Innovatie & Strategie

Dit is een bijdrage van Itility
Datamanagement
Itility Data Factory

Data vertalen naar euro’s met een solide datafabriek

Data omzetten in waarde met behulp van de fabrieksgedachte.

17 december 2018
Door: Itility, partner

Data omzetten in waarde met behulp van de fabrieksgedachte.

Veel bedrijven hebben de ambitie om producten, diensten en processen te verbeteren met behulp van data. Het is echter lastig – en tijdrovend – om data te vertalen naar euro’s. Dit geldt voor bedrijven van iedere omvang en in iedere sector. Het kunnen nemen van datagedreven beslissingen wordt steeds belangrijker en het creëren van een platform om dat te kunnen doen ook.

Allereerst kost het veel tijd en arbeid om intelligentie uit data te halen. Dit hangt samen met de kwaliteit van beschikbare data, (technische) uitdagingen bij het ontsluiten daarvan, het omgaan met groeiende hoeveelheden data en het koppelen van data uit verschillende bronnen.

Een ander knelpunt is om de intelligentie die uit data wordt verkregen daadwerkelijk in gebruik te nemen in bedrijfsprocessen. Een eerste waardevolle stap bij de ondersteuning van datagedreven beslissingen is het visualiseren van data, bijvoorbeeld via een dashboard. Een goed dashboard levert intelligentie op. Maar deze intelligentie vertaalt zich alleen in meetbare bedrijfsresultaten – zoals lagere kosten, betere marges of snellere time to market – als het dashboard ook daadwerkelijk op de juiste manier wordt gebruikt.

Verder is de afhankelijkheid van mensen voor het nemen van beslissingen en ondernemen van acties op basis van data een belangrijke beperkende factor voor het realiseren van datagedreven ambities. Steeds meer bedrijven zullen daarom proberen de uit data verkregen intelligentie op een (deels) geautomatiseerde manier in te zetten in de organisatie.

Autonoom gebruik van intelligentie
Wat moet je je voorstellen bij het automatiseren van beslissingen en acties op basis van intelligentie uit data? Een bekend voorbeeld is autonomous driving. Waar we vroeger op ons dashboard zagen wat onze snelheid was en op basis daarvan zelf bepaalden hoeveel gas we moesten geven, zijn inmiddels steeds meer processen geautomatiseerd middels technologieën als cruise control en lane assist. Gaandeweg komen er steeds meer sensoren – en dus data – bij die de bestuurder assisteren bij het veilig besturen van de auto. Uiteindelijk bewegen we toe naar een model waarbij de auto volledig autonoom rijdt op basis van data. Dat geeft ons letterlijk twee handen vrij om andere zaken mee op te pakken. 

Deze analogie kan worden toegepast op bedrijfsactiviteiten die, dankzij een toename van beschikbare data enerzijds en de ontwikkeling van slimme algoritmes anderzijds, steeds autonomer kunnen worden uitgevoerd. Denk bijvoorbeeld aan autonome planning van hubs voor deelauto’s, autonome klimaataansturing in kassen of indoor farms of autonome wafer testing in semiconductorfabrieken.

Door activiteiten in toenemende mate autonoom te maken, wordt de mens uit de control loop gehaald. Dit heeft duidelijke voordelen: minder fouten en betere beslissingen die resulteren in o.a. minder verkeersongelukken en files (autonomous driving) of een betere opbrengst van gewassen (autonomous agri). Daarnaast kunnen we real-time overgaan tot actie, omdat we in staat zijn te acteren voordat de mens data heeft geïnterpreteerd. Door de assistentie van autonome intelligentie kunnen mensen een grotere span of control aan – een grote plus in een tijd waarin talent schaars is.

Randvoorwaarden
Het automatiseren van de interpretatie van data – en de daaruitvolgende datagedreven beslissingen en acties – heeft dus veel potentie. Maar het is niet eenvoudig. Zo vereist het autonoom gebruik van intelligentie in het bedrijfsproces veel domeinkennis en dus een nauwe samenwerking tussen de domeinexperts en de data- en software-specialisten. De benodigde competenties zijn zelden aanwezig in één functioneel team en zijn doorgaans verspreid over IT, datateams en de business. Deze bedrijfsonderdelen zullen daarom dichter naar elkaar toe moeten groeien om hier stappen in te zetten.

Daarnaast stelt het autonoom gebruik van intelligentie veel hogere eisen aan de beschikbaarheid, frequentie en kwaliteit van de onderliggende data. Het verzamelen en verwerken ervan en het omzetten van data naar intelligentie worden bedrijfskritische processen in plaats van projecten. Processen die met behulp van standaardisatie en automatisering geoptimaliseerd kunnen worden. Hiervoor zijn dus ook productionele data-omgevingen nodig. Lees: datafabrieken.

Datafabrieken
In een datafabriek worden de kritische en tijdrovende datagerelateerde activiteiten benaderd met een industriële blik. Een datafabriek koppelt enerzijds verschillende specialismen – zoals infra, software en data engineering – en gebruikt anderzijds gestandaardiseerde bouwblokken – zoals pipelines, ingestion standards en pre-fab datamodellen – met als belangrijkste doel van data naar intelligentie te komen op een professionele en zo efficiënt mogelijke manier.

Een goede datafabriek is dusdanig schaalbaar van opzet dat het loont om zelfs kleine pilot-projecten direct in een dergelijke professionele omgeving te laten draaien. Hierdoor voorkom je dat je opnieuw moet beginnen wanneer de hoeveelheid data groeit. Een solide datafabriek zorgt ervoor dat inzichten verkregen uit data daadwerkelijk in gebruik kunnen worden genomen.

Van kruipen naar lopen
Wellicht voelt het soms alsof we ons in een frustrerende kruipfase bevinden waarin veel mankracht in dataprojecten wordt gestopt en maar weinig concrete impact wordt behaald. Maar: zonder kruipen geen lopen. De ontwikkelingen op het gebied van datafabrieken en het autonoom gebruiken van intelligentie gaan de ambities van bedrijven op het gebied van data in hoog tempo realiseren.

Ontdek de mogelijkheden van een datafabriek en haal waarde uit data op een professionele, schaalbare manier.

Reactie toevoegen