Data analytics

Data analyse oplossingen, leveranciers en informatie

 

 

 

4 onmisbare bronnen

Meer weten over data analytics? Download ‘Alles over DATA & AI – Update’
Meer achtergronden? Download gratis boeken over data oplossingen
Hulp of advies nodig? Deze data analytics experts staan voor je klaar!
Op de hoogte blijven? Schrijf je in voor de ICT nieuwsbrief

 

 

 
KENNISMAKING

Wat is data analytics?

 

Wat is data analytics?

Data analytics richt zich op het gebruik van de voor jullie organisatie beschikbare data voor analytische doeleinden. Zo kan je uit je data waardevolle informatie te halen. Hoewel data analytics al heel lang toegepast wordt, heeft het pas de laatste jaren onder invloed van nieuwe technologische mogelijkheden een snelle ontwikkeling doorgemaakt. Steeds meer bedrijven maken er gebruik van, omdat er eenvoudiger meer data beschikbaar is en het gebruik en beheer ervan beter, goedkoper en veiliger geworden is.

 

Waarom data analyse toepassen?

In je bedrijf en bedrijfsprocessen en ook buiten je organisatie, zijn steeds meer bruikbare databronnen beschikbaar. Operationele systemen, zoals je ERP, CRM en HRM systemen, hebben eigen databases met data over transacties, klanten, producten, leveringen, medewerkers en leveranciers. Daarnaast levert de communicatie via je websites, e-mail, sociale media en andere digitale kanalen je veel data op. Ook apparaten genereren steeds meer data. Zonder grote inspanningen beschik je over data die je kunt gebruiken om inzicht te krijgen in je business, de markten waarin jullie actief zijn of het rendement van je interne processen. Data analytics gaat over de oplossingen en technieken om die inzichten te verkrijgen.

 

 

Waarmee kan data analytics je helpen?

Een data analytics oplossing implementeer je met een specifiek doel. Bijvoorbeeld omdat je beslissingen beter wilt kunnen onderbouwen. Of omdat je het antwoord zoekt op vragen over je markt of bedrijfsprocessen. Herken je de onderstaande situaties, dan kunnen data analytics oplossingen je zeker helpen.

• Je besteedt veel geld en tijd aan sales, maar weet niet precies wat dat jullie oplevert.
• Je weet niet binnen welke marges de voorraad geoptimaliseerd is.
• Jullie marketing kost veel geld, maar je kan het rendement daarvan lastig bepalen.
• Het duurt te lang voordat je beschikt over financiële of commerciële rapportages.
• Je kunt niet ieder moment zeggen hoe je bedrijf er financieel of commercieel voor staat.
• Je hebt slecht zicht op het rendement van thuiswerken.
• Je hebt geen goed zicht op je personeelscapaciteit en dat maakt plannen lastig.
• Je vindt het lastig om te bepalen hoe je het rendement op jullie projecten kan verbeteren.
• Je weet niet in welke markten jullie de komende jaren het best kunt investeren.
• Je weet niet precies welke vervolgaanbod je een nieuwe klant moet doen.

 

Data analytics versus business intelligence

Business intelligence is een vorm van data analytics. Waar we met het overkoepelende begrip data analytics de analyse van alle soorten data bedoelen, zowel gestructureerd als ongestructureerd, gaat het bij business intelligence altijd om de analyse van gestructureerde data. Dat is bijvoorbeeld het geval bij data uit ERP, CRM of HRM systemen. Data in deze systemen kan relatief eenvoudig worden geanalyseerd met behulp van BI software. Wil je analyses maken van data uit verschillende systemen, dan kan het nodig zijn deze data eerst te bundelen in een datawarehouse. De data blijft hierbij gestructureerd. Voor ongestructureerde data heb je dan andere oplossingen nodig om de data te verzamelen, zoals een data lake.

 

Inzicht in klanten

Data analytics wordt vaak ingezet voor het analyseren van het gedrag van online klanten. Analysetools kunnen je bijvoorbeeld vertellen hoe lang een bezoek aan je website duurt, hoe het klikgedrag van individuele bezoekers is of welke producten het meest worden gekocht of bekeken. Het bestuderen van grote hoeveelheden klantdata uit eigen databases, kan nieuwe inzichten, patronen en informatie opleveren. Hoe meer van dit soort data verzameld wordt, des te beter inzicht krijg je in wie je klanten zijn, wat zij willen en hoe zij je bedrijf waarderen. Dit stelt je in staat om je klanten in de toekomst nog beter van dienst zijn en om je resultaten te verbeteren.

