De potentiële waarde van data voor de Nederlandse economie wordt door de Nationale Denktank geschat op 45 miljard euro. Uit onderzoek van McKinsey blijkt echter dat op de arbeidsmarkt een groeiend tekort is aan datascientists. Bedrijven beginnen de waarde van data te erkennen, maar meer datascientists is niet de oplossing. Analytics-software moet zo gebruiksvriendelijk en intelligent worden dat íedere werknemer met data kan werken.
De Universiteit van Amsterdam, de Vrije Universiteit en de Hogeschool van Amsterdam hebben onlangs de Amsterdam School of Data Science opgericht om het nijpende tekort aan datascientists op de arbeidsmarkt terug te dringen. Een goed initiatief, maar hiermee los je het onderliggende probleem niet op.
Organisaties hebben blijkbaar steeds meer behoefte aan kennis om meer waarde uit hun data te halen. Datascientists spelen daar zeker een rol in, maar het grote volume aan inzichten uit data zou eigenlijk van ´normale´ medewerkers moeten komen. Dat is echter alleen mogelijk als de organisatie ze daarvoor de juiste middelen in handen geeft.
Analyse democratiseren
Voor zakelijke data-analyse zijn er grofweg twee oplossingen beschikbaar: de traditionele enterprise-platformen en de modernere desktop/cloud-gebaseerde tools.
De eerste categorie is robuust en schaalbaar, maar meestal niet geschikt voor normale gebruikers. It-personeel moet werknemers voorzien van bruikbare data uit het systeem, voordat zij analyses of rapportages kunnen maken. Dit werkt vertragend, en het zorgt voor lange werkprocessen.
Als reactie daarop zijn in de loop der jaren desktop-gebaseerde analyse-tools ontwikkeld. Deze hadden een focus op gebruiksgemak en het creëren van mooie visualisaties. Het grote nadeel van deze oplossingen is echter dat ze niet schaalbaar genoeg zijn voor enterprise-gebruik. Ze creëren daarnaast datasilo’s, vrij van centrale controle. In de praktijk worden beide oplossingen uit noodzaak naast elkaar gebruikt, maar idealiter zouden beide werelden gecombineerd moeten worden. Alleen dan kan een organisatie het gebruik van data democratiseren, en in theorie iedere werknemer toegang geven tot dezelfde correcte databron. De datascientist maak je er niet mee overbodig, maar het faciliteert wel complexe analyses, die meer waarde toevoegen. Dat is de volgende evolutie van analytics.
Elke organisatie die zich serieus met data-analyse bezighoudt, heeft een enterprise analytics-platform nodig, waarin alle bedrijfsdata centraal worden beheerd. Medewerkers moeten dit platform in principe allemaal kunnen gebruiken, mits toegang tot data op een veilige manier is geregeld. Verder is een gebruiksvriendelijke interface noodzakelijk, die zich aanpast aan het niveau van de medewerker.
Idealiter moeten er ook ‘analytics-recepten’ zijn, waarmee datasets op een eenvoudige manier zijn te combineren om daar nuttige inzichten uit te halen. Maar de analytics-platformen van de toekomst zullen nog veel verder gaan. Denk aan de toevoeging van geautomatiseerde vormen van big-data-analytics om verborgen patronen in grote hoeveelheden data te ontdekken. Artificial intelligence (AI)-systemen zouden als optionele modules het werk van datascientists kunnen overnemen. Deze AI’s zouden de organisatie proactief van nieuwe inzichten kunnen voorzien, of gebruikers helpen met kant-en-klare analyses en rapportages. Zo’n krachtig en gebruiksvriendelijk analytics-platform biedt organisaties meer voordeel dan een groot team van datascientists. Nu klinkt dat misschien nog futuristisch, maar in het huidige snelle innovatieklimaat zou de toekomst weleens dichtbij kunnen zijn.
