tijd en dus geld!

Inzicht in de toekomst  

Big data is lang niet voor iedereen relevant, maar dat wil niet zeggen dat je niets met je data hoeft te doen. Om als bedrijf optimaal te profiteren van data, is het wel belangrijk dat je de juiste stappen zet. Stel daarvoor allereerst een datastrategie op. Op basis daarvan breng je structuur aan in jouw data en werk je aan de juiste rapportages. Uiteindelijk krijg je niet alleen inzicht in je succes in het verleden, maar ook in de toekomst.

Wil je nog meer profiteren van je data? Stel dan een goede AI-strategie op!

Meer weten AI strategie

 

Nog geen reacties

Reageer als eerste

Ben jij al bekend met ITIL 4?

Kom vrijdag 19 april naar de ITIL 4 kennissessie en laat je meenemen op een tour langs alle verandering en mogelijkheden van ITIL 4.

> Meld je nu aan!

Big data: 6 stappen om jouw data optimaal in te zetten

Posted by Josephine Bosman on 17-apr-2020 16:22:47

Big data wordt in elke sector steeds belangrijker. We kunnen het gebruiken om ons succes te meten én te voorspellen. Organisaties kunnen zo op basis van data beslissingen nemen, in plaats van op gevoel. En dan maakt het niet uit of het gaat om het voorspellen van criminaliteit, het inplannen van het juiste aantal zorgmedewerkers of het verbeteren van de marketing van een museum. In deze blogpost gaan we in op de relevantie van big data en hoe je als organisatie je data het beste kunt gebruiken. 

Is big data voor iedereen relevant? 

Het is voor elke organisatie belangrijk om gestructureerde data te hebben die je inzichten geeft en waar je actie op kunt ondernemen. Maar moeten we altijd spreken van ‘big data’? Vaak denken bedrijven onterecht dat ze heel veel data hebben, zoveel dat het om big data gaat. Het is een hype om het te pas en te onpas over ‘big data analytics’ te hebben, ook wanneer het simpelweg gaat om data-analyses.

Wanneer heb je als bedrijf big data?

Wanneer heeft jouw bedrijf dan wel big data? Als je deze vraag aan het internet stelt vind je allerlei antwoorden, maar eigenlijk is het heel simpel: we spreken van big data wanneer je met standaardoplossingen niet meer uit de voeten kunt om je data te structureren en te analyseren.

Dat klinkt vrij recht toe recht aan. De volgende vraag die door je hoofd spookt is natuurlijk: ‘maar hoe weet ik of ik te veel of te complexe data heb voor standaardoplossingen?’. Dit is inderdaad niet meteen te zeggen, omdat de meeste organisaties niet precies weten hoeveel data ze hebben. Veel data kan nog ‘verstopt’ zitten in databases van oude applicaties of in Excelbestanden bij specifieke medewerkers.

Je achterhaalt hoeveel data je hebt door je gehele ict-landschap onder de loep te nemen. Dit is een hele klus, dus dit kan je het beste aan een ict-partij overlaten. Die voert een assessment uit van het landschap en neemt daarbij alle applicaties mee. Welke applicaties zijn er allemaal en waar slaan die hun data op? Zodra je dat weet, wil je die data natuurlijk ook ontsluiten, zodat je er iets mee kunt. Om dit integraal aan te pakken kies je voor een applicatietransformatie.

Hoe kun je jouw data het beste gebruiken?

De kans is groot dat je na het assessment al weet dat je niet met big data te maken hebt. Dit betekent voornamelijk dat je gebruik kunt maken van standaardoplossingen. Natuurlijk kun je ook met een gemiddelde hoeveelheid data nog steeds heel veel met je bedrijfsgegevens. Zo kun je naast het structuren en analyseren van je data bijvoorbeeld ook artificial intelligence inzetten.

Wil je meteen aan de slag met artificial intelligence? Download dan onze whitepaper.

 Aan de slag met je data: een stappenplan

Wat je precies met je data wilt en kan doen is natuurlijk ook afhankelijk van de situatie binnen jouw bedrijf. Heb je al goed inzicht in je data maar wil je ook voorspellingen gaan doen? Of is het nu soms nog zoeken naar een speld in een hooiberg wanneer je naar gegevens op zoek bent?

Hieronder hebben we in zes stappen beschreven wat je met je data kunt doen. Afhankelijk van jouw situatie en wat je als organisatie wilt bereiken, kun je stappen overslaan.

1. Datastrategie


Voordat je goed en wel met je data aan de slag gaat is het slim om eerst je datastrategie te bepalen. Pak hiervoor de strategie van je organisatie erbij. Welke doelstellingen heeft het bedrijf gesteld en welke data kan daarbij helpen?

