Het gebruik van data staat in elke branche en organisatie hoog op de prioriteitenlijst. Iedereen wil datagedreven gaan werken. Maar in de praktijk betekent dat nog te vaak het ontsluiten van deze data in dashboards en rapporten.
Dashboards en rapporten worden in het algemeen door managers gebruikt om inzichten te verkrijgen in wat er gebeurd is en eventueel waarom het gebeurd is. En langzamerhand wagen deze managers zich aan voorspellingen.
Decline of the dashboard
De laatste inzichten rond de top tien trends op het gebied van data & analytics door Gartner laten een aantal opvallende dingen zien. Ik zoom in deze opinie verder in op een aantal van deze trends, maar met name op ‘decline of the dashboard’ omdat deze me na aan het hart ligt. Ik heb zelf een lange historie in systeem- en ketenintegratie, en bij alle oplossingen die we ontwikkeld en geïmplementeerd hebben, stond het kunnen monitoren van de integratiestromen hoog op de verlanglijst. Er moest altijd een tool komen om te kunnen monitoren. En altijd was dit in de vorm van een dashboard. Met fancy visuals. Beheerders en managers moesten altijd iets ’tastbaars’ hebben om te zien of de zaken nog goed draaien. Liefst ook op een groot scherm aan de muur bij de afdeling support. Telkens heb ik mij er tegen verzet, maar telkens was het een harde eis.
Waarom zou je hele dagen naar een dashboard turen, terwijl het 34 jaar geleden (het prille begin van mijn belevenissen in de it) ook al mogelijk was om management by exception te doen? Alleen als er iets aan de hand is, volgt er een melding, waarna je direct actie kunt ondernemen.
Hetzelfde hebben we zien gebeuren in data & analytics. Iedereen wil dashboards en rapporten. Om naar te kunnen staren. En mee te spelen (of je er achter te verbergen). En om vervolgens in een andere applicatie iets met (een waarschijnlijk afgeleide vorm van) deze data te gaan doen. Waarschijnlijk door het over te typen. Of het aan iemand anders door te geven, zodat hij of zij er iets mee kan gaan doen. Ongelofelijk.
Datagedreven acties
Waar het in data en analytics om gaat, is dat je in de juiste context en op het juiste moment de beschikking hebt over de meest relevante data. Zeker als het over het nemen van operationele en tactische beslissingen gaat. Natuurlijk heb je nog steeds wat aan dashboards om trends in het verleden en in de toekomst te kunnen analyseren, en om what-if scenario’s te doorgronden. Want dat is waar je je strategie op aanpast, zodat je minstens je voorgenomen doelstellingen kunt behalen.
Maar voor veruit de meeste mensen die bij organisaties werken gaat het dagelijks slim gebruiken van data over het presenteren ervan in de juiste context. Welke prijs kan ik hier het beste afgeven voor deze bulkvracht? Wat is de beste doelgroep om aan te spreken voor deze huurwoning die leeg komt te staan binnenkort? Welke skills moeten we op gaan werven? Dit soort informatie die je helpt om goeie operationele en tactische beslissingen te nemen, moet hapklaar worden aangereikt. Binnen de app waar je op dat moment mee aan het werk bent. Het scherm waar je op dat moment een prijs moet bepalen en ingeven. De tab in de erp-applicatie waarin je de verhuur van deze specifieke woning beheert. De hr-applicatie die je sociale-media-uitingen rond vacatures publiceert. Dit noemen we datagedreven momenten. Op basis waarvan je direct, in de juiste context actie kunt ondernemen. Datagedreven acties dus!
Operationaliseren van data
Om dit te bewerkstelligen, is het beheer van je dataplatform een must. De kwaliteit van data en de toegepaste algoritmes moet goed zijn en blijven. Zeker als er steeds meer op basis van machine learning-informatie – in app – op basis van automatische voorspellingen wordt aangeleverd. Waarmee het systeem zelfs kan voorschrijven welke actie je het best kunt ondernemen (prescriptive) om een bepaald doel te bereiken. Het bewaken van de kwaliteit van deze ai-modellen, het integreren van de benodigde brondata en het ontsluiten van contextgevoelige informatie via api’s richting de eindgebruikers-apps is niet eenvoudig. De meeste mensen die verantwoordelijk zijn voor het ontwikkelen van deze modellen hebben daar geen kaas van gegeten. Dat is een vak apart, samengevat door de term MLops.
Datagedreven actie kan niet zonder MLops. Maar voor een groot gedeelte zeker zonder dashboards en rapporten. De data – als het gaat om predictive of prescriptive, dus ‘slimme data’ – moet betrouwbaar op een presenteerblaadje worden aangereikt, zodat je het direct kunt gebruiken als dé informatie die je op dat moment nodig hebt.