 

 

Wat zijn voordelen van data analytics?

De sterke eigenschappen van data analyse bieden je organisatie meerdere voordelen:

• Het vergroot het rendement van je bedrijf. Je kan je prestaties beter monitoren en sneller ingrijpen.
• Het maakt je beslissingen beter. Op basis van data analyse beschik je over betere informatie en kan je beter onderbouwde beslissingen nemen.
• Het biedt je een concurrentievoordeel. Beslissingen kunnen op betere informatie gebaseerd zijn dan waarover je concurrenten beschikken bij het nemen van hun beslissingen.
• Het levert je nieuwe kennis en inzichten op. Je krijgt beter inzicht in je bedrijfsprocessen en de markten waarin je actief bent. Nieuwe kennis en inzichten geven je meer mogelijkheden voor tactische en strategische besluiten.

 

 
VERDIEPING

Soorten data analytics en toepassingen

 

Welke soorten data analytics zijn er?

Er worden verschillende soorten data analytics onderscheiden: descriptive, diagnostic, predictive en prescriptive analytics. De eerste twee zijn basis analytics. De twee laatstgenoemden zijn vormen van advanced analytics.

• Descriptive analytics – Deze vorm wordt het meest gebruikt en geeft antwoord op de vraag: wat is er gebeurd? De analyse betreft gebeurtenissen uit het heden en verleden. Het resultaat bestaat uit bijvoorbeeld bedrijfsresultaten, overzichten en meetgegevens. Het accent ligt meer op de presentatie van de data, dan op een echte analyse en de interpretatie ervan. Descriptive analytics kijkt terug, is beschrijvend.
• Diagnostic analytics – Deze vorm van analytics probeert data die voortkomt uit descriptive analytics te verklaren. Het geeft antwoord op de vraag: waarom is het gebeurd? Het onderzoekt hoe de data is ontstaan en waarom deze er is. Bijzondere afwijkingen vallen op en nodigen uit om te worden verklaard. Diagnostic analytics geeft inzicht.
• Predictive analytics – Dit type analytics gaat nog een stap verder en probeert vooruit te kijken. Het geeft antwoord op de vraag: wat zal er gebeuren? Met data uit heden en verleden wordt een voorspelling gedaan over ontwikkelingen in de toekomst. Hierbij speelt machine learning een rol. Predictive analytics richt zich op vooruitkijken.
• Prescriptive analytics – Deze vorm heeft een advies als uitkomst, gebaseerd op de resultaten van de predictive analytics. Het geeft antwoord op de vraag: wat moeten we doen om het te laten gebeuren? Het is een verdere interpretatie van de voorspelde omstandigheden. Ook hierbij speelt machine learning een rol. Prescriptive analytics is ook vooruitkijkend en voorschrijvend.

 

Data analytics in de praktijk

Data analytics begint met het verzamelen van de juiste data door een team van specialisten, zoals data analisten of data scientists. Het transformeren van data waarmee zij aan de slag kunnen komt voor rekening van data engineers. Verschillende soorten data worden dan met elkaar gecombineerd tot één werkbare dataset, zoals een datawarehouse. Deze vormt de basis voor het uitvoeren van de gewenste analyse. Datakwaliteit is daarbij belangrijk. Zonder goede, gevalideerde data kan je geen betrouwbare analyses maken. Het beheer van data en het ervoor zorgen dat deze van goede kwaliteit blijft, is het terrein van data management.

 

 

 

Wat is data science?

Data science is een veelzijdig vakgebied dat zich richt op het destilleren van kennis en inzichten uit data. Het combineert methoden en technieken uit verschillende disciplines, zoals wiskunde, statistiek en computerwetenschappen om complexe problemen op te lossen. Data science is een geavanceerde vorm van data analytics. Data science heeft als doel om waardevolle inzichten te halen uit grote en complexe datasets en deze inzichten om te zetten in bruikbare kennis. Dit wordt gedaan door middel van data analyse, waarbij de gegevens worden verzameld, opgeschoond, verwerkt en geanalyseerd met behulp van geavanceerde analysetechnieken.

