Toekomstgerichte data-analyse met AI: van achterom- naar vooruitkijken
Tijdens zijn recente bezoek aan Nederland hield Satya Nadella, CEO van Microsoft, een presentatie waarin hij vertelde over de
Van Oord-casus van Wortell. Deze illustreert goed dat we steeds meer toe bewegen naar een situatie waarin toekomstgerichte data-analyse belangrijker wordt. We gebruiken data niet alleen meer om te bekijken wat er ís gebeurd of wat er nú gebeurt. Met behulp van Kunstmatige Intelligentie ofwel Artificial Intelligence (AI) stellen we aan de hand van data ook vast wat er naar verwachting gáát gebeuren.
Maar hoe ziet de ontwikkeling van data en AI er voor organisaties uit in de praktijk?
Op naar de datagedreven organisatie
Wortell helpt klanten onder andere met het geven van inzichten in data en allerlei soorten informatiebronnen. Van oudsher gaat het hierbij om het creëren van inzichten op basis van het verleden. Maar in de markt nemen we een algemene bewustwording waar: bedrijven beseffen dat we steeds meer toe bewegen naar een datagedreven organisatie – oftewel, een bedrijf waarin iedereen steeds meer beslissingen neemt op basis van allerlei beschikbare data en de analyses die hierop worden gedaan. Dit kan historische data zijn maar zeker ook realtime data! Verschillende technologie trends helpen daarbij. Zo is het mogelijk om véél meer data op te slaan tegen steeds lagere kosten. Door de beschikbaarheid van cloudtechnologie kun je die data bovendien tegen relatief betaalbare bedragen analyseren.
Stadia: hindsight, insight, foresight
Zo'n verandering gaat natuurlijk niet zonder slag of stoot. Organisaties doorlopen verschillende stadia in het kader van deze ontwikkeling: zij gaan van hindsight (individuele rapportages maken op basis van het verleden) naar insight (realtime informatie bekijken) naar foresight (voorspellingen doen). Wij merken dat zij hierbij tegen de nodige problemen aanlopen, vooral wanneer hun huidige medewerkers, zoals informatieanalisten, de bijbehorende taken allemaal op zich proberen te nemen. Wat organisaties écht nodig hebben? Een gevarieerder en gespecialiseerder team.
Wie zet je in op welk moment?
Eerst moet je experts inzetten die bronnen kunnen koppelen. Daarna heb je mensen nodig die data daadwerkelijk centraal kunnen verzamelen en opslaan. Vervolgens is het tijd om datascientists in te schakelen, die deze data kunnen inspecteren, duiden en analyseren. Ten slotte moet een andere groep specialisten de verzamelde data op een mooie manier inzichtelijk maken.
Kortom, het omzetten van data in informatie op basis waarvan je kunt handelen vergt diverse teams. Omdat organisaties deze vaak niet zelf in huis hebben, schakelen zij derden in, zoals Wortell. Wat wij doen? Een flexibel team samenstellen dat al die competenties bevat. Welke rol we op welk moment inzetten, verandert per stadium van het project. Zo helpen we organisaties op een efficiënte manier door de hele data- en AI-journey heen!
