De top 7 BI
Business Intelligence en data spelen een steeds belangrijkere rol in ons leven, en ook organisaties ondervinden dit aan den lijve. Het slim gebruikmaken van data onderscheidt de winnaars van de verliezers. Onze trends voor 2019 staan dan ook vooralsnog in het teken van (het gebruik van) data. Maar bovenal: het verantwoordelijk gebruik van data.
1. Datacratisch werken wordt de norm
Datacratisch werken brengt de passie en het plezier weer terug op de werkvloer. Verbind data met continu verbeteren en PDCA (Plan-Do-Check-Act) en je organisatie bloeit weer op. Een ware datacratie is het einddoel waar elke organisatie naar zou moeten streven. In dit scenario worden alle beslissingen onderbouwd door relevante data die verzameld, opgeslagen en geanalyseerd wordt. Mensen worden bevrijd van de rompslomp, van besluiteloosheid en de tirannie van managers en medewerkers die luidkeels hun mening verkondigen en op onderbuikgevoel sturen.
In een datacratie begrijpen alle werknemers hun rol in het proces en de strategie van de organisatie. Datacratie is de volgende stap in de evolutie van organisaties na agile werken. Veel bedrijven hebben echter nog een lange weg te gaan voordat zij een datacratische cultuur zullen kunnen omarmen. Structuur, processen en gedrag zullen allemaal moeten veranderen. En het begint bij de mensen.
2. Datageletterdheid is een onmisbare kerncompetentie
Voordat datacratisch werken de overhand kan nemen, zullen de meeste mensen eerst nog een hoop moeten leren op het gebied van data. Gartner spreekt van een “extreme achterstand” en beweert dat de 80% van organisaties tegen 2020 programma’s zullen hebben opgezet om datageletterdheid in hun gelederen te bevorderen. Deze achterstand belemmert de digitale vooruitgang van menige organisatie, volgens onderzoekers van Ictivity. Volgens hen ergert een kwart van de managers zich aan “gebrek aan digivaardigheid” en vindt een derde dat de kwaliteit van het werk lijdt onder dat gebrek.
Echter, er is natuurlijk altijd een gevaar dat mensen zichzelf overschatten en anderen onderschatten als je het ze op de man af vraagt. Er is sprake van het fameuze “Dunning-Kruger effect”. Zo vindt slechts 8% van de managers van zichzelf dat ze onvoldoende digivaardig zijn. Feit blijft echter dat er gemiddeld gezien nog een hoop werk aan de winkel is op het gebied van datageletterdheid. Een groot deel van managers zegt ook weinig zicht te hebben op de datageletterdheid van collega’s. Maar ook hier komt vooruitgang in. Datageletterdheid kun je steeds nauwkeuriger meten, en daardoor kun je het ook als KPI inzetten. De groei in datageletterdheid zal voor elke organisatie een uitdaging worden.
3. Predictive analytics wordt mainstream
De predictive analytics markt zal naar verwachting in 2022 12,41 miljard dollar waard zijn – 272% meer dan in 2017, met een samengestelde jaarlijkse groei van 22,1%. De opkomst van AI en machine learning zorgt voor grote groei in de predictive analytics markt. Het merendeel van deze groei komt vanuit Pacific Azië, waar de rappe economische groei zich door zal zetten.
Organisaties ontwikkelen voorspellende diagnostische modellen door apparatuur met sensoren uit te rusten. Deze sensoren kunnen potentiële problemen signaleren en opsporen en vroegtijdig actie ondernemen om zo duurder onderhoud te voorkomen.
4. AI maakt analytics menselijker
De opkomst van algoritmes, machine learning en AI maakt veel mensen (niet geheel onterecht) enigszins nerveus. Verliezen we onze banen aan de machines? Worden we straks geregeerd door kille algoritmes? Niets is minder waar. AI wordt nog altijd geprogrammeerd door mensen. En volgens Gartner zal AI in 2019 zorgen voor een netto groei in banen. Zo worden 2,3 miljoen nieuwe banen gecreëerd tegenover de 1,8 miljoen banen die overbodig zullen worden.
Er is nog een enorme kloof tussen de hoeveelheid data die gegenereerd wordt en de capaciteit van mensen om die data te verwerken en acties te ondernemen gebaseerd op de data. En dat is nu juist waar mensen goed in zijn: complexe problemen in context te analyseren door middel van intuïtie en empathisch vermogen.
