Managed hosting door True
Deze opinie is van een externe deskundige. De inhoud vertegenwoordigt dus niet noodzakelijk het gedachtegoed van de redactie.

Big data: waar wachten we op?

 

Expert

Rob Dielemans
Sales manager/verkoopleider. Expert van voor het topic .

Organisaties zijn net mensen. Wanneer het gaat om trends kun je organisaties, net als mensen, onderverdelen in de categorie ‘early adapters’, ‘early majority’ of ‘late majority’. Wanneer we kijken naar de inzet van big data zien we grote verschillen bij organisaties.

Sommige bedrijven wisten niet hoe snel ze met big data aan de slag moesten gaan, anderen keken het een tijd aan en besloten er toen iets mee te gaan doen. De zogenaamde ‘late majority’, organisaties die zich pas met een trend gaan bezighouden wanneer het al lang geen trend meer is, weten nog steeds niet goed wat ze nu met big data moeten en of het wel nut heeft voor hun organisatie.

Aan de kosten ligt het inmiddels niet meer, de benodigde software en hardware om toegevoegde waarde te halen uit de beschikbare berg aan data zijn veel lager geworden. Technologisch gezien staat niets organisaties dus nog in de weg om gebruik te maken van big data. Hoe komt het dan dat er toch nog veel bedrijven zijn die niet of nauwelijks gebruik maken van de kracht van big data?

Door de traditionele bi-oplossingen zijn gebruikers gewend geraakt aan een stabiele omgeving. De wereld van bi is echter in hoog tempo aan het veranderen en ik ben van mening dat een organisatie zich op zijn minst moet oriënteren op wat dit gaat betekenen. Uit onderzoek blijkt dat medewerkers niet weten hoe ze de beschikbare data in hun organisatie kunnen vertalen naar relevante informatie voor hun organisatie. Ze missen het inzicht hoe ze de data kunnen inzetten om tot goede beslissingen te komen. Naar mijn idee is het daarom belangrijk om als bedrijf aandacht te besteden aan de toepassing van data-analyse door medewerkers.

Veel organisaties willen bijvoorbeeld weten hoe ze data kunnen gebruiken om concurrerender te worden, om een grotere conversie te realiseren, of beter inzicht te krijgen in de gedragingen en kenmerken van hun klant om zo de dienstverlening beter te laten aansluiten. Het is belangrijk om medewerkers zo te trainen dat ze leren de juiste vragen te stellen en welke data ze daar voor nodig hebben. Wanneer zij weten wat de mogelijkheden zijn, kunnen ze op basis van hun analyse slimme beslissingen nemen en tot actie over gaan. Op die manier maken organisaties volledig gebruik van de vaardigheden en talenten van medewerkers en zo wordt zowel de data als het potentieel van de mensen optimaal ingezet. Organisaties kunnen dan bovendien het ‘late majority-etiket’ van zich afschudden.

Dit artikel is afkomstig van Computable.nl (https://www.computable.nl/artikel/4595625). © Jaarbeurs IT Media.

?


Lees meer over


 

Reacties

De analyse van Rob Dielemans klopt met het beeld wat McKinsey al schetste in hun Next Frontier rapport vorig jaar: gebrek aan kennis en vaardigheden om ook wat met Big Data te doen wordt één van de belangrijkste issues voor het omgaan Big Data. Sommige bedrijven hadden al eerder door dat ze moesten gaan oefenen met Big Data en dat heeft ze een voorsprong gegeven en een paar mooie voorbeelden opgeleverd. Velen staan toch nog vragend langs de kant te kijken of blijven roepen dat het een hype is.

Opleiding en hands-on training (ICT samen met de business) is nodig + onafhankelijke omgevingen waar je ook pilots met diverse tools kunt uitvoeren zonder daar zelf direct fors in te moeten investeren.

Rob, je vergeet de laggards :-)

Veel bedrijven zijn niet eens goed met "normale" BI, ik zie dan ook geen goede reden waarom deze zelfde bedrijven dan wel goed zouden zijn met big data BI.

In mijn ogen zijn veel BI projecten niet bijzonder succesvol om een aantal redenen:
> Mensen zijn slecht in rapporten lezen
> Een bedrijf kan prima bestaan zonder BI
> Veel techneuten kunnen de vertaalslag niet maken van data naar inzicht.
> De opbrengst is vaak door bovenstaande reden beperkt waardoor er geen prikkel bestaat om door te gaan.

