Combineer data om écht relevant te zijn

Binnen veel bedrijfsapplicaties speelt de tijdigheid van informatie in toenemende mate een rol in de gebruikservaring van mensen. Daar waar we in het verleden informatie van een jaar oud nog als nieuws konden kwalificeren, is realtime informatie de standaard van vandaag. Tegenwoordig blijkt echter steeds vaker dat het verwerken van buiten-organisatorische informatie in de bedrijfsapplicaties onontbeerlijk is om informatie écht relevant te maken voor gebruikers.

Organisaties ontwikkelen veel data gedreven diensten waarvoor statische klantinformatie, maar ook extern verkregen data, zoals sensordata of informatie van sociale media, gebruikt wordt. De essentie is dat deze externe bronnen op een goede manier met organisatiedata verrijkt worden, om vervolgens te worden geïnterpreteerd en aangeboden ter ondersteuning van bedrijfsprocessen. Als je daar als organisatie snel en goed in slaagt, ben je verzekerd van waardevolle inzichten.

Big Data, Data Lake en databronnen

Er is terecht veel aandacht voor Big Data en het ontsluiten van sensordata via het internet (IoT). Big Data is niet meer (en ook niet minder) dan een grote verzameling van gestructureerde en ongestructureerde data en kan ook worden beschreven als een Data Lake. Een Data Lake bevat de ruwe data zoals deze aangeleverd wordt vanuit verschillende bronnen. Denk hierbij aan bronnen als email, streaming, audio en video, blogs, GPS, Click of Social Media. Tenslotte is het Internet of Things (IoT) met de vele betrokken sensoren een andere belangrijke bron van data in het Data Lake.

Om echt waarde te creëren met data moet nog een stap worden gezet, namelijk het combineren en analyseren van de data zodat er betere of nieuwe inzichten ontstaan. Deze inzichten zijn vaak sterk afhankelijk van de context van data en kunnen per bedrijf en per proces zeer verschillen. Het vinden van deze verbeteringen en nieuwe inzichten is een creatief proces waarbij de mens ondersteund wordt door de machine. Dit proces kan niet door iedereen uitgevoerd worden omdat er specifieke kennis en vaardigheden voor vereist zijn om de data, die in verschillende formaten opgeslagen is, te combineren tot één geheel. Dit wordt veelal door een data scientist gedaan.

De data scientist

Een data scientist bezit vaak veel statische en analytische kennis en gebruikt een aantal standaardmethoden of technieken om inzichten te verkrijgen. Vaak zijn de methoden gebaseerd op het toepassen van de juiste Machine Learning algoritmes, zoals Neurale Netwerken of Support Vector Machines. Machine Learning algoritmes worden al jaren toegepast in bijvoorbeeld de medische wetenschap, bijvoorbeeld het herkennen van kankercellen op foto’s. Doordat er steeds meer data en rekenkracht beschikbaar komt is het toepassen van Machine Learning ook in andere sectoren interessant geworden, maar stijgt de behoefte aan kundige data scientists ook.

Data warehouse

De conventionele datawarehouse-aanpak, waarbij gestructureerde data is geschoond en klaargezet voor rapportage, is beslist niet achterhaald. Bij het (verder) ontwikkelen van een data-strategie zal gekeken moeten worden naar de toepassing van zowel Big Data als het data warehouse. Het data warehouse moet vooral gezien worden als een plaats waar gestructureerde data beschikbaar is gemaakt voor een grote groep gebruikers en reguliere rapportages en analyses.

Wanneer ook sprake is van ongestructureerde data zal dit eerst worden veiliggesteld in een Data Lake, waar het door een data scientist kan worden voorbewerkt voor gebruik. Dit is een belangrijk verschil met het data warehouse waarbij uit wordt gegaan van standaard bronnen welke grotendeels gestructureerd zijn. Een Big Data oplossing komt pas in beeld wanneer een data warehouse niet meer kan voldoen aan de rapportage wensen van de organisatie; in zo’n situatie kan gebruik gemaakt worden van de synergie tussen beide concepten.

IT-Trends

Uniek aan onze aanpak

  • We leggen het fundament voor succesvolle business veranderingen
  • We innoveren, moderniseren en simplificeren uw IT-omgeving
  • We focussen in projecten op de pijlers klantbeleving, processen, bedrijfsmodellen
  • “Business first, technology second” staat centraal in ons denken
  • We zijn concreet en snel. Positief en betrokken leveren wij continu toegevoegde waarde
Meer weten?
Proposition Image

Wij beantwoorden de ‘hoe’-vraag

Iedereen heeft het over de laatste trends en ontwikkelingen, maar hoe spring je daar het beste op in? Zodat je er het maximale uithaalt? Het antwoord op die vraag kunnen wij onze klanten keer op keer geven. En dát is de rol van Experis Ciber in deze markt.

Business Line Director

Kennismaken?

nl.info@ciber.nl

Binnen 12 uur reactie

Onze locaties

Bekijk onze locaties

2.0.0