5. “Data for good” zit in de lift
BI kan niet alleen maar gebruikt worden voor winst- en procesverbetering. Bedrijven steken steeds meer tijd en energie in Corporate Social Responsibility-programma’s, oftewel projecten ter verbetering van de wereld. Zo heeft Ikea bijvoorbeeld een solar farm gebouwd voor 20.000 Syrische vluchtelingen in Jordanië.
Dit soort projecten vloeit uiteraard niet altijd voort uit puur altruïsme. Uit onderzoek blijkt dat millennials liever werken voor bedrijven die ook hun steentje bijdragen aan een betere wereld, en zelfs genoegen zouden nemen met iets minder loon in ruil voor een plek in een bedrijf dat zijn maatschappelijke verantwoordelijkheid serieus neemt. Zo zijn er ook de zogenoemde data commonwealths: platforms om resources te delen tussen verschillende organisaties om zo bijvoorbeeld bij te dragen aan kankeronderzoek. Data moet ten dienst staan van de mens, en grote bedrijven moeten verantwoording afleggen.
6. Slimme algoritmen zetten de privacydiscussie op scherp
De opkomst van algoritme-gedreven technologieën als big data, het Internet of Things en kunstmatige intelligentie levert nieuwe grondrechtelijke uitdagingen op, zo blijkt uit een onderzoek naar algoritmen en de invloed op onze grondrechten, uitgevoerd door onderzoekers van de Universiteit van Utrecht. Deze technologieën hebben bijvoorbeeld effect op de keuzes die we maken en daarmee op onze persoonlijke autonomie. Bovendien kunnen ingebouwde vooroordelen in algoritmes (‘biases’) leiden tot ongelijke behandeling. Slimme algoritmes hebben impact op onze vrijheidsrechten, gelijkheidsrechten, procedurele rechten en privacyrechten.
Zo kan ‘dataveillance’ (data+surveillance) een inbreuk opleveren op het recht op privacy. Deze inbreuken kunnen zich zowel voordoen in de privéomgeving als in publieke ruimtes, bijvoorbeeld in smart cities. De inzet van kunstmatige intelligentie, bijvoorbeeld in de vorm van robots, kan ook het recht op relationele privacy raken, bijvoorbeeld in de zorg. De gemiddelde Nederlander is in honderden databases opgenomen. Deze databases bevatten niet enkele de digitale voetafdruk van deze personen (de informatie die zij over zichzelf achterlaten), maar ook hun ‘dataschaduw’, die bestaat uit alle informatie die door anderen over hen wordt gegenereerd. Dit maakt privacybescherming tot een majeur issue.
7. Nieuwe technologie schreeuwt om nieuwe wet- en regelgeving
2018 was het jaar van de AVG, de Algemene Verordening Gegevensbescherming (AVG), ook wel GDPR genoemd. 2019 wordt onder andere het jaar van de Europese ePrivacy-verordening. Deze verordening is bedoeld om de vertrouwelijkheid van digitale communicatie beter te beschermen en bevat onder meer regels voor het gebruik van e-mail, telemarketing, cookies en andere vormen van elektronische communicatie, zoals Skype en WhatsApp.
Ook in de vooruitstrevende staat Californië zijn politici en regelgevers wakker geschud. De ‘usual suspects’ als het gaat om wereldwijde privacyschendingen (denk aan Facebook en Google), kunnen naar analogie van de Europese GDPR de The California Consumer Privacy Act tegemoetzien. Naast ‘harde’ wet- en regelgeving laten de (internationale) standaardisatie- en normeringscommissies zich ook niet onbetuigd. Zij pleiten voor een nieuwe ISO-norm voor Artificial Intelligence (AI) en big data. Zo is de wereldwijde ISO-organisatie recentelijk gestart met een nieuw standaardisatietraject. Met als doel om lijn te brengen in het doorvoeren, toetsen en aantonen van onder andere betrouwbaarheid, robuustheid, ethiek en juridische vraagstukken rondom AI-toepassingen en big data.
In dit kader organiseert het NEN in Nederland in februari 2019 een kick-off voor de normering van AI en big data en het opzetten van een gemeenschappelijke taal. Zo zal standaardisatie zich uiteindelijk ontpoppen tot een probaat middel om te zorgen dat AI-toepassingen veilig en wenselijk zijn voor de mens, maatschappij en business.
