Big Data: het belang van een gemeenschappelijke taal

Jan-Kees Buenen (CEO Synerscope) over het belang van een gemeenschappelijke taal tussen commercie en IT bij Big Data .

Jan-Kees Buenen is gastdocent in het TIAS-programma . De naam van het programma laat weinig over aan de verbeelding: het helpen van organisaties door grote hoeveelheden van sterk uiteenlopende data typen aan te wenden om hun product en dienstverlening te verbeteren. Omdat het programma is ontwikkeld voor professionals die werkzaam zijn op het snijvlak tussen data-analyse en (commercieel) management, is voor een pragmatische benadering gekozen. De nadruk ligt op een gemeenschappelijke taal waarmee de commerciële functies en analisten snel, efficiënt en effectiever met elkaar kunnen communiceren.

In het dagelijks leven is Buenen CEO en medeoprichter van , een bedrijf dat zich toelegt op de ontwikkeling van visualisatie, interpretatie en beveiliging van data. Hij gaat in op het belang van die gemeenschappelijke taal tegen de achtergrond van de uitdagingen van Big Data voor ondernemingen in het algemeen.

Waarom is het zo belangrijk dat ‘de commerciële man of vrouw’ dezelfde taal spreekt als de data-analist? 
‘Omdat je anders niet tot de essentie komt en vaak niet over hetzelfde praat. Stel, de marketingmanager dient een verzoek om marketinginformatie in. Dat verzoek gaat over een aantal schijven naar de analist. De analist zal het verzoek proberen te interpreteren en op basis van zijn eigen interpretatie data zoeken. Hij gaat met die data aan de slag en komt na een tijdje terug met een eerste antwoord op de originele vraag. In acht van de tien gevallen zegt de marketingmanager in de loop van het verhaal: ‘Dat is niet het antwoord op mijn vraag’. Het probleem is dat de analist in eerste instantie al niet exact begreep wat hij of zij nodig had.’ 

Is dat andersom ook het geval? 
‘Ja. Vaak heeft de marketingmanager weinig kennis van wat er wel en niet met data kan. Daarnaast weet hij vaak weinig van de complexiteit die erbij komt kijken om goede informatie uit ruwe data te destilleren. Daar komt bij dat je bij het opstellen van een statistisch model altijd goed afbakent wat je wel en niet in je analyse meeneemt. Als de marketingmanager dat niet goed begrijpt, weet hij of zij ook niet dat er blinde vlekken in de analyse zullen zitten en welke dat zijn. Andersom heeft de analist binnen het referentiekader van de manager moeite om uit te leggen waar die blinde vlekken zitten. Om verkeerde conclusies te voorkomen, denk ik dat een onderdeel van de opleiding voor analisten het uitleggen van de resultaten aan de gebruiker zou moeten zijn - hoe betrouwbaar zijn de resultaten, onder welke omstandigheden zijn ze geldig en vooral: onder welke omstandigheden niet?’

Afgezien van eerdergenoemde valkuilen en communicatiebarrières, waarom vormt Big Data nog meer een uitdaging voor ondernemingen en organisaties?
‘Allereerst is er de enorme hoeveelheid data die beschikbaar is en nog gaat komen. In het verleden werden data verzameld en bewaard op basis van technische beperkingen en de hoge kosten van opslag en analyse. We bewaarden dus maar een deel van de werkelijk beschikbare informatie. Nu die beperkingen wegvallen, is de vraag wat we met alle informatie die op ons afkomt gaan doen. Verzekeringsmaatschappijen bijvoorbeeld geven premiekorting op basis van verantwoord rem-rijgedrag dat ze kunnen aflezen uit telematics (het op afstand uitlezen van rijgedraginformatie die door auto’s wordt verzonden). Maar dan verzamel je gegevens op basis van de aanname, een gut feeling dat rem-rijgedrag bepalend is bij ongelukken. Maar is dat zo? Je moet eerst een 0-meting doen en voldoende gegevens verzamelen om te bevestigen dat je aanname klopt.’

En dan hebben we nog het probleem van de enorme hoeveelheden data. Waar begin je?
‘Precies. Met al die data weet je nog niet wat je weg moet gooien en wat je moet houden, welke verbanden zinvol zijn en welke niet. Dat is waar scientific visualization komt kijken, wat we bij Synerscope doen. We gieten data en onderliggende verbanden in een vorm die voor mensen te begrijpen is. Je kunt het vergelijken met een infraroodkijker; je ontwaart nieuwe zaken die recht voor je ogen plaatsvinden.’ 

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.

Plaats als eerste een reactie

Ook een reactie plaatsen? Word lid van Adformatie!

Word lid van Adformatie → Login →