Atilla,
Correctie, ik bedoelde de zogenoemde ‘Coalition of the Willing’ waar Nederland ook aan meedeed zoals we aan een groot aantal (vredes)missies deelnemen. We kunnen gaan discussiëren over de geopolitieke toestand in de wereld en welke opdracht (mandaat) er ten grondslag ligt aan gewapende interventies maar ik wees, net als met Arpanet, vooral op alle militaire technologie die een strategisch voordeel gaf en daarom zo snel civiel geadopteerd werd.
Nou Gijs, je hebt het weer voor elkaar. Een artikel met hoog reactie aantal. Ik heb de reacties een beetje gelezen en wil toch nog een reactie toevoegen op basis van een stuk wat ik gisteren gelezen heb. Maar voordat ik dat deel een kleine toelichting.
Mijn bedrijf is gericht op leren en gedragsverandering. Nu gebruiken wij data om beslissingen te maken (op basis van feedback en gedrag) en zijn dus data gedreven en dat heeft altijd een doel.
Onze software en service bieden we voornamelijk aan via AWS, maar er zit ook een vleugje Azure in (o.a. AD Integratie en koppelingen met Microsoft 365) en draaien wij containers en kubernetes op Google cloud platform. Uiteraard zijn die keuzes deels ook data gedreven.
Maar zoals alles in de realiteit is het complex. Taal is niet de realiteit, maar een beschrijving van de realiteit, net als data niet de realiteit is en hooguit een onderbouwing biedt voor beslissingen in die realiteit. Van een boek lezen leer je nagenoeg niets, je moet iets doen om te leren. Maar goed, tijd om concreet te worden. Zo las ik deze blog van één van mijn helden: Steve Yegge. In een eerdere blog waar hij Google+ afkraakt als Google medewerker in 2011 heeft hij mijn inzichten veranderd. Inzichten die leiden tot acties in de realiteit waardoor ik door hem andere keuzes ben gaan maken. In deze blog (23 minuten leestijd) geeft hij aan dat je de Google Cloud links moet laten liggen. Erg sceptisch ben ik gaan lezen, maar wederom heeft hij mijn inzicht verandert en ik zal ook zeker als CTO mijn gedrag hierop aanpassen.
Maar nu komt het punt van “data gedreven”. Bij Google krijg je meer power voor je euro en rationeel gericht op data is Google Cloud voor onze toepassing de beste keuze op papier. Maar om uiteindelijk de juiste beslissing te kunnen nemen moet je jezelf afvragen; “Heb ik alle metrics wel meegenomen?” ook data gedreven is op basis van incomplete data. Data is één argument, maar er komt ook intelligentie bij kijken. En in dit geval de metric; Deprecation rate.
Ik hou je niet langer in spanning. Veel inzicht toegewenst in het volgende briljante stuk:
https://medium.com/@steve.yegge/dear-google-cloud-your-deprecation-policy-is-killing-you-ee7525dc05dc
Ha Henri, altijd leuk als er veel gereageerd wordt en ik leer er ook weer veel van, ook al gaat het soms ver buiten de kaders van waar ik het over wilde hebben 😉
Deprecation en PaaS/SaaS is een leuke combinatie.
Wil je zo veel mogelijk in control zijn, zal het toch IaaS moeten zijn. Containers dus, die logica hosten geschreven in open source talen en tools. Maar maak maar eens de afweging tussen snel en weinig technisch onderhoud aan de ene kant (PaaS/SaaS) en ambachtelijk alles maken en onderhouden aan de andere kant (IaaS).
Ik denk dat zoals Google en ook Microsoft dat doen wel langzamerhand op wat weerstand gaat stuiten, en dat backward compatibilty steeds belangrijker gaat worden. Dat betekent wel dat het voor die leveranciers steeds duurder wordt om het spul te onderhouden, maar ze verdienen vooralsnog genoeg.
Henri,
Alle analisten geven hetzelfde advies als Steve Yegge omdat het probleem van veel data gedreven oplossingen in de latency en bandbreedte van het netwerk zit. Betreffende gedragsverandering aangaande het consumeren van de adviezen laat ik het geheel aan je eigen verbeelding over hoe je kijkt naar bepaalde digitale transformaties maar taalkundig betekent slimme data op een presenteerblaadje makkelijk te consumeren. Voor wat betreft het ‘oog in de lucht’ van Big Brother voor de gedragsverandering versus drone voor de civiele toepassingen op basis van machine learning voor prestatieverbeteringen in gewasbescherming zijn er makkelijk te consumeren (open source) modellen op basis van dezelfde techniek maar dan wel met andere uitkomsten. Eén ding is echter zeker, zonder een goed afgestemd hardware platform voor deze I/O intensieve workloads heb je niks aan alle data en modellen.
Je moet dan ook geen Iaas of Paas hebben maar MLaaS want prestaties van een TCP netwerk zijn waardeloos als ik kijk naar toenemende vraag van supersnelle interconnects zoals Infiniband. Je weet me te vinden als je 4-node rekencluster met GPU’s in een 2U form nodig hebt voor plaatsing in één van de vele multi-tenancy datacentra in Nederland;-)
Geen Saas, geen Paas, maar IaaS + ambacht lees ik.
