Achtergrond

Geschreven door Melissa Fremeijer

Big Data Analytics: ondersteunt de business

Data komt tegenwoordig in grote hoeveelheden. Via cloud, mobiel en social, etc. Daarnaast is er openbare data en data die je kunt kopen. Het is ongestructureerd, maar met analytics kan er een schat aan informatie worden uitgehaald. Die informatie kan de business ondersteunen en kan zelfs nieuwe verdienmodellen blootleggen.

Big data-analytics (BDA) heeft zich inmiddels bewezen in tal van toepassingen binnen meerdere industrie sectoren. Deze lopen uiteen van automatische taalverwerking zoals spraakherkenning tot het ontwikkelen van krediet profielen en fraude-detectie in financiële dienstverlening. Retailers gebruiken multi-channel data (online, offline) zoals kassatransacties in combinatie met social media om persoonsgebonden aanbiedingen te doen. Daarnaast wordt big data steeds meer toegepast in de zorg, energiesector, het sociale domein of ten behoeve van faunabeheer en criminaliteitspreventie.

In dit deel van CIO Outlook laten we zien hoe je big data kunt inzetten in jouw bedrijf; wat zijn de trends en hoe kan BDA jouw business het beste ondersteunen.

Wat is nu eigenlijk "big data"?

Allereest is het nodig om te begrijpen wat big data analytics (BDA) nou eigenlijk inhoudt. Big data is volgens IDC een nieuwe generatie aan technologien (en architecturen) die gekenmerkt wordt door de zogenaamde vier V's; die van volume, velociteit, variëteit en vooral value oftewel de waarde voor het bedrijf en/of de eindgebruiker. Maar volgens IDC is big data pas big data als het voldoet aan de volgende criteria:

  • Volume: big data moet een constante volume hebben van minstens 100 TB .
  • Velociteit: deze grote volume aan data moet gepaard gaan met een hoge velociteit oftewel snelheid van data (stroom en opname) van minimaal 60GBps. Real-time of bijna real time bronnen zoals het weer, financiële transacties en gedragspatronen zijn in dit opzicht goede voorbeelden van big data.
  • Varieteit: een snel groeiende trend in vele big data implementaties is het onttrekken en combineren van data uit meerdere bronnen. Denk hierbij aan het combineren van het weer en koopgedragspatronen of de combinatie van financiele transacties en geografie om fraude op te sporen.

Als big data aan de bovenstaande criteria voldoet moet het bedrijf de vele databronnen koppelen aan de "business value" oftwel waarde ervan voor het bedrijf. Alleen dan heeft het zin om in big data technologieën te investeren.

Waar komt al die data vandaan en wat is de workflow?

Er zijn ruwweg vier fasen te onderkennen in de "big data workflow":

1. Data creatie. Data is afkomstig uit een grote verscheidenheid aan bronnen zoals machines (sensoren), mobiele apparaten (smartphones, tablets, maar ook wearables) en computers. Data types die hierbij horen zijn o.a. logbestanden, machine gegenereerde- of sensor data, mens gegenereerde data zoals email of sms-en, geografische of gelocaliseerde data en social media data. Dit alles kan gestructureerd zijn of semi- gestructureerd.
2. Data acquisitie en conversie. Dit is de eerste stap naar de zogenaamde "data management platformen" oftewel het data omzetten naar informatie. Een vereiste hierin is het hebben van een data management infrastructuur.
3. Informatie verwerking. Zodra rauwe data is omgezet in informatie kan deze worden gemodelleerd worden en scenario's gesimuleerd. De focus ligt hierbij op het formuleren van informatie "doeleinden" om inzicht te krijgen op relevante bedrijfskwesties en vraagstukken.
4. Bedrijfsprocessen. Dit is de fase waarin de informatie daadwerkelijk wordt gebruikt door het op te nemen in de bedrijfsprocessen en bedrijfsvoering. Denk bijvoorbeeld aan geautomatiseerde workflow systemen, locatie services, klanten interacties en -systemen om de bedrijfsvoering te verbeteren.

Wat zijn de belangrijkste ontwikkelingen?

Er zijn vele externe factoren die op directe maar ook op indirecte wijze van invloed zijn bij het bepalen van de juiste BDA strategie en de investeringen die hierbij nodig zijn. Deze zijn van economische , technologische, bedrijfs- en sociale aard maar hebben ook betrekking op regelgeving.