Zie onze opdrachten via https://www.steensconsultants.nl/vacatures
Bezoek onze homepage: https://www.steensconsultants.nl/ of lees meer over onze visie & dienstverlening: https://www.steensconsultants.nl/visie
Big Data is hot in deze tijd. Iedereen heeft het erover of is er mee bezig. Het is nog te vroeg om vast te stellen in hoeverre Big Data de wereld zal veranderen. Maar de eerste tekenen wijzen er wel op dat deze daadwerkelijk aan het veranderen is. De data scientist is diegene binnen organisaties die de verandering tot stand moet brengen.
Data scientist is een relatief nieuwe functie die aanspreekt, zowel bij studenten als bij opdrachtgevers. Harvard Business Review kwalificeerde het beroep als ‘het meest sexy beroep van deze eeuw’ en dat was natuurlijk niet voor niets.
Het traditionele beeld van Business Intelligence (BI) is dat van een “club rapportenbouwers”, zoals een klant van mij dat onlangs verwoordde. Vanuit dat traditionele beeld is het profiel van de typische BI-consultant ontstaan. Een handige en bekwame rapportenbouwer die vooral veel kennis heeft van tools, methoden en technieken. Soms bemoeit hij of zij zich ook met het verzamelen van de business requirements van zijn klanten.
Uitstervend ras
Bij veel traditionele bedrijven en organisaties rapporteert de BI-afdeling dan ook nog steeds aan een hoofd IT. Dit beeld is inmiddels echter behoorlijk aan het kantelen. De ontwerpers en bouwers van (standaard) rapporten zijn een uitstervend ras, zeker als dat hun enige skill is. En de bedreiging komt van zowel buiten als binnen BI zelf. Denk dan aan self-service BI: IT-vaardige gebruikers gaan steeds meer hun eigen rapporten en dashboards bouwen, en soms ook ontwerpen. Geavanceerde tools maken dit nu mogelijk. Daarnaast is een aantal marktontwikkelingen gaande die de noodzaak en rol van BI grondig aan het veranderen zijn.
Business Intelligence in bedrijf
De verschuivingen in de markt volgen elkaar in rap tempo op. Nieuwe partijen komen op en met een innovatief businessmodel zijn ze een reële bedreiging van de traditionele spelers. Door deze snelle veranderingen hebben bedrijven nu vooral behoefte aan betrouwbare (datagedreven) inzichten die hen in staat stellen om sneller en scherper vooruit te kunnen kijken. Tegelijkertijd neemt het volume aan relevante data enorm toe.
Automatische systemen en sensoren die onvoorstelbare hoeveelheden data genereren vragen om een radicaal andere aanpak om uit die bergen data de nodige insights te halen. Het liefst natuurlijk real-time. Zie hier de opkomst van Big Data en Data Science. Succesvol inspelen hierop geeft organisaties de mogelijkheid om flexibeler te reageren op trends en ontwikkelingen in hun markten en bij hun klanten. Daarmee wordt Predictive BI een onlosmakelijk onderdeel van de slimme en wendbare organisatie.
Wat betekent dit voor de BI-adviseur nieuwe stijl?
Deze ontwikkelingen stellen hoge eisen aan de BI-adviseur nieuwe stijl. Deze persoon zal een aantal vaardigheden in zich moeten verenigen. Op technisch vlak zal hij een breed palet aan methoden en technieken moeten beheersen, zoals data mining. Niet alleen rapporten ontwerpen, maar ook geavanceerde analytische modellen inzetten. Dit vormt de kern van Predictive BI. Dit zijn vaak modellen uit de hoek van Artificial Intelligence. Het vakgebied beleeft hierdoor momenteel een ware revival.
Wat betreft de adviesvaardigheden, is de BI-adviseur van de 21e eeuw een kritische sparringpartner van zijn klant. Hij zal de business requirements scherp moeten toetsen, kritisch moeten luisteren en echt begrijpen wat de achterliggende vraag van de klant is. En de vraag achter de vraag moeten begrijpen. Daar waar nodig, zal hij in staat zijn om klanten stevig uit te dagen in hun wensen. Maar dan wel op basis van een diepgaande kennis van het businessmodel van de klant. Anders zal de adviseur niet serieus worden genomen. De adviseur wordt daarmee een business partner. Natuurlijk zal hij deze nieuwe rol eerst moeten waarmaken.