Bij een museum zou het aantrekken van bezoekers van buiten Nederland een doel kunnen zijn. Het museum heeft dan informatie nodig over waar de bezoekers vandaan komen en hoe zij van het museum gehoord hebben. Het museum wil vervolgens zijn reclame-uitingen hierop aanpassen. Zijn dit soort gegevens beschikbaar, zoals het land van herkomst van de bezoekers? Welke reclame-uitingen zijn nu al effectief? Misschien maakt het uit wanneer mensen reclamemateriaal van het museum zien, zoals rond de schoolvakanties van dat land. Op basis van je data kun je dit soort verbanden uitzoeken.

Aan de hand van de antwoorden op dit soort vragen bepaal je jouw datastrategie. Hierin staat wat je doelstellingen zijn, welke rapportages je daarvoor nodig hebt en welke data daarvoor beschikbaar moet zijn. Dit zorgt ervoor dat je weet waar je naar op zoek bent en voorkomt dat je tijd steekt in het analyseren van gegevens die er niet toe doen.

2. Datawarehouse

Nu je weet welke gegevens je nodig hebt, is het belangrijk om al deze data goed te ontsluiten en samen te brengen in een datawarehouse. Je wilt namelijk niet dat de gegevens alleen in te zien zijn bij de bron (in de applicatie zelf of in de database) maar dat deze makkelijk te raadplegen zijn vanaf een centrale plek. Op die manier belast je de applicaties zelf ook niet onnodig. Het datawarehouse knoopt als het ware alle databronnen op een logische manier aan elkaar en stelt je organisatie in staat om makkelijk alle rapportages te bouwen op basis van je bronnen.  

3. Rapportages

In de datastrategie heb je bepaald welke rapportages je nodig hebt. Je rapportages zijn nu misschien nog lijsten en draaitabellen in Excel. Het liefst wil je natuurlijk interactieve rapportages hebben waarmee je jouw data op verschillende manieren visualiseert en waarbinnen je gemakkelijk kunt zoeken en filteren. Hiervoor kun je tools zoals Power BI inzetten. Met Power BI kun je de gegevens uit verschillende bronnen en antwoorden op een variatie aan vragen samenbrengen in een mooi dashboard.

4. Predictive analytics

Data-analyses zijn leuk, maar over het algemeen gaan ze over het verleden. Je hebt met je rapportages nu inzicht in je huidige prestaties. Deze kun je natuurlijk interpreteren om te raden wat de toekomst gaat brengen, maar vaak is dit onbegonnen werk gezien de hoeveelheid data.  Het mooie is dat je dit werk ook aan machines over kunt laten. Met predictive analytics analyseert de computer alle historische data en maakt op basis van patronen daarin voorspellingen voor de toekomst. Deze kun je vervolgens gebruiken als onderbouwing van je keuzes. Zo investeert het museum rond de Duitse schoolvakanties meer in online advertenties omdat de voorspelling is dat de reclame dan extra effectief is.

5. Prescriptive analytics

Prescriptive analytics of voorschrijvende analyses kunnen ook interessant zijn voor je organisatie. Hierbij wordt het voorspellend inzicht van predictive analytics omgezet in advies. Hierdoor hoef je de voorspellingen dus niet zelf meer te vertalen naar mogelijke acties. Waarbij voorspellende analyses laten zien dat advertenties rondom de vakanties mogelijk effectiever zijn, geven voorschrijvende analyses aan op welke momenten het museum de advertenties moet plaatsen voor het beste effect.

6. Automatiseren – doe je voordeel met AI

Wanneer je goede ervaringen hebt met prescriptive analytics, kun je de voorgestelde acties ook automatiseren. Zo hoef je de acties zelf niet meer uit te voeren maar weet je wel zeker dat ze inspelen op de beschikbare data. Voor grote beslissingen heb je dit misschien liever niet, maar voor bijvoorbeeld ‘marketing automation’ is dit ideaal. Zo wil het museum niet dat de toegangsprijs van een tentoonstelling automatisch wordt aangepast. Maar op basis van de voorspellingen automatisch advertenties plaatsen over deze tentoonstelling kan dan weer wel. Hier komt dan geen mensenhand meer aan te pas en dat scheelt tijd en dus geld!

Inzicht in de toekomst  

Big data is lang niet voor iedereen relevant, maar dat wil niet zeggen dat je niets met je data hoeft te doen. Om als bedrijf optimaal te profiteren van data, is het wel belangrijk dat je de juiste stappen zet. Stel daarvoor allereerst een datastrategie op. Op basis daarvan breng je structuur aan in jouw data en werk je aan de juiste rapportages. Uiteindelijk krijg je niet alleen inzicht in je succes in het verleden, maar ook in de toekomst.

Wil je nog meer profiteren van je data? Stel dan een goede AI-strategie op!

Meer weten AI strategie

 

Topics: Business Intelligence