Uit een recent rapport van Forrester Research blijkt dat bijna 40 procent van de wereldwijde data- en analytics-besluitvormers bezig zijn met de implementatie van een big data-technologie of met de uitbreiding daarvan. Nog eens 30 procent wil daar volgend jaar mee starten. Big data kan bedrijven en markten veranderen en heeft het potentieel om traditionele, oude bedrijfsmodellen te transformeren. Tegelijkertijd worden bedrijven uitgedaagd het optimale uit de gegevens te halen en dit om te zetten in bruikbare inzichten.
Data science kan hierbij de helpende hand bieden. Door middel van analyses van datapatronen kunnen modellen gebouwd worden die prognoses opstellen. Zo heeft men inzicht in wat er onder verschillende scenario’s kan gebeuren. Op basis van die inzichten worden de best mogelijke acties aanbevolen. Het vormt de basis voor transformatieve software, waarbij betrouwbare gegevens worden omgezet in bruikbare inzichten.
Het gebruik van data science neemt snel toe en de vraag is niet meer óf het gebruikt zou moeten worden, maar in welke frequentie. Het is een noodzaak geworden aangezien technologieën de hoeveelheid gegevens die beschikbaar zijn voor analyse aanzienlijk hebben vergroot en doordat cloud computing het opslaan en analyseren van gegevens op eenvoudige en betaalbare wijze mogelijk maakt.
Geen wirwar aan informatie
Uiteindelijk is de echte vraag voor bedrijven die data science willen inzetten, wat de beste manier is om dit te doen zodat betere beslissingen genomen kunnen worden en de operations verbeterd kunnen worden. Daarbij moet het ook gebruiksvriendelijk zijn. De algoritmen van de software moeten geen zwarte doos zijn waarbij de gebruiker geen idee (of vertrouwen) heeft wat er op de achtergrond gebeurt. Aan de andere kant moet software de gebruikers niet overspoelen met informatie zodat ze verward raken. Er is een middenweg waarbij de science toegankelijk is voor gebruikers.
Data science maakt de nieuwe generatie van enterprise software mogelijk, wat resulteert in oplossingen die gebruikers vertellen wat er gaat gebeuren en hoe ze daar nu op moeten reageren. Hoeveel inventaris moeten we vandaag hebben om aan de toekomstige vraag te voldoen? Hoe moeten we onze artikelen prijzen om winst in de toekomst te garanderen? Welke haven zouden we moeten gebruiken om het risico op vertraging te minimaliseren?
Binnen verschillende branches is het waardevol om een crm-applicatie te hebben die kan voorspellen welke klanten naar alle waarschijnlijkheid de volgende aankoop doen, welke producten ze kopen en welke klanten mogelijk afvallen.
Een intelligente crm-machine moet de individuele producten kunnen identificeren die een klant naar alle waarschijnlijkheid zal aanschaffen, evenals de kans dat de aankoop binnen een bepaalde tijd zal plaatsvinden. Verkoopmedewerkers kunnen deze informatie gebruiken om de klanten voorrang te geven of op basis van bepaalde producten die ze willen promoten, klanten filteren.
Optimaliseren van de supply chain
In een zakelijke omgeving waarin supply chains steeds complexer en onderling afhankelijk worden, is een goede werking van de wereldwijde supply chain essentieel om dure vertragingen te voorkomen en voorraadtekorten te vermijden. Data scientists maken volledig gebruik van toegenomen rekenkracht en wereldwijde supply chain data om supply chain tijdlijnen automatisch te modelleren en te anticiperen op mogelijke verstoringen.
De combinatie van machine learning en big data biedt een beter algemeen begrip van welke vertragingen normaal zijn en wat echte systeembrede verstoringen zijn (zoals stakingen en natuurrampen). Er zijn systemen beschikbaar die de datagegevens in realtime monitoren en een melding sturen indien er een probleem is alvorens een hele reeks oplossingen aan te bevelen. Bij een storing kunnen bedrijven in getroffen zendingen duiken. Zo kan men bijvoorbeeld kijken naar de impact van de storing op elke individuele zending.
Het integreren van deze gegevens in de gehele organisatie, helpt bij het begrip van de bedrijfsprioriteiten en de verdieping daarvan. Bijvoorbeeld hoe beïnvloedt het de bedrijfsvoering op elk niveau? Welke zendingen zijn belangrijker? Kortom, net zoals het identificeren van storingen, speelt datawetenschap een belangrijke rol in het in kaart brengen van een succesvol plan rond supply chain bottlenecks.
Inventaris lokaliseren en volgen
Door gebruik te maken van in-store- en rfid-sensoren hebben retailers, distributeurs en fabrikanten de mogelijkheid om elk stuk inventaris in winkels en magazijnen te lokaliseren en zoeken. Inzicht in de routepatronen van de klant in de winkel zorgt voor een betere inrichting van de winkel en een optimale looproute. Fashion retailers kunnen gegevens gebruiken die door sensoren verzameld worden. Zo kan men de pasvorm van een item beoordelen op basis van de frequentie dat items niet uit de paskamers komen. Magazijn- en voorraadmanagers kunnen soortgelijke oplossingen gebruiken voor nauwkeurige voorraden, zonder daarbij gebruik te maken van tijdrovende en foutgevoelige handmatige tellingen.
Data science moet een fundamenteel onderdeel zijn van elke digitale transformatie-inspanning aangezien het de enige manier is om oplossingen te creëren en te valideren die het besluitvormingsproces in de directiekamer verbeteren. Voor moderne, vooruitstrevende bedrijven die meer data hebben dan ze aan kunnen, zal data science het verschil zijn tussen zwemmen en verzuipen.
Ziad Nejmeldeen, chief scientist bij Infor
Digitale transformatie. Spartel je niet mee, dan verzuip je. Aldus Ziad, Chief scientist. Leuke titel voor op het visitekaartje. Ik zie ook combinatie mogelijkheden. Chief scientist en Bigdata evangelist. Bril op en witte jas aan : Onderzoek wijst uit, met big data gaat uw bedrijf veel langer mee.
“Data science” “de enige manier om oplossingen te creeren”. Je ziet het steeds vaker. De scientists in de ICT. Ze kijken rond als Alice in Wonderland. Tis ook een wonderlijk wereld. Business of Hartenkoningin. Ze zijn niet makkelijk.