 

Wat zijn toepassingen en voordelen van data science?

Data science wordt toegepast in steeds meer branches, zoals de gezondheidszorg, financiën, marketing, wetenschap en technologie. Toepassingen ervan zijn om voorspellingen te doen, aanbevelingen te genereren, trends te identificeren, processen te optimaliseren en nieuwe kansen te ontdekken. Enkele kansen en mogelijkheden zijn:

• Voorspellende analyses – Data science maakt het mogelijk om voorspellende analyses uit te voeren, waarbij modellen worden gebruikt om toekomstige gebeurtenissen te voorspellen. Dit kan je helpen bij het maken van betere beslissingen op basis van toekomstige ontwikkelingen.
• Personalisatie – Met data science kan gepersonaliseerde marketing en aanbiedingen worden aangeboden op basis van het gedrag en de voorkeuren van individuele klanten. Dit kan leiden tot hogere klanttevredenheid en omzetgroei.
• Efficiëntieverbetering – Data science kan helpen bij het identificeren van inefficiënties in bedrijfsprocessen en het bieden van oplossingen om deze te verbeteren en te automatiseren. Dit kan leiden tot hogere efficiëntie, kostenbesparingen en hogere winstgevendheid.
• Risicobeheersing – Data science kan worden gebruikt om risico’s te identificeren en te beperken door middel van geavanceerde analyses van gegevens en statistische modellen. Dit kan helpen om bedrijfsrisico’s te verminderen en te voorkomen.
• Nieuwe producten en diensten – Door gebruik te maken van data science kan je nieuwe producten en diensten ontwikkelen op basis van klantgedrag en behoeften. Dit kan leiden tot nieuwe inkomstenstromen en een betere concurrentiepositie.
• Concurrentievoordeel – Door data science toe te passen en inzichten te verkrijgen uit gegevens, kan je een concurrentievoordeel behalen ten opzichte van concurrenten die geen gebruik maken van deze technologie.

 

Wat is advanced analytics?

Advanced analytics is een vorm van dataverwerking en data analyse die gebruik maakt van geavanceerde statistische en wiskundige modellen om betekenisvolle inzichten te verkrijgen uit grote, complexe datasets. Het omvat technologieën zoals data mining, machine learning, voorspellende modellering, patroonherkenning en natuurlijke taalverwerking om patronen en trends in gegevens te identificeren die moeilijk of onmogelijk te detecteren zijn met traditionele methoden voor dataverwerking en -analyse.

 

Advanced analytics versus data analytics

Advanced analytics is een geavanceerdere vorm van basisoplossingen voor data analytics. In de basis is data analytics gericht op het verwerken, transformeren en visualiseren van gegevens om betekenisvolle inzichten te verkrijgen. Het maakt gebruik van technologieën zoals business intelligence tools, rapportage software en datavisualisatie met hulp van dashboards om inzichten te presenteren aan gebruikers. Dit is vaak een eerste stap in de dataverwerkings- en analyseketen, waarbij gegevens worden verzameld, opgeschoond en georganiseerd om zinvolle informatie te genereren.

Advanced analytics gaat echter verder dan data analytics door geavanceerde technologieën en methoden te gebruiken om complexe en ongestructureerde gegevens te analyseren en te begrijpen. Het maakt gebruik van machine learning, data mining, patroonherkenning en predictive modeling om data te verkennen en betekenisvolle inzichten te verkrijgen. Data scientists en data analisten kunnen hierdoor patronen, trends en relaties tussen verschillende variabelen identificeren en deze gebruiken om voorspellingen te doen en beslissingen te nemen.

 

 

Wat is business analytics?

Business analytics is een specifieke vorm van data analytics waarmee inzichten worden verkregen over de prestaties en processen van je bedrijf. Je doet dit door data te analyseren die aanwezig is in je bedrijfsapplicaties. Met de juiste data en softwaretools kan je snel antwoord krijgen op de vraag of je jullie doelstellingen hebt gehaald met betrekking tot omzet, productie, personeel of anders. Business analytics biedt je de mogelijkheid een scherp beeld te krijgen van het gedrag en de wensen van klanten. Het is hierdoor mogelijk om nauwkeurige voorspellingen te doen over het gedrag van klanten in de toekomst (predictive analysis). Daarnaast vertelt business analytics je waar nieuwe kansen voor je organisatie liggen.