Big data is dus gewoon een brug te ver en aangezien BI projecten al genoeg kosten is men huiverig als daar nog een keer BIG voor staat.

Zoals geschreven is techniek vaak niet het probleem van Big Data. De tools zijn goedkoper en makkelijker geworden. Helaas is (ongestructureerde) data er niet gemakkelijker op geworden.

Heel veel training is op het technische gedeelte gericht; hoe zet je een omgeving op en hoe vul je die. Er zijn maar weinig trainingen die ingaan om de principes achter het mijnen van data en die ingaan om de fundamentele principes achter data.

Ik ben het met Oscar eens dat bedrijven zouden oefenen hiermee. Dus gewoon cloud computing inzetten om dingen te proberen zonder bizarre investering. (maar denk aan de wet en compliance)

Soms ontstaat er iets nieuws wat voor geen meter werkt, maar een paar jaar later is het ineens heel goed geworden. Grote investeringen zonder goed fundament zou ik afraden.

Kijk ook eens naar Windows Azure Table Storage. Dit is een dienst van Microsoft met een zeer gemakkelijke instap waarin je data schaalbaar en goedkoop op kan slaan en (No SQL) kan consumeren. Met en zonder vaste structuur.

Dag Rob,

Volgens mij vlieg je hier een aantal keer uit de bocht en heb je de definities van Big Data en Business Intelligence niet helemaal helder.

Te beginnen sluit ik me aan bij de strekking van je verhaal. Ben het met je eens dat organisaties net als mensen voor, tijdens, of na de hype meegaan met de technologie. Mijns inziens kunnen we nog niet zeggen dat Big Data zijn hype voorbij is, maar daar is lastig over te discussieren. Bovendien is het erg verstandig medewerkers te betrekken bij de analyse van data en de toegevoegde waarde van de informatie die daaruit voortkomt.

Business Intelligence lijkt in jouw verhaal een synoniem voor Big Data, maar Business Intelligence is vooralsnog de analyse van gestructureerde data, ongeacht de hoeveelheid data;

Big Data is meer dan alleen data analyse, het omvat ook het verzamelen, de opslag, het vindbaar maken, het genereren van informatie en visualiseren van informatie (resultaten uit de analyse van data).

Big Data gaat over een grote hoeveelheid data, en dat hebben we het over terabytes/ petabytes. Er zijn weinig organisaties die kunnen zeggen dat ze over zoveel data beschikken. Daarnaast gaat het ook om verschillende soorten data, dus simpel gezegd naast documenten ook images. Als laatste omvat het ook het leggen van verbanden tussen die data (zowel gestructureerd als ongestructureerde data). Respect voor organisaties die dat voor elkaar weten te krijgen:)

Ik denk, als je 'Big Data' vervangt door 'analyse van data', en ´Business Intelligence´ vervangt door ´analyse van gestructureerde en ongestructureerde data´ dat je je verhaal recht trekt.

Dag Hannah,

Bedankt voor je reactie!

Mischien misbruik ik het woord business intelligence wel, maar ik vind echt dat dit woord gekaapt is door wat ik business rapportage zou willen noemen. Vanuit het traditionele datawarehouse krijgen we zelden business intelligence, hooguit dashboards waarop staat wat je gisteren had moeten weten. En als je inteligentere dingen wilt doen door data bronnen te combineren, of nieuwe data wilt toevoegen dan geeft het datawarehosue vaak niet thuis.

De naam Big Data is misleidend. Het is niet alleen veel data. Het is ook de verscheidenheid aan informatie die je gecombineerd wilt gebruiken in je vraagstelling. En de snelheid waarmee je nieuwe data bronnen ontsluit voor analyse. Ik ken geen data warehouse project waarin je in de tweede week met de data consument met de data aan de slag kan gaan in een enterprise omgeving. Bij Big Data projecten die wij uitvoeren is dit zonder uitzondering de realiteit.

En nee, niet alle bedrijven hebben baat bij een Big Data oplossing, maar de top 250 ondernemingen van Nederland hebben zeker baat bij.

Lijkt mij leuk om hier een keer met je over te sparren!



Vacatures

Stuur door

Stuur dit artikel door

Je naam ontbreekt
Je e-mailadres ontbreekt
De naam van de ontvanger ontbreekt
Het e-mailadres van de ontvanger ontbreekt

×
×