Big data en traditionele business intelligence staan op gespannen voet met elkaar. Met bi kun je goed rapporteren en terugkijken. Voor big data schiet deze werkwijze echter tekort. Data komt pas echt tot leven als je er trends in kunt herkennen, verbanden kunt leggen en voorspellingen kunt doen. Om echte waarde uit big data te halen zijn er vijf factoren van belang: snelheid, schaalbaarheid, analysekracht, visualisatie en beschikbaarheid.
Big data bevat een schat aan informatie. Maar de maximale waarde er ook uit halen is minder eenvoudig. Hiervoor moeten een aantal zaken samen komen.
Big data en traditionele business intelligence staan op gespannen voet met elkaar. Met bi kun je goed rapporteren en terugkijken. Voor big data schiet deze werkwijze echter tekort. Traditionele bi is ook gebaseerd op het gegeven dat je maar een beperkte rekencapaciteit hebt. Om informatie te halen uit een spreadsheet van duizend kolommen en miljoenen rijen ben je dan gedwongen te normaliseren en te werken met steekproeven en samples. Voor rapportages en terugkijken is dat niet zo’n issue. Voor het doen van voorspellingen, het anticiperen en razendsnel aanpassen van je bedrijfsprocessen, wel. Data komt pas echt tot leven als je er trends in kunt herkennen, verbanden kunt leggen en voorspellingen kunt doen.
Belangrijke factoren
Om echte waarde uit big data te halen zijn er vijf factoren van belang: snelheid, schaalbaarheid, analysekracht, visualisatie en beschikbaarheid.
Snelheid: In-memory technologie maakt het mogelijk om razendsnel verschillende analyses uit te voeren op enorme hoeveelheden data. Data-exploratie, predictive modeling, forecasting en optimization gaan vele malen sneller en hebben geen last van de hindernissen die relationele technologie kent. Hierdoor kun je ‘on the fly' (en zonder tussenkomst van it) de benodigde informatie voor besluitvorming op tafel krijgen. Real-time inzichten, desgewenst in meerdere scenario's.
Schaalbaar: Echt waarde halen uit 'gewone' data is al een uitdaging. Door de toename van de hoeveelheid data, de complexiteit van deze data, de variatie en de snelheid waarmee de data beschikbaar komt, neemt deze uitdaging alleen maar toe. Om de data-explosie de baas te blijven moet je infrastructuur kunnen meegroeien. Het gebruik van goedkope standaard servers, die in een grid met elkaar kunnen worden verbonden, levert zo'n schaalbaar platform op. De analytics software moet vervolgens in staat zijn maximaal van zo'n grid-omgeving gebruik te maken.
Analysekracht: Traditionele bi is gericht op rapportage en kan te weinig met big data. Data krijgt pas echt betekenis als je ermee vooruit kunt kijken en nauwkeurige voorspellingen kunt doen als basis voor besluitvorming. Predictive Analytics zijn essentieel om waarde te halen uit big data omdat de echte waarde namelijk in die exploratieve analyses zit. Het vinden van correlaties, verbanden en afwijkingen is een iteratief proces dat complexe analytische data-transformaties vereist.
Visualisatie: Door de analyses te visualiseren wordt de waarde uit data direct inzichtelijk. Een intuïtieve en aantrekkelijke interface, gecombineerd met auto-charting (het aanpassen van de visualisatie aan het type informatie en de vraagstelling) maken de inzichten uit big data toegankelijk en hanteerbaar voor ‘gewone' business users.
Beschikbaarheid: Een belangrijke voorwaarde voor het succes van deze technologie is het self-service karakter ervan. Business users kunnen zelf scenario's doorrekenen en analyseren, zonder tussenkomst van it. Zulk real-time inzicht vraagt ook om het altijd en overal beschikbaar zijn van deze visualisaties, onder meer via laptop en iPad.
Het is de combinatie van deze vijf factoren die essentieel is om succesvol waarde te halen uit big data. Als een van de factoren ontbreekt, bereik je niet het gewenste resultaat.