Business analytics gaat verder dan data analytics door geavanceerde technologieën en methoden te gebruiken om complexe bedrijfsproblemen op te lossen. Het omvat de toepassing van geavanceerde statistische en kwantitatieve methoden op bedrijfsgegevens om trends en patronen te identificeren, voorspellingen te doen en beslissingen te nemen die de bedrijfsprestaties verbeteren. Business analytics omvat vaak een breed scala aan datatypes, waaronder financiële gegevens, klantgegevens, productiegegevens en operationele gegevens.

 

Voordelen van business analytics

Het toepassen van deze vorm van analytics biedt verschillende voordelen:

• Inzicht in prestaties – Business analytics biedt diepgaande inzichten in de prestaties van een organisatie, inclusief trends, patronen en gebieden voor verbetering. Dit kan helpen bij het identificeren van kansen om de winstgevendheid te vergroten, de efficiëntie te verbeteren en de klanttevredenheid te verhogen.
• Snellere en betere besluitvorming – Door middel van business analytics kunnen organisaties sneller en beter geïnformeerde beslissingen nemen op basis van feitelijke gegevens in plaats van op basis van onderbuikgevoelens. Dit kan helpen om beslissingen te nemen die zijn gebaseerd op feiten en cijfers, wat kan resulteren in betere resultaten en minder risico’s.
• Kostenbesparingen – Business analytics kan helpen bij het identificeren van inefficiënties en gebieden waar kosten kunnen worden bespaard. Door middel van gegevensanalyse kunnen organisaties hun processen optimaliseren en hun kosten verlagen.
• Verbeterde klantenservice – Business analytics kan helpen bij het identificeren van de behoeften van klanten en trends in hun gedrag, waardoor organisaties beter kunnen inspelen op de behoeften van klanten en hun tevredenheid kunnen vergroten.
• Concurrentievoordeel – Door middel van business analytics kunnen organisaties hun concurrentievoordeel vergroten door hun processen te optimaliseren, kosten te verlagen en beter in te spelen op de behoeften van klanten. Dit kan resulteren in een verbeterde positie ten opzichte van concurrenten en een grotere winstgevendheid.

 

 

Wat is decision support software?

Decision support software of beslissingsondersteunende software helpt je bij het nemen van beslissingen op allerlei gebieden van je bedrijfsvoering. Het biedt je de mogelijkheid om gegevens te analyseren en te visualiseren, waardoor je inzicht kunt krijgen in trends en patronen die zich voordoen in de data. Op basis van deze inzichten kan je betere beslissingen nemen die gebaseerd zijn op feiten en data.

Decision support software is de verzamelnaam van alle soorten analytische software die je helpt bij het nemen van zakelijke beslissingen op basis van beschikbare data. De software kan gebruikt worden in verschillende branches en toepassingen, zoals in de zorg, de financiële sector en de logistiek. De software kan je helpen bij het bepalen van de juiste strategie voor je bedrijf, het optimaliseren van je bedrijfsprocessen, het identificeren van risico’s en het identificeren van nieuwe kansen.

Een belangrijk kenmerk van decision support software is dat het je de mogelijkheid biedt om gegevens te combineren uit verschillende bronnen en deze te analyseren in één overzichtelijk dashboard. Hierdoor wordt het eenvoudiger om verbanden te ontdekken en trends te herkennen. De software kan verschillende tools en functionaliteiten bevatten, zoals datavisualisatie, data analyse, rapportage en dashboarding. Uiteindelijk doel van deze software is om je organisatie en de processen daarin effectiever te laten werken.

