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

Big data: droom of nachtmerrie

 

Computable Expert

drs. Jorgen Heizenberg
Chief Technology Officer I&D NL, Capgemini. Expert van Computable voor het topic Business Analytics.

Een aantal jaren geleden was er iets nieuws: big data. Velen vroegen zich af wat het was en wat het betekende. Ondertussen lijken de meesten overtuigd dat big data geen voorbijgaande trend is maar een strategische keuze. In bijna alle organisaties ziet men daarom (big) data als het nieuwe bedrijfsmiddel of asset. Data is de nieuwe olie, of goud zo je wilt. Maar is big data nu een droom of is het wellicht eerder een nachtmerrie?

De bedrijven die er vroeg bij waren, de early adopters, lijken in staat om de status quo van de markt waarin zij opereren te veranderen. Denk hierbij aan bedrijven als Facebook of Uber. Maar geldt dat ook voor andere organisaties die niet ‘geboren’ zijn in de nieuwe wereld, maar hun oorsprong vinden in een ver verleden, toen unstructured data nog gewoon een kasboek was?

Financiële organisaties lijken hierbij voorop te lopen. Zij gebruiken gegevens van hun klanten, zoals pintransacties of creditcard-betalingen, om kredietprofielen te ontwikkelen. Bij de belastingdienst of uitkeringsinstanties als UWV gebruikt men gegevens om fraude te voorkomen. Retailers gebruiken multi channel data (online, offline) als kassatransacties en social media, om persoonlijke aanbiedingen te doen. Energiemaatschappijen worden steeds slimmer. Ze investeren in slimme infrastructuur met sensoren of slimme meters, waarmee zij preventief onderhoud kunnen doen of nieuwe producten en diensten kunnen leveren aan hun klanten. Dat wil zeggen in theorie. Want hoeveel succesvolle voorbeelden ken jijpersoonlijk?

Gebrek aan resultaat

Niet alleen de grote bedrijven, maar ook het midden- en kleinbedrijf krijgt het ondertussen warm bij de gedachte aan het potentieel van big data. Echter, het succes van de verschillende initiatieven wordt in sterke mate bepaald door een hoeveelheid aan factoren die wellicht helemaal los staan van de eerste ‘succesvolle’ toepassingen.

Uit een recent wereldwijd onderzoek van Capgemini onder senior big data-executives in november 2014 , bleek slechts 13 procent van de 226 respondenten daadwerkelijk big data te hebben geïmplementeerd. Van die groep bleek iets meer dan een kwart (27 procent) daarmee succesvol te zijn. De meeste organisaties rommelen echter nog met proof of concepts (PoC), waarvan gemiddeld 38 procent succesvol is. De uitdagingen zijn divers. De data zit op verschillende plekken in de organisaties in silo’s, er is geen echte business case voor de implementatie, er is geen coördinatie tussen het big data- en data science-team en de rest van de organisatie, er is een sterke afhankelijkheid van legacy systemen en de juiste competenties ontbreken of er is onduidelijkheid over de juridische haalbaarheid (data privacy). In veel gevallen is het data landschap ook nog niet klaar voor de stortvloed aan data. Kortom, een nachtmerrie.  

Een andere interessante ontwikkeling, die wellicht niet helemaal als een verrassing komt, is de toegenomen vraag vanuit de eindgebruiker (‘de business’) om met behulp van geavanceerde tools, de grote hoeveelheden data verder te visualiseren en analyseren, zonder dat de it-afdeling te hulp schiet. Binnen de scope van hun eigen dagelijkse werkzaamheden gaat men de interactie of dialoog aan met verschillende data sets, van binnen of buiten de eigen organisatie en in elke vorm of structuur. Hierbij ontwikkelen zij vaak waardevolle inzichten. De snelheid waarmee zij toegang krijgen tot die gegevens is hierbij essentieel. Des te sneller, des te beter (en dus waardevoller). Maar hoe krijg je in de organisatie de juiste balans tussen vraag (insights) en aanbod (data)?

Noodzaak stappenplan

Het succes van big data in elke organisatie staat en valt met het besef dat dit een transformationele verandering vereist van de gehele organisatie, dus zowel binnen de business als bij it. Alleen door beetje bij beetje de waarde aan te tonen, kan de stap gemaakt worden van PoC’s naar implementaties, en uiteindelijk naar data gedreven organisaties. De graagte waarmee nieuwe data-initiatieven worden omarmd, leidt echter niet altijd tot de optimale uitkomsten. Belangrijke activiteiten die noodzakelijk zijn voor een succesvolle en duurzame big data-strategie, worden in de haast uit het oog verloren. Het is onmogelijk om even snel de bocht af te steken, een binnendoor weggetje te nemen, als het gaat om het bouwen van een data gedreven organisatie. Het is gewoon hard werken waarbij een basis gebouwd moet worden.

Om de big data-droom of -visie te realiseren, is een grondig stappenplan om deze transformatie naar een data gedreven organisatie te ondersteunen, een vereiste. Dit plan ziet er voor elke organisatie anders uit en is afhankelijk van de gekozen bedrijfsstrategie en doelen. Maar er is wel een aantal gemeenschappelijke elementen en best practices te benoemen. De voordelen van big data kan men alleen plukken als de impact op de mensen, processen, organisatie en de gegevens integraal wordt meegenomen. Een goed fundament is hierbij net zo belangrijk als goede output.

