ICT informatiecentrum|
Data zijn cruciaal voor een succesvolle onderneming en daarmee ook data-analyse. Het belang zit niet in de hoeveelheid data, maar in de koppeling van datatypes, de kwaliteit en kwaliteitsbewaking en de uiteindelijke waarde voor de business.
Heterogene data
Veel verschillende data, zowel gestructureerd als ongestructureerd (in groeiende hoeveelheden, dat wordt al snel een data lake) maakt verwerking complex. Voor meer samenhang kunt u ETL (Extract, Transform, Load) inzetten. Nadeel: tijdrovend.
Sneller!
Er is een toenemende vraag naar real-time analytics, zoals in dashboards: dus analysetijd zo kort mogelijk. ETL kan dat niet; een palet van replicatie, datavirtualisatie en datafederatie wel.
Datakwaliteit
Goed analytics zijn geen garantie voor succes. Er is veel onbetrouwbaarheid in databronnen: onjuiste, onvolledige, dubbele en nietszeggende data. De geschatte kosten van datavervuiling bedragen 600 miljard dollar per jaar. Oplossing: collaborative data governance: Iedereen werkt samen aan schone, veilige en accurate data vanuit eigen verantwoordelijkheid en specialisatie. Hulpmiddel hierbij is een datafilter tussen inkomende informatiestromen, organisatie en medewerkers.
Self-service
Er is een verschuiving in het gebruik van analysetools gaande: meer selfservice. Voordeel: geen specifieke kennis nodig, sneller, direct beschikbaar en minder druk op IT.
Artificial Intelligence
Het toepassen van Artificial Intelligence kan gedrag veranderen n.a.v. verzamelde gegevens, gebruiksanalyse en andere observaties. Voordeel: inspelen op verwachte situaties, proactief in plaats van reactief, plus ontdekking van nieuwe dwarsverbanden. Het duurt waarschijnlijk tot ongeveer 2025 voordat AI de beloftes waarmaakt.
De praktijk
Hoewel data analytics nog in de kinderschoenen staat, wordt de technologie in sommige sectoren al volop ingezet:
1. Datalab voor analyses IoT en het stroomlijnen bedrijfsprocessen (Rijkswaterstaat);
2. Predictive analytics in de logistieke sector;
3. Data-analyse voor tijdig ontdekken verzakking op het spoor (ProRail) ;
4. Machine learning voor tijdige vervanging van waterleidingen (Drinkwaterbedrijf Oasen);
5. Big data analytics voor productie en besluitvoering over boringen en exploratie (Olie- en gasindustrie);
6. Analyse van gevaarlijke combinaties van medicijnen (Pharma)
Bron: AG connect