 

 

Toepassingen van decision support software

Decision support software kan je bedrijf in meerdere toepassingen helpen:

• Besluitvorming – Decision support software helpt je bij het nemen van beslissingen op basis van gegevens en analyses. Dit kan betrekking hebben op strategische beslissingen, zoals investeringsbeslissingen of beslissingen over bedrijfsontwikkeling, maar ook op operationele beslissingen, zoals die op het gebied van productie en voorraadbeheer.
• Prestatiemanagement – De software kan worden gebruikt om de prestaties van je bedrijf te monitoren en te analyseren. Dit omvat het volgen van KPI’s, het identificeren van problemen en het bieden van inzicht in hoe de prestaties kunnen worden verbeterd.
• Risicobeheer – Decision support software kan helpen bij het identificeren en beheren van risico’s die van invloed zijn op je organisatie. Dit omvat het volgen van trends en het identificeren van potentiële bedreigingen, zodat je actie kunt ondernemen om deze te beperken.
• Marketing en relatiebeheer – De software kan je helpen bij het analyseren van klantgegevens, zodat je beter kunt begrijpen wat je klanten willen en nodig hebben. Dit kan leiden tot meer gerichte marketinginspanningen en betere klantrelaties.
• Supply chain management – Decision support software kan worden gebruikt om de supply chain te optimaliseren, door inzicht te bieden in de voorraadniveaus, levertijden en kosten. Hierdoor kan de efficiëntie worden verbeterd en kan je kosten besparen.

 

Wat is predictive analytics?

Predictive analytics is een toepassing van data analyse waarbij statistische algoritmen en machine learning modellen worden gebruikt om voorspellingen te doen over toekomstige gebeurtenissen of trends. De basis hiervoor is historische data. Het doel is om bruikbare inzichten te verkrijgen uit grote hoeveelheden data, zodat je tijdig kunt inspelen op toekomstige ontwikkelingen. Op basis van predictive analytics kan je voorspellingen doen over klantgedrag, de vraag naar bepaalde producten, de prestaties van producten of machines of mogelijke fraude- of veiligheidsproblemen.

 

 

Toepassingen van predictive analytics

In de kern heeft predictive analytics dezelfde doelen als andere vormen van data analytics: het helpt je bij het nemen van op data gebaseerde beslissingen met het doel je bedrijfsprestaties te verbeteren. Toepassingen van predictive analytics zijn onder andere:

• Voorspelling van klantgedrag – Door gebruik te maken van historische gegevens en machine learning algoritmen, kan je voorspellingen doen over het toekomstige gedrag van je klanten, zoals hun koopgedrag en hun voorkeuren.
• Fraudedetectie – Door patronen in je data te analyseren, kan predictive analytics worden gebruikt om verdachte transacties te identificeren en zo fraude te voorkomen.
• Voorraadoptimalisatie – Door het analyseren van data over de vraag van klanten, kan je voorspellingen doen over de toekomstige vraag naar producten en zo de voorraadniveaus optimaliseren.
• Onderhoudsplanning – Door het analyseren van data en meetwaarden over de prestaties van machines, kan predictive analytics worden gebruikt om voorspellingen te doen over wanneer onderhoud nodig is en zo ongeplande downtime te voorkomen (predictive maintenance).
• Risicobeheer – Op basis van een analyse van historische gegevens en het identificeren van risicopatronen, helpt predictive analytics je bij het voorspellen van risico’s en het nemen van preventieve maatregelen.
• Marketingcampagnes – Door het analyseren van klantgegevens en het identificeren van patronen, kan je gerichte marketingcampagnes ontwikkelen die de kans op conversie vergroten.
• Werving en selectie – Door data over sollicitanten en werknemers te analyseren, kan predictive analytics je helpen bij het identificeren van de beste kandidaten en zo je wervings- en selectieprocessen optimaliseren.
• Prijsstelling – Door het analyseren van data over klantgedrag en concurrentie, helpt predictive analytics je bij het bepalen van optimale prijzen voor je producten en diensten.

 

 

 

 
TOOLS

Tools en software voor data analytics

 

Wat zijn data analytics tools?

Data analytics tools zijn softwareoplossingen die je helpen om de data waarover je beschikt te kunnen analyseren en presenteren. Het spectrum van tools is groot. Voor eenvoudige toepassingen is Excel nog altijd een veelgebruikt analysetool. Voor complexere data analyses bieden geavanceerde tools de gewenste oplossingen.

 

Welke tool heb je nodig?