Het schaap met 5 poten en de intelligente organisatie
Business intelligence 2.0 wordt een kritieke enabler: een middel dat de intelligente organisatie van de 21e eeuw niet alleen mede mogelijk maakt, maar ook werkelijk verder brengt. De rol van de BI-adviseur zal hiermee behoorlijk verschuiven. Van hulpmiddel naar kritieke succesfactor. De combinatie van vaardigheden die een succesvolle adviseur mee moet brengen is niet mals. Gevoel voor organisaties, denken in processen, adviesvaardigheden, technisch inzicht en veel bedrijfskennis. Het combineren van deze skillset in één persoon is niet eenvoudig. Veel organisaties zullen de oplossing zoeken in verdere differentiatie van de rol.
Een data scientist is iemand die grote hoeveelheden data verwerkt uit verschillende (al dan niet gestructureerde) bronnen (oftewel ‘big data’) om deze om te zetten naar bruikbare informatie voor het management van een bedrijf. De functie lijkt op die van een data analist, met dit verschil dat laatstgenoemde zich met name bezighoudt met het verwerken van historische data tot informatie, waar de data scientist zich toelegt op het maken van voorspellingen door data te extrapoleren en modellen te bouwen. Hiervoor dient de data scientist te beschikken over een gedegen kennis van IT, inclusief de nodige programmeervaardigheden.
Data scientists genereren waardevolle inzichten uit een grote hoeveelheid gestructureerde of ongestructureerde data, ook wel ‘big data’ genoemd. Dit doet de data scientist door speciale tools en software te gebruiken en zogenaamde algoritmes te schrijven om data te ontsluiten, structuren en te analyseren. Binnen sommige functies kan een data scientist ook betrokken zijn bij het grondig analyseren van de bedrijfsvoering om de behoeftes van het bedrijf in kaart te brengen. De bezigheden van een data scientist kunnen onder meer het volgende omvatten:
- Zoeken naar kansen en mogelijkheden in een aanzienlijke hoeveelheid data
- Opschonen en verwerken van ruwe data tot bruikbare data
- Correleren van verschillende soorten data
- Detecteren van onregelmatigheden in data
- Identificeren van vragen vanuit de bedrijfsvoering
- Herkennen van patronen in ‘big data’, om hiervoor een voorspellend algoritme (zelflerend wiskundig model) te ontwikkelen – ook wel ‘machine learning’ genoemd
- Analyseren en selecteren van de beste statistische methodologie (bijvoorbeeld regressie, cluster analyse, decision trees) voor het oplossen van vragen vanuit de bedrijfsvoering
- Inzetten van voorspellende algoritmes ten behoeve van de besluitvorming
- Beschrijven en visualiseren van ontdekte inzichten en voorspellingen
- Rapporteren en delen van gegenereerde inzichten en kennis met het management en andere betrokkenen
- Onderzoeken en ontwikkelen van mogelijkheden om nog meer uit bestaande data te halen
- Beheren en optimaliseren van datastromen en data-analyses
- Opstellen, aansturen en/of trainen van een data science team
Waar werken data scientists?
Data scientists kunnen werkzaam zijn binnen alle (grotere) bedrijven die te maken hebben met big data en de behoefte hebben om deze grote hoeveelheid data te doorgronden en te gebruiken voor het maken van voorspellingen ten behoeve van de interne bedrijfsvoering. Dit kunnen bijvoorbeeld banken, uitgevers, IT-bedrijven of multinationals op het gebied van productie of retail zijn. Ook kan een data scientist als consultant werken bij dienstverlenende adviesorganisaties die externe klanten helpen met het creëren van inzichten en voorspellingen op basis van big data.
Om data scientist te worden is – naast een ruime werkervaring in op het gebied van data(analyse) – vaak een achtergrond in exacte wetenschap vereist, bijvoorbeeld op basis van een van de volgende opleidingen:
- Informatica (hbo, wo)
- Econometrie (wo)
- Wiskunde (hbo, wo)
- Toegepaste wiskunde (hbo)
- Natuurkunde (hbo, wo)
Ook zijn kennis en vaardigheden vereist op het gebied van onder meer:
- Data science tools als R, SQL , SAS, MatLab
- Eén of meer programmeertalen (veelal Python)
- Grote databases en/of datamodellen (Hadoop, Spark, SQL)
- Simulaties, scenario-analyses en algoritmes (modellen)