Veel bedrijven beschikken over een berg data die ze in potentie in staat stelt processen te verbeteren en besluitvorming te ondersteunen. Lang niet allemaal grijpen ze de kansen die data kunnen bieden. Hoe maak je een start met het verwerven van waardevolle inzichten die je organisatie verder helpen?
Data-science draait om het toepassen van technieken uit de wiskunde en informatica om patronen in data te herkennen en daaruit inzichten te creëren. Een data-scientist maakt een model van de werkelijkheid en past dat vervolgens toe op gegevens binnen een bedrijf. Zo komt hij of zij tot actionable insights, inzichten op basis waarvan actie is te ondernemen.
Door bijvoorbeeld informatie over inkooporders te verzamelen, kun je na verloop van tijd een inschatting maken van hoe vaak en wanneer bepaalde goederen te laat worden geleverd. Met dat inzicht kun je in gesprek gaan met je leverancier of een aanpassing in je supply chain aanbrengen om te voorkomen dat je klanten last ondervinden.
Op een soortgelijke manier verstrekken machines die uitgerust zijn met iot-sensoren waardevolle informatie. Die geeft na analyse inzicht in wanneer en om welke reden storingen optreden. Vervolgens kun je actie ondernemen door de configuratie aan te passen of een zwak onderdeel van de machine te vervangen.
Eenvoudig beginnen
Is het nodig om een datawetenschapper of andere slimme consultant in te huren om tot zulke inzichten te komen? In principe niet. Je kunt prima zelf starten met het ontsluiten en gecentraliseerd opslaan van je data. Laat daar vervolgens eenvoudige operationele of business intelligence-rapporten op los om je aannames te toetsen.
Wellicht overweeg je om grotere voorraden van je product aan te houden, zodat je sneller kunt leveren en meer verkoopt. Je onderbuikgevoel zegt dat het een goed idee is, maar weet je dat wel zeker? Misschien zijn klanten minder geïnteresseerd in de levertijd dan je aanvankelijk dacht, waardoor je uiteindelijk met overbodige voorraad komt te zitten. Wat weer tot extra kosten en verspilling leidt. Een data-analyse kwantificeert kosten en baten en helpt om onderbouwde keuzes te maken.
Meten is weten
Wil je de stap zetten naar een meer datagedreven business, dan is de inzet van een business intelligence-tool aan te bevelen. Deze geïntegreerde tools zijn doorgaans gratis uit te proberen, laagdrempelig in gebruik en laten je onder meer rapportages automatiseren die voorheen wellicht handmatig werden gedaan.
Daarnaast wordt het eenvoudig om rapportages, dashboards en datasets te delen met stakeholders binnen de organisatie. Besteed daarbij wel aandacht aan adoptie. Een rapportage die niemand leest, schiet immers voorbij aan zijn doel. Laat betrokkenen het belang ervan inzien en meet het gebruik. Werkt dat goed, dan kun je verder gaan optimaliseren en automatiseren.
De volgende stap
Duidelijk is dat je met de juiste tooling en focus al een heel eind komt. Na het leggen van een fundament kan het lonen een data-scientist aan te haken om te kijken hoe je aanpak naar een hoger plan is te tillen.
In veel branches is de stap van terugkijken (descriptive) naar vooruitkijken (predictive) heel waardevol. Heb je je historische verkoop (sales per week) goed in beeld, dan kun je ook toekomstige vraag voorspellen en daarop anticiperen. Een data-scientist heeft de expertise om historische data te combineren met bijvoorbeeld zoektrends, gegevens van sociale media, het weerbericht en ga zo maar door.
Elk bedrijf kan meer datagedreven werken. Ga je voor de volgende stap en is je ambitie om volledig data-driven te worden? Dan zijn op een gegeven moment investeringen in je infrastructuur en (externe) expertise noodzakelijk. Besef wel dat als je de basis niet in orde hebt, het nutteloos is om een dure data-scientist in dienst te nemen om chocola van je databerg te maken.
(Auteur Peter de Vos is bi-consultant bij Fellowmind.)