Begin dit jaar verscheen IDC's FutureScape "Worldwide Big Data and Analytics Predictions 2015". Hierin worden de tien belangrijkste vereisten en ontwikkelingen van BDA beschreven; de moeilijkheidsgraad van de implementatie, impact op het bedrijf en mate van adoptie. Een greep hieruit in volgorde van adoptie toename (in tijd):

  • BYO-trend De business (gebruiker) wil steeds snellere en betere informatie om bedrijfs resultaten te meten. Dus net als bij devices (BYOD) wil de business vaker zelf bepalen welke business intelligence (BI) /data analytics software hiervoor aangeschaft moet worden. IT moet de business hierin adviseren en ondersteunen ten aanzien van security en kwaliteitsbeheer. Meer self service toegang zal leiden tot meer experimenteren hiermee op een verantwoorde, gecontroleerde wijze. De vraag naar visual data discovery tools (zeer interactieve en geavanceerde visuele tools) zal in de komende 3 jaar 2,5x zo hard groeien als andere BI tools.
  • Expertisetekort De digitale transformatie zorgt ervoor dat het aantal data(bronnen) de komende jaren hard blijft doorgroeien. In veel bedrijven is er echter niet genoeg of geen expertise om adequate BDA oplossingen te implementeren en/of beheren. Meer bedrijven zullen daarom gebruik gaan maken van externe diensten die kunnen adviseren bij het juiste stappenplan en benodigde cultuurverandering tav BDA.
  • Cloud BDA De vraag naar BDA cloud oplossingen zullen de komende vijf jaar 3x zo hard groeien dan on-premises, met name voor post-processed data storage. Omdat niet alle data bronnen in de cloud zitten, is er bijna altijd sprake van een hybride infrastructuur, waarbij een business-level metadata repository nodig is voor de dataverbindingen.
  • Predictive analytics De vraag naar advanced predictive analytics (inclusief machine learning) groeit dit jaar 65% sneller dan non-predictive analytics. De wens om de uitkomst van een aktie of event te voorspellen neemt toe, vooral ook door de toenemende digitalisatie van bedrijfsprocessen. Het kunnen anticiperen op verwachte veranderingen, bijvoorbeeld t.a.v. klantengedrag is een enorm voordeel ten opzichte van de concurrentie.
  • Event processing technologie wordt meer toegepast vanwege de gedistribueerde architectuur waardoor vele kleine hoeveelheden data sneller (of real-time) verwerkt kunnen worden. De Internet of Things (IoT) is een van de voornaamste business drivers voor het implementeren van streaming analytics oplossingen.
  • Decision managent platforms Het doel van deze platformen is om door business intelligence/BDA en automatisering beslissingsprocessen te vergemakkelijken en stroomlijnen. IDC verwacht hierbij een gemiddelde groei tot 2019 van 60%.
  • Cognitieve analytics zijn over 5-10 jaar niet meer weg te denken uit de samenleving. Cognitieve en predictieve analytics zijn nauw verwant. Bij cognitieve (machine learning) analytics geldt dat cognitive applicaties en systemen ervoor zorgen dat "de machine leert" aan de hand van de data in-en outputs. Het legt een verband tussen mensen en hun digitale omgeving en geeft een (zo goed mogelijke) antwoord of aktie op verwachte problemen of ontwikkelingen.

Wat betekent dit voor mijn bedrijf - waar moet ik rekening mee houden?

In het kort; de big data/business analytics industrie omvat een breed scala aan applicaties en technologien die het belissings proces binnen bedrijven kan ondersteunen en/of automatiseren.

Cruciaal hierbij is dat organisaties investeren in BDA oplossingen die bruikbaar zijn voor alle beslissing nemers in het bedrijf - van executives tot aan (front line) werknemers - mbv de juiste functionaliteit en interfaces. In sommige gevallen zijn performance management oplossingen nodig die gebaseerd zijn op relationele databases en business intelligence tools. In andere gevallen is er meer behoefte aan stream of event processing tools die als basis dienen voor geïntegreerde operationele intelligence oplossingen.

Het kan ook zijn dat er meer behoefte is aan data exploration en discovery met behulp van bijv Hadoop-clusters. Voornaamste is om bij toekomstige BDA initiatieven de volgende stelregels in acht te nemen:

  • Indentificeer mogelijke "use cases", maak een grondig stappenplan en investeer in "fit for purpose" technologie.
  • Biedt de business meer self-service data access en analysis.
  • Vergemakkelijk het doen van (gevarieerde) experimenten op gebied van BDA processen
  • Verhoog het gebruik van analytics; maak analytics een operationeel onderdeel binnen het bedrijf
  • Biedt training waar mogelijk en zoek hulp bij big data analytics services bedrijven voor de juiste expertise indien deze niet binnen het bedrijf aanwezig is.

Meer informatie over deze big data analytics trends en onderzoek is te vinden op de IDC website onder IDC European Big Data and Analytics Solutions.