Vijf standaard vergissingen bij Big Data-analyse
Hoe word je succesvol met big data-analyse? Stel een doel, bekijk wat er intern en extern al bestaat aan gegevens en krijg helder welke data verzameld gaan worden. So far, so good zou je zeggen. Toch maken veel organisaties in dit stadium dezelfde standaardvergissingen. Vijf zetten we er voor je op een rij. Herken ze en gebruik big data efficiënt.
1. Stel de juiste vragen
Alles begint met de juiste structuur van de organisatie en met het begrip van wat het doel is om te doen met die hoeveelheid data. Dat schreef visionair dr. Eli Goldratt midden jaren negentig van de vorige eeuw al in zijn boek The Haystack Syndrome: Sifting information out of the data ocean. Daarmee raakt hij de juiste snaar. Fouten ontstaan bij big data vaak door het stellen van niet goed geformuleerde, subjectieve vragen. Daarnaast kan de informatiearchitectuur binnen de organisatie niet goed in elkaar zitten, waardoor niet altijd de juiste informatie achterhaald kan worden.
2. Maak gebruik van een deskundige
Mentaliteit van de massa: de term ‘big data’ is alom bekend. Toch begrijpen weinig mensen écht wat het is. Door slechts mee te gaan met de massa – en zonder in de eigen directe omgeving een deskundige te hebben – is de kans op het maken van fouten groot. Is het daadwerkelijk nodig voor de organisatie om big data te gebruiken? Op die vraag dient rustig een zorgvuldig antwoord gevonden te worden. Want het gebruik van big data past niet in iedere organisatie. Toch is het belangrijk om te weten waarom je wel of niet er gebruik van zal maken. Zodra het doel duidelijk is, kan er een plan gemaakt worden. Wie zijn de juiste mensen hiervoor? Wat is het juiste proces? En welke software gaan we gebruiken?
3. Maak het gehele plaatje goed zichtbaar
Bijna alle big data-artikelen spreken over een model waarin data-opslagplaatsen handig en gemakkelijk met elkaar kunnen worden verbonden. In theorie is dat zo, in de praktijk helaas niet. Deze gedachte heeft ertoe geleid dat veel bedrijven proberen om zogeheten ‘data hubs’ te maken, knooppunten waar data verzameld en verdeeld wordt. Een big data silhouette is een solide databron dat het gehele plaatje goed zichtbaar maakt. En waar feitelijk de muren tussen bedrijfsonderdelen niet bestaan en data heen en weer stroomt voor waardegeneratie.
4. Betrek iedereen
Net als bij ieder project vereist waardecreatie met behulp van big data een goed change- en projectmanagementsysteem. Vaak gaat teveel aandacht uit naar de technische kant en is de menselijke inbreng een ondergeschoven kindje. Applicaties van business analytics tools, het verzamelen van de juiste data, het monitoren van de risico’s en veiligheid kunnen het beste worden uitgevoerd door goed daarvoor opgeleide mensen. Wordt het belang van change en projectmanagement over het hoofd gezien, dan kan dat leiden tot nadruk op de verkeerde elementen van het project en een gebrek aan steun van de stakeholders.
5. Let op compliance-issues
De grote hoeveelheid data die verzameld en uitgewisseld wordt, kan gemakkelijk leiden tot problemen op het gebied van rechten van individuen of organisaties. Wat we regelmatig zien is dat managers onderdelen schrappen als daarbij niet gemakkelijk en snel aan de regels voldaan kan worden. Maar zelfs een klein onderdeel schrappen kan grote negatieve gevolgen hebben voor het gehele project. Zorg er dus voor dat niets geschrapt hoeft te worden en verdiep je op tijd in de regels.
Leer zelf waarde te creëren met Big Data Analytics
Het TIAS programma Waardecreatie met Big Data Analytics laat aan de hand van theorie én praktijk zien hoe data kunnen worden omgezet in nieuwe kansen, producten & diensten en verdienmodellen. Leer in 4 sessies van 2 dagen hoe analyse en gebruik van big data optimaal waarde creëren voor uw afdeling en/of organisatie. Dit programma start op 13 oktober 2016.
Meer informatie over het programma