Toepassing
Visual Analytics opent de deur naar geheel nieuwe businessmodellen, in diverse sectoren. Zo heeft een bank al snel te maken met risk-tabellen die meer dan een miljard records bevatten. Juist de standaard risk rapportages roepen weer vervolgvragen op. Doordat je met Visual Analytics die vervolgvragen snel kunt beantwoorden en op het juiste detailniveau kunt analyseren en visualiseren – zonder eerst terug de organisatie in te hoeven – kun je sneller meer ‘ontdekken'.
Campagnemanagers bij bijvoorbeeld verzekeraars of retailers hebben vaak te maken met ontwikkelingen die het nodig maken razendsnel een campagne of een aanbieding aan te passen. Visual Analytics geeft hen de mogelijkheid om snel verschillende scenario's zichtbaar te maken. Als je sneller en meer weet over je klanten dan kun je ze beter bedienen dan de concurrent. Heb je optimaal inzicht in je supply chain dan kun je de onderdelen naadloos op elkaar afstemmen. Wanneer je direct over alle relevante informatie beschikt en hier acties mee onderneemt, ben je in staat daadwerkelijk een verschil te maken. Dan worden je inzichten uit big data een 'game changer' die daadwerkelijk voor nieuwe businessmodellen kan zorgen.
Stel je eens voor…
Het is nog niet zo heel lang geleden dat een reis naar Rome je minimaal een etmaal kostte. Als vakantiebestemming was het voor de happy few, en bederfelijke goederen werden niet vervoerd. Tegenwoordig vlieg je in een paar uur heen en weer en is het een populaire bestemming voor korte city-trips.. Maar stel je nu eens voor… dat je binnen vijf minuten in Rome zou kunnen staan, of in Madrid, New York. Dan kun je bijvoorbeeld echte cappuccino drinken wanneer je wilt en broodjes pastrami in Brooklyn. Maar wat te denken van woon-werkverkeer? Of educatie? In- en export? Kortom: geheel nieuwe scenario's zijn dan mogelijk. En dat is precies wat er nu gebeurt op het gebied van analytics. Processen worden zodanig verkort dat tot voor kort ondenkbare mogelijkheden ontstaan, geheel nieuwe business modellen.
Maak er nú werk van en zie dat het echt gebeurt.
Eén van de belangrijkste en vooral cruciale factoren is de bijdrage van de communicatie-infrastructuur en communicatietoepassingen in het versnellen van bedrijfsprocessen. Daar komt met big-data, maar in feite ook met small-data, de analyse-intelligentie en snelheid bij.
Om echter tot een nieuwe dimensie te komen zijn er nieuwe sensoren nodig, die een omgeving vertalen (transformeren?) naar nieuwe data, waardoor er een nieuwe dimensie in het eindresultaat zichtbaar gaat worden. De vernieuwing van de laatste jaren komt voornamelijk door de integratie van sensoren in de ICT-middelen. Dat geldt voornamelijk en sterk voor consumerisation devices.
De eerste veronderstelling in dit artikel is helaas al een foute: “Big data bevat een schat aan informatie”, wordt gesteld. Maar even goed is het mogelijk dat PetaBytes aan (big) data helemaal geen informatie bevatten. Allemaal eentjes en nulletjes die wel gegevens zijn, maar geen informatie bevatten.
Uiteindelijk is het gewoon de mens die zal moeten duiden welke waarde de data bevat. Juist vanuit de eerste veronderstelling ontstaat de ‘gespannen voet’ tussen BI en Big Data en is Big Data hype-ig. Bepaal eerst waarop je big data zou willen kunnen analyseren om er intelligence van te kunnen maken.
De genoemde “belangrijke factoren” hebben mij inziens teveel een technisch tintje.
De aardigheid in BIG is dat het dus geen realtime data is.
Big Data wordt vooral zo genoemd in mijn ogen omdat het *anders* is dan gewoon data. In gewone data kun je nog een beetje redeneren of iets klopt, met big verlies je die verbinding.
Big Data is in mijn ogen juist zo genoemd omdat het totaal anders werkt als de data die we met BI gebruiken.
De waarde uit Big Data halen zit hem dus in mijn ogen niet in de techniek, maar in de mens die door slimme algoritmes al dan niet tot interessante inzichten komt.