Er is geen universeel toepasbare oplossing beschikbaar, waarmee je iedere business case succesvol kan aanpakken. Wat je nodig hebt, hangt daarom af van specifieke wensen en omstandigheden. Sommige tools zijn gratis en laagdrempelig. Andere zijn betaald en vragen meer kennis van je om deze optimaal in te richten en te gebruiken. In de praktijk bestaan de gebruikte tools vaak uit een combinatie van beide. Het is lastig om zonder je situatie te kennen de juiste keuze te maken. De meeste bedrijven roepen daarom de hulp in van een data analytics expert die je behoefte in kaart brengt, de juiste tools voor je selecteert en de implementatie voor je verzorgt.

 

Wat is BI software?

BI software is analyse software voor gestructureerde data. Dit analysetool helpt je om grote hoeveelheden data te verzamelen, te verwerken en te analyseren. Daarmee ondersteunt het bij besluitvormingsprocessen. BI software biedt je een uitgebreid dashboard voor datavisualisatie en rapportage. Met deze software kan je complexe data snel omzetten in overzichtelijke grafieken, tabellen en rapporten. Meer hierover lees je via de sectie over BI software.

 

Wat is rapportage software?

Met rapportagetools beschikt je snel over rapporten die gebaseerd zijn op data uit verschillende databronnen. De software genereert het rapport voor je. Je geeft aan waarover je een rapport wilt hebben en over welke data je beschikt. Het voordeel van rapportage software is niet alleen dat data overzichtelijk gepresenteerd wordt, het biedt ook de mogelijkheid informatie en inzichten te delen met anderen in je organisatie.

Er bestaan verschillende soorten software om mee te rapporteren, afhankelijk van de toepassing. Wil je controle houden op de uitvoering van een project, het aantal gewerkte uren in een project of andere kenmerken daarvan, dan gebruik je een rapportage tool dat bestemd is voor project management. Gaat het je om inzicht in financiële kentallen, waarbij je gebruik maakt van de data in je administratieve systemen, dan maakt je gebruik van specifieke software voor financiële rapportages. Zo zijn er ook specifieke rapportage tools voor relatie management (CRM) of aan personeel gerelateerde HRM data.

 

Wat is datavisualisatie software?

Datavisualisatie zorgt ervoor dat je gegevens worden weergegeven in grafieken of andere grafische voorstellingen. Het is een manier om data zo vorm te geven en te presenteren dat deze zo goed mogelijk geïnterpreteerd kan worden. Daarmee is het een goed tool voor data analyse. Voor de grafische presentatie van data kan gebruik gemaakt worden van grafieken, rapporten of dashboards.

Datavisualisatie hebben we nodig van vanwege beperkingen van onze hersenen. Deze zijn namelijk moeilijk in staat patronen te herkennen in data die in tabellen staat. Als we diezelfde data met een datavisualisatie tool weergeven in de vorm van een grafiek, wordt de interpretatie ervan een stuk eenvoudiger. Trends en ontwikkelingen zijn snel zichtbaar, maar ook afwijkingen vallen direct op. Datavisualisatie schetst een beeld van de feiten, los van de interpretatie daarvan. Zodra er aan datavisualisatie interpretatie, uitleg en andere tekst wordt toegevoegd, spreken we over een infographic. Deze vertelt een verhaal en verduidelijkt daarmee het beeld.

 

Wat zijn dashboards?

Veel analytics tools zijn gericht op het rapporteren en visualiseren van data voor één toepassing. Als dat met data uit verschillende systemen moet gebeuren, spreken we over een dashboard. Deze visualiseert de data uit diverse systemen op één scherm. Verschil met eenvoudige datavisualisatie tools is dat de weergave van grafieken veel geavanceerder is. Ook heeft een dashboard vaak meer interactieve functies. Dashboards geven goed inzicht in de werking van processen en de mate waarin doelen behaald worden.

 

 

Wat is data mining?