Op weg naar volwassenheid

Allereerst zal de top en de rest van de organisatie moeten ontdekken wat big data is en wat je er mee kan. Dit educatieve aspect uit zich vooral in een aantal onderwerpen waar men een (eerste) ei over moet leggen. Denk hierbij aan: wat is onze visie op big data, wie ondersteunt dit initiatief, welke data hebben we, wat mogen we daarmee, valt er überhaupt iets extra’s te halen en welke technologie of tools zouden ons daarbij kunnen helpen? Tenslotte, bouwen we deze expertise zelf op, met een partner, of nemen we het af als een dienst?

Een tweede stap kan zijn om multidisciplinaire teams samen te stellen, uit business en it, die gezamenlijk op creatieve wijze aan de slag gaan met een incubator of data lab. Maak hier ruimte, budget, voor in de organisatie. Deze teams kunnen al brainstormend waardevolle ideeën identificeren (use cases) en bedenken welke criteria gehanteerd kunnen worden om het eventuele succes hiervan meetbaar te maken.

Uiteraard zal ook de betrouwbaarheid van de data geborgd moeten worden. Dit zal dan ook onderdeel moeten zijn van de business case, de onderbouwing, de derde stap. Daarbij gaat het niet alleen om voordelen (of return of investment (roi)) maar ook om wat er van valt te leren.

Tenslotte, start kleinschalig,  en hou de organisatie op de hoogte van de vorderingen.

Hoe verder

Op termijn spelen ook andere aspecten een grote rol. Als de organisatie van onderbuikgevoel naar data-gedreven gaat vereist dat bijvoorbeeld een cultuuromslag. Het is daarom goed om er voor te zorgen dat iedereen blijvend feedback kan geven, men het belang van de verandering begrijpt en dat  transparantie is over wat er wel en niet gebeurd met de data. Hoogstwaarschijnlijk is er ook behoefte aan nieuwe rollen als data scientist of chief data officer, die de verantwoordelijkheid moet nemen voor de data assets. Deze resources moeten blijvend ondersteund worden in het ontwikkelen van hun vaardigheden. Uiteindelijk moet vooral het vertrouwen in big data groeien. De toegevoegde waarde van data is dan ook een cruciale business kpi. Zijn de onderliggende gegevens van de juiste kwaliteit, kloppen de algoritmes, en vertrouwen onze klanten onze data gedreven producten en diensten?

Big data kan een droom zijn als erkend wordt dat het een transformatie betreft van de organisatie die ondersteund dient te worden met een robuust stappenplan. Zo niet, dan kan de droom snel omslaan in een nachtmerrie. 

Dit artikel is afkomstig van Computable.nl (https://www.computable.nl/artikel/5259488). © Jaarbeurs IT Media.

7,3


Lees meer over


 

Reacties

Zoals ik reeds stelde in reactie op een voorgaand artikel over het onderwerp dient eerst bekeken te worden of er sprake is van berekenbaarheid. Te vaak wordt hele verhaal een abstracte wetenschap die veel tijd en geld kost maar geen antwoorden oplevert, tenminste niet de goede als we kijken naar normatieve cijferkader waar soms mee gewerkt wordt. Betreffende voorbeelden in zoektocht naar een anomalie in de processen van belasting en uitkering is er nog wel wat af te dingen op het succes hiervan, hier lijkt eerder sprake van achteruit automatiseren.

"Power is not a means, it is an end. One does not establish a dictatorship in order to safeguard a revolution; one makes the revolution in order to establish the dictatorship." - George Orwell

Medicijnman in Den Haag die met 'regenregels' probeert een tweede Rijks ICT-dashboard te bouwen vergeet dat met name in de dienstverlenende sector de rol van Chief Data Officer - too many chiefs and not enough indians - meer aan de ethische dan technische kant zal liggen. Deze heeft een aanzienlijke mate van verantwoordelijkheid om te bepalen welke soorten informatie vastgelegd, behouden en geëxploiteerd zullen worden en voor welke doeleinden.

Als ik kijk naar de simpelheid van een 'ideëenbus' binnen sommige organisaties om productieproces te verbeteren dan vraag ik me af of je niet beter in een stapel bierviltjes kunt investeren door op vrijdagmiddag te gaan brainstromen onder het genot van een biertje. Een jaar of 10 geleden voorspelden op een congres in Seattle sommigen dan ook de val van 'pride towers' doordat sociale netwerken voor een democratisering van de bedrijfvoering zorgen omdat er wat prangende vragen te stellen zijn over operationele performance van sommige datagedreven organisaties.

Na Enron schandaal lijken sommigen nog niet geleerd te hebben dat het normatieve cijferkader van cricketspelers voor de matchfixing van het voetbal niet echt succesvol is.

Nu onze Zuiderburen zo kundig samen met (SAS) hun big "financiële" data van Belgische burgers nauwlettend in de gaten houden middels "Social network analysis". En men zogenaamde "fraude footprints" aan het ontwikkelen is, zullen bestuurders van Europese fiscale overheden al snel in dromenland aankomen, denk ik zo!

Het zou Europa zo'n 200 miljard kunnen schelen, de moeite lijkt me!


Realistisch artikel. Mijn toevoeging: waak vooral voor schijn exactheid.
Statistiek is een glibberig vak.

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

×
×