Big data is ongekend populair, iedereen heeft het over de mogelijkheden, maar hoe pas je een data analyse methode concreet toe in jouw organisatie?
Daar heeft data expert Marco de Jong zijn werk van gemaakt. Volgens de Jong zijn er veel verschillende toepassingen en dat maakt het werkveld van data analyse oneindig breed en interessant.
Marco de Jong: “Een voorbeeld is het ontwikkelen van een camera voor het checken van de rijpheid van avocado’s op basis van beeldherkenningstechnieken. Maar ook het analyseren van het verloop van schadebehandeling bij een grote verzekeraar om op die manier, vooraf, een veel nauwkeurigere schade inschatting te kunnen maken. Of simpelweg het trainen en coachen van personeel in het ‘leren analyseren’.”
Wat alle organisaties die aan de slag gaan met data analyse gemeen lijken te hebben, is dat zij vooruit willen en bereid zijn te veranderen, zowel in hun manier van denken als in de manier van doen.
Waarom is een big data analyse methode zo interessant om te hebben?
De enorme hoeveelheid data die er nu beschikbaar is, maakt dat je op meerdere manieren naar een probleem kunt kijken. De Jong: “Voordat deze mogelijkheid er was keken bedrijven vaak slechts naar twee of drie variabelen, maar de huidige werkelijkheid is veel complexer dan dat. Tegenwoordig kun je met gemak 30 variabelen in onderlinge samenhang analyseren. In het verleden bestond hier simpelweg de rekenkracht niet voor. Nu kan men grote hoeveelheden data opslaan, koppelingen leggen, algoritmes toepassen en visualisaties maken.”
Organisaties zijn hierdoor volgens de Jong veel beter in staat om ingewikkelde zaken te versimpelen zodat ze hun besluitvorming kunnen baseren op feiten. Deze mogelijkheden moeten veel organisaties nog ontdekken en wie het al ontdekt heeft, moet zijn angst nog kwijt raken voor de verandering die het met zich mee brengt.
Van kunstmatige intelligentie naar kunstmatige assistentie
Kunstmatige intelligentie is een overkoepelende term die volgens de Jong betekent dat je machines leert om zelfstandig slimme beslissingen te nemen. Machine learning is daar een klein onderdeel van en betekent dat je een machine laat leren vanuit data, het gaat hierbij dus om het herkennen van patronen. Dat is vooral handig wanneer er veel factoren een rol spelen in de besluitvorming, daarin zijn we als mens beperkt en heeft een computer veel meer capaciteit.
Volgens de Jong kun je je voor nu beter richten op kunstmatige assistentie dan kunstmatige intelligentie. Een kunstmatige assistent is volgens hem een soort mengvorm.
De Jong: “Kunstmatige intelligentie kan in de nabije toekomst in operationele processen nog een stap te ver zijn, om het hele proces over te nemen. Laat de computer een voorzet geven op basis van patroonherkenning – machine learning – maar houd hierbij wel altijd de mens ‘in the loop’. Kunstmatige assistentie is wanneer de computer jou dus een voorzet geeft, maar je zelf wel nog altijd de bal mag inkoppen.”
Maak big data analyse klein en concreet
Maar hoe begin je nu met het plukken van de vruchten van de nieuwe mogelijkheden die experimenteren met big data biedt? De Jong: “Het heet dan wel ‘big data’, wij vinden dat je klein moet beginnen en moet experimenteren met een concrete business case. Definieer eerst kleine, behapbare doelen en ga die vervolgens realiseren. Dan neem je je organisatie mee in een nieuwe manier van denken. De kans van slagen is dan veel groter dan bij een big bang aanpak.”
Wil je ook meer weten over big data en wat het concreet kan betekenen voor jouw organisatie? Kom dan naar de workshop Big Data en hoor van data expert Marco de Jong hoe je een succesvolle business-case opbouwt voor deze big data analyse methode.