Data mining is het zoeken naar statische verbanden tussen gebeurtenissen, verschijnselen, gedragingen en andere meetgegevens die op het eerste oog niet direct een relatie met elkaar hoeven te hebben. De data hiervoor is opgeslagen in verschillende databases. Via data mining kan bijvoorbeeld door te zoeken naar een relatie tussen weersomstandigheden (database met meetwaarden van het weer) en koopgedrag (database met klant- en aankoopgegevens) een uitspraak gedaan worden over hoe weersomstandigheden van invloed zijn op wat mensen kopen. Profielen en patronen die hieruit volgen kunnen gebruikt worden om te voorspellen wat mensen zullen gaan kopen op basis van de weersverwachting. Juist het kunnen voorspellen en beschrijven van wat systemen of mensen onder bepaalde omstandigheden en situaties doen, is het belangrijkste doel om gebruik te maken van deze technologie.

 

Data mining software

Voor het vinden van patronen in data uit verschillende bronnen en het leggen van verbanden daartussen is data mining software beschikbaar. Dankzij speciale zoekmethodes ontdekt deze software de patronen en verbanden. Is het verband eenmaal ontdekt, dan kan daar een model van gemaakt worden. Door nieuwe data met dat model te analyseren kunnen afwijkingen snel gesignaleerd worden. Op basis daarvan kan worden ingegrepen.

Voor een goede werking van de software moet voldoende duidelijk zijn wat gewenste en ongewenste conclusies zijn. Ook kennis over de data die in de analyse betrokken wordt, is belangrijk. Duidelijk moet zijn hoe belangrijk die data is en wat de kwaliteit ervan is. Op basis van beschikbare data en welke daarvan met elkaar in verband kan worden gebracht, ontstaat met hulp van de software het model. Door dit model telkens te voeden met nieuwe data, is er doorlopend inzicht in processen en de afwijkingen daarin.

 

Hoe selecteer je een data analytics tool?

Het vinden van een tool voor relatief eenvoudige toepassingen van data analytics, hoeft niet lastig zijn. PowerBI, Qlikview, Tableau, Google en zelfs Excel bieden een goede en eenvoudig toepasbare oplossing voor de analyse van data. Complexere situaties vragen om complexere oplossingen, waarvoor specialistische kennis nodig is. In die gevallen is het verstandig en eigenlijk noodzakelijk om gebruik te maken van de kennis van specialisten op dit gebied. Je vindt deze specialisten in ons overzicht van data analytics leveranciers en adviseurs.

 

 
IMPLEMENTATIE

Hoe implementeer je data analytics oplossingen?

 

Wat maakt een data analytics project complex?

Projecten rond data management, data analytics of business intelligence betreffen het implementeren en gebruiksklaar maken van nieuwe oplossingen. Deze projecten zijn doorgaans complex. Deze complexiteit kan worden toegeschreven aan verschillende factoren. Zo vereist het verzamelen en voorbereiden van de juiste data vaak veel tijd en inspanning. Dit is zeker het geval als data uit meerdere, verschillende bronnen komen die niet goed geïntegreerd zijn. Ook kunnen de hoeveelheid en diversiteit van de data en de mix van gestructureerde en ongestructureerde data, het dataproject complex maken.

Het toepassen van geavanceerde analysemethoden, zoals machine learning, vraagt bovendien specialistische kennis en ervaring. Ook spelen organisatorische factoren een rol in je project, zoals weerstand tegen verandering bij het implementeren van de nieuwe dataoplossing of het loslaten van door medewerkers zelf ontwikkelde subsystemen en werkwijzen.

 

 

Wat zijn de moeilijkheden bij data analytics projecten?

Belangrijker nog dan de technische IT oplossing, gaat het bij nieuwe dataoplossingen om een aanpassing in werkmethoden, beslissingsstructuren en de rol van medewerkers daarbij. Doel van een dataproject is dat je organisatie er beter van wordt. Maar omdat de focus niet altijd goed is en de uitgangspunten niet helder, bestaat het risico dat je project niet goed verloopt. Deze valkuilen kunnen daarbij een rol spelen:

