Chat with us, powered by LiveChat
| ☏ +31 343 529 000 |

Vijf stappen voor een succesvol Analytics project

Vijf stappen voor een succesvol Analytics project

door Mark de Groot, CEO BPSolutions

Samenwerken is de sleutel tot succes

Analytics is een hot topic, veel publicaties behandelen dit onderwerp vanuit een vendor perspectief, waarin leveranciers hun producten aanprijzen. Organisaties worstelen echter vaak met de vraag hoe zij daadwerkelijk toegevoegde waarde kunnen realiseren met deze nieuwe technologieën. Voor het creëren van succes is een nauwe samenwerking tussen eigenaren van databronnen en de business van essentieel belang. Daarnaast moet niet onderschat worden dat de output van een Analytics oplossing/project begrepen en gedragen moet worden door Business Management en Executives. Vijf stappen om te zorgen dat uw volgende Analytics project (wel) een succes is.

  1.      Start met identificeren van de bedrijfswaarde

Voor echte meerwaarde zou elk Analytics project moeten beginnen met het identificeren van de business value die kan leiden naar omzetgroei, verbeterde productiviteit, betere dienstverlening en/of verminderde risico’s of lagere kosten.

U kunt hierbij denken aan klantselectie, het beheersen van operationele kosten, lagere productie- en distributiekosten of verbeterde pricing modellen. Om deze selectie te kunnen maken, is het aan te raden dat business unit managers en de frontline functionele managers gezamenlijk de probleemstelling en de toegevoegde waarde van een Analytics project definiëren. In de praktijk beginnen Analytics-teams namelijk vaak met het bouwen van modellen zonder de stakeholders uit de verschillende bedrijfsonderdelen te betrekken voor input.

  1.      Definieer hypotheses en vraagstellingen

Om effectief met data-exploratie aan de slag te gaan, is het verstandig een aantal hypotheses te definiëren samen met Business Management stakeholders. Hierdoor kan gerichter gewerkt worden aan het ontwikkelen van modellen, maar is het ook de manier om toegevoegde waarde aan te tonen aan Business Managers en Executives.

  1.      Gebruik niet alleen interne databronnen

Vandaag de dag moeten Analytics teams naast architecten en bouwers van modellen ook sourcing-deskundigen zijn die snel kunnen vaststellen welke resources beschikbaar zijn, zowel binnen de organisatie als daarbuiten. De echte waarde van Analytics ligt vaak in de integratie van verschillende interne en externe datasets.

Denk bijvoorbeeld aan datasets over het weer. Het weer raakt elke persoon op deze planeet – en dus ook elke organisatie met wie zij zaken doen. Het integreren van dergelijke externe datasets kan nieuwe deuren openen naar onder meer groei en hogere opbrengsten.

  1.      Stel de benodigde tooling en platforms vast

De bovengenoemde stappen bepalen in hoge mate welk platform en modelling tools u het beste kunt gebruiken.

Inventariseer vervolgens of er alleen sprake is van gestructureerde data, of ook van ongestructureerde data? Betreffen het analyses op historische data of juist meer realtime of op basis van vluchtige data? Hoeveel data wilt u verwerken vanuit interne en externe bronnen? Wat is de mate van betrouwbaarheid waaraan de data dient te voldoen?

Daarnaast dient u ook na te denken over de exploitatie van de technische oplossing. Welke skills heeft u in huis? Gaat u het zelf beheren of besteed u het liever uit? Welke security en privacy eisen stelt u aan de data toegang/exploratie?

U heeft vervolgens de keuze uit een variëteit aan Analytics platformen. Denk onder meer aan commerciële en open source oplossingen zoals SAP HANA, Microsoft Analytics Platform System, IBM PureData en het Open Source Platform gebaseerd op Apache Hadoop of een combinatie hiervan.

  1.      Ontwikkel analytische modellen

Bij uitstek het domein van de Data Scientist. Het draait hier om de kennis en ervaring met statische en wiskundige methoden van data-analyse, zoals neurale netwerken, random forest en text mining, en het toepassen daarvan binnen uw bedrijfsprocessen.

Om een aantal toepassingsgebieden te benoemen:

  • Marketing: Database marketing, social media customer sentiment analyse;
  • Healthcare: Het verminderen van diagnostische fouten, reductie van frauduleuze claims, medicijnverspilling, IC patiënt monitoring;
  • Zero-latency operations: Transport netwerk optimalisatie, sales reporting, winkelperformance en voorraad-optimalisatie

De kunst hierbij is de juiste datasets te selecteren en te integreren.

Bijvoorbeeld in het geval van een Hadoop platform is het met Apache Spark eenvoudig high level te programmeren. Ook kunnen gestructureerde en ongestructureerde databronnen, alsmede streaming data simpel geïntegreerd worden. U vereenvoudigt hiermee het beheergemak en heeft geen kennis nodig van de complexe MapReduce technologie.

Conclusie

Wanneer u meerwaarde uit de inzet van Analytics wilt behalen, dan is het slim even stil te staan bij een aantal zaken, voordat u begint. Om een optimale toegevoegde waarde voor uw organisatie te behalen, zorg dan eerst voor een heldere en eenduidige vraagstellingen. Maak daarbij niet alleen gebruik van interne, maar ook van externe databronnen. Selecteer vervolgens het juiste platform waarmee u voor uw organisatie essentiële inzichten verkrijgt. En ontwikkel tot slot analytische modellen die binnen het toepassingsgebied van uw organisatie de meeste toegevoegde waarde opleveren.