En dan nog beter, een 4-node knuffelbak met GPU’s in een 2U form in een datacentrum.
TCP ook waardeloos.
Cloud op zn retour ?
Dino,
Het is geen 13-in-een-dozijn ijzer maar gespecialiseerd ijzer voor een speciale workload wat je met tmux kunt knuffelen want het framework is grotendeels softwared-defined dus je bent met je oude kunstjes weer helemaal hip als je maar het goede label gebruikt, Agile DinOps bijvoorbeeld om een overtreffende trap op MLops te hebben. En voor wat betreft je oude wijn in nieuwe zakken moet je kijken naar het prijskaartje dat HPC platformen vroeger hadden en hoe het door Moore commodity aan het worden is. Computable is geen Tweakers.net maar toenenemende vraag naar specialisten die zo’n platform optimaal kunnen tweaken om zodoende de OPEX te verbeteren komt dus vooral doordat de CAPEX al 15 jaar een enorme prijserosie heeft laten zien. Nu is de de KPI van MIPS/$ echter niet meer zo onderscheidend als de MIPS/Watt omdat de mogelijkheid om 240 km/u te rijden beperkt is door regels aangaande de infrastructuur.
Natuurlijk rijdt je oude dieselauto fijn maar als je daar straks niet meer mee in de binnenstad mag zijn is het misschien tijd om te veranderen en ik denk dat één van de business drivers in de acceptatie van IoT/ML binnen allerlei sectoren zit in het feit dat niks doen aan het terugbrengen van je CO2-footprint je straks meer gaat kosten dan investeren in innovatie. En dat is dus een kijk op gedragsverandering die voor een groot deel afgedwongen wordt middels een bonus/malus systeem waarbij het laaghangende fruit van het idee om je motor uit te doen als je bij een brug staat te wachten om een verbeeldingskracht gaat die vooral om een andere vorm van IT gaat. Betreffende het uitzetten van een stoommachine of een electromotor weet ik wat makkelijker gaat, jij ook maar in plaats van gratis bier te schenken blijf je azijn serveren.
Oja, de cloud draait grotendeels om de flexibiliteit van pay-per-use wat je natuurlijk ook met andere businessmodellen in kunt vullen. En hierbij kun je ook dino’s inhuren voor het service model rond specifieke business processen zoals nu ook al gebruikelijk is met allerlei managed services. Dat kun je Agile DinOps noemen maar als MLops als buzzword resoneert in de markt dan zou ik die sticker kiezen;-)
azijn na bier, geeft plezier.
en ik schenk nu eenmaal graag.
lekker voor bij de salade.
maar teveel wordt inderdaad zuur.
wat ML en machines uitzetten betreft denk ik aan het antwoord HAL 9000.
Slimme machines maken het niet altijd makkelijker.
Attila, er is nog wel wat vreemds aan de hand met ‘gedrevenheid’; een eerste zoekopdracht naar de betekenis levert:
“Werkgevers nemen graag mensen aan die gedreven willen en kunnen werken. Het bijvoeglijke naamwoord stamt af van het werkwoord ‘drijven’. Drijven betekent ‘als beroep uitoefenen’. Synoniemen van het woord gedreven zijn: bevlogen, bezield, enthousiast, fanatiek en gemotiveerd. “
Als ik de tuin in kijk en zie dat de schutting weer eens geverfd moet worden, dan kan ik niet zeggen dat ik erg gedreven wordt door dat doel. Het is een klus die ik ervaar als een moeten of een behoren; niet als iets wat ik zelf wil. De kans is dus groot dat ik dit laat doen door een schilder.
Oudlid, als ik in de media lees dat een stad als Arnhem al maandenlang geteisterd wordt door autobranden, dan zeg ik: kom maar door met je ‘ogen in de lucht’. Nederland kan wel wat militaire operaties gebruiken.
Werden de ‘ogen in de lucht’ in vroegere tijden niet toegeschreven aan God (als Eeuwige Ander); een gewetensfunctie die met de voortschrijdende individualisering en secularisering bij veel mensen tegenwoordig is uitgeschakeld. Dat wordt natuurlijk vooral een probleem als mensen zowel gewetenloos als harteloos worden.
Voor een schitterende analyse van deze problematiek kan ik je overigens het briljante boek van filosoof prof. Ger Groot: ‘De geest uit de fles’ (2017) aanbevelen (en kijk op bol.com even naar de 30 recensies). Zie je wel dat ik niet alleen Heidegger lees.. 🙂
Het mooie van het woord gedreven is dat het meerdere betekenissen heeft. Maar geïnspireerd, gemotiveerd en bevlogen vind ik in deze context wel het toepasselijkst.
Na het lezen van al deze filosofische reacties ben ik nu “moe als een eendagsvlieg bij avond” ((c) Nietzsche)
In der Beschränkung zeigt sich erst der Meister. (Goethe)