• Verkeerde verwachtingen – Het management is ambitieus en baseert verwachtingen soms op te weinig eigen kennis over data management en data analytics. Hierdoor ontstaan onrealistische verwachtingen. Het management moet op basis van een goede visie overtuigd zijn van de waarde van data en daar middelen en mensen voor vrijmaken. Zonder concrete doelen vooraf bestaat het risico dat jullie project qua kosten en planning uit de hand loopt en het resultaat tegenvalt. Ook bestaat het risico dat de oplossing niet kan meegroeien met de ontwikkelingen in je organisatie en dat het draagvlak bij toekomstige gebruikers ontbreekt.
• Teveel als IT project zien – Als je een data analytics project uitsluitend ziet als IT project en het projectteam uitsluitend uit IT’ers bestaat, loop je een grote kans dat het misgaat. Toekomstige eindgebruikers moeten bij het project betrokken zijn. Daarmee vergroot je de kans op acceptatie.
• Bedrijfscultuur is nog niet zo ver – Het toepassen van data analytics tools past bij de transitie naar een datagedreven organisatie. Een voorwaarde voor het goed toepassen van moderne analysetools is dus dat de organisatie al datagedreven werkt of bereid is dat te doen. Zijn je medewerkers nog niet zover, dan moet daar eerst aan gewerkt worden.
• Adhoc keuze maken – Het aanbod van tools voor data management, data analytics en BI is groot. Het is lastig om al deze tools te vergelijken en beoordelen zonder te kijken naar je eigen bedrijfsproces. Als het ontbreekt aan goede selectiecriteria, wordt de keuze meestal ad hoc bepaald. Dat loopt zelden goed af.
• Teveel wensen honoreren – De meeste gebruikers kunnen precies aangeven hoe zij rapporten en visualisaties willen ontvangen. Iedereen zijn ‘eigen’ oplossing geven, is onmogelijk. Net als één oplossing ontwikkelen die beantwoordt aan al die verschillende wensen, ook dat is onmogelijk. Zorg voor zo min mogelijk uitzondering, terwijl je toch zoveel mogelijk medewerkers op een goede manier bedient.
• Gebruikers gebruiken het niet – Gebruikers haken snel af als informatie niet op het goede moment beschikbaar is, niet relevant is of niet actueel is. Is het negatieve gevoel eenmaal opgeroepen, dan is het lastig om dat om te keren. Zorg er van het eerste moment voor dat alles waarmee medewerkers in aanraking kome is getest en werkt.
• Teveel of het verkeerde meten – Meten is weten. Maar helaas betekent dit niet dat hoe meer we meten, hoe meer we weten. Je moet namelijk ook weten wat je meet en voorkomen dat gebruikers omkomen in de data en de resultaten van de analyse. Analyseer alleen waaraan echt behoefte is.
• Data is niet goed – Goede beslissingen en betrouwbare inzichten op basis van data zijn alleen maar mogelijk als de data zelf goed is. Je moet dan ook altijd en bij iedere analyse veel aandacht besteden aan de datakwaliteit. Is die niet op orde, dan heeft iedere data analytics toepassing weinig waarde.
• Oude systemen – Nieuwe dataoplossingen werken het best in een moderne IT omgeving. Als je technische infrastructuur achterloopt, is het implementeren van nieuw data management of analytics technieken lastig of soms zelf onmogelijk.
• Oude gewoonten – Voor veel organisaties was Excel het eerste data analyse tool dat zij gebruikten. Zelfs als er een nieuw geavanceerder tool komt, blijft Excel vaak gebruikt worden. Daar is op zich niets mis mee, maar vervelend wordt het als Excel bij je medewerkers telkens de voorkeur heeft boven het nieuwe tool.

 

 

 

 
EXPERTS

Data analytics oplossingen, leveranciers en adviseurs

 

Overzicht van leveranciers en adviseurs

Specialisten op het gebied van data analytics schakel je in voor hulp bij het kiezen en implementeren van een nieuw analyse tool. Vaak zijn deze specialisten ook expert in oplossingen voor data management, data migratie, datawarehouses, datakwaliteit en governance. Zij kunnen je dan ook integrale dataoplossingen bieden. Betrek deze ze zo vroeg mogelijk in je project bij keuzes en maak optimaal gebruik van hun kennis en ervaring.

 

 
MEER DATA ANALYTICS

Lees verder over data en dataoplossingen

 

Volg de belangrijkste ontwikkelingen rond data analytics en dataoplossingen via de ICT nieuwsbrief.

 

Ook interessant

Business intelligence
Artificial intelligence
Data management
Digitale transformatie
Dataopslag
Data security