Refining the new oil Turning data into value

Maat: px
Weergave met pagina beginnen:

Download "Refining the new oil Turning data into value"

Transcriptie

1 Refining the new oil Turning data into value Een aanpak voor meer waarde uit data WHITEPAPER 04

2 Refining the new oil Turning data into value Anderson MacGyver Inhoud Voorwoord 3 Introductie en onze definitie van big data 6 Deel 1: meer waarde uit data 9 Deel 2: data-analyse - meer dan alleen BI 19 Samenvatting en conclusie 23 2 WHITEPAPER 04

3 Anderson MacGyver Voorwoord Refining the new oil - Turning data into value Vaak wordt big data omschreven als de olie van de 21ste eeuw. Bedrijven en individuen leggen steeds meer gegevens vast, bewaren en analyseren ze. Google rapporteert vol trots over zijn enorme hoeveelheden data en wat het daarmee kan. Daarnaast hebben we te maken met de algehele explosie van data op socialemediaplatformen als Facebook, YouTube, Twitter en Instagram. Bedrijven en consumenten verwachten 24 uur per dag realtime toegang tot voor hun relevante informatie. Een belangrijke driver in de groei van data is het internet of things. Dit verwijst naar het verschijnsel dat we in machines en zelfs in ons lichaam sensoren hebben die continu veel data produceren. De fysieke en virtuele werkelijkheid overlappen elkaar steeds meer. Het is een grote verandering in de maatschappij, vergelijkbaar met de industriële revolutie aan het eind van de 18de eeuw en de ontwikkeling van het digitale tijdperk eind 20ste eeuw. En dit is nog maar het begin. Maar wat doen we met deze data? Big data krijgt pas waarde op het moment dat organisaties en mensen door een veranderd inzicht anders gaan handelen. Er bestaat een ingewikkeld proces van verrijken en veredelen om tot waardevolle inzichten uit data te komen. Welke gegevens mogelijk waardevol zijn, ontdekken we pas als we weten wat we willen bereiken en op welk gebied we precies beter willen presteren. Het gaat om een goede balans tussen de behoefte en strategie van de business enerzijds, en het verzamelen van data en de inzet van de juiste analysemogelijkheden anderzijds. In dit whitepaper beschrijven we hoe organisaties uit de veelheid van data waardevolle kennis kunnen destilleren die kan zorgen voor meer inzicht in hun klanten, diensten en bedrijfsprocessen. We vertellen hoe waarde toegevoegd kan worden aan diensten en producten voor klanten, en hoe organisaties hun capabilities kunnen ontwikkelen om slimmer om te gaan met data. Rik Bijmholt en Gerard Wijers Oprichters Anderson MacGyver WHITEPAPER 04 3

4 Refining the new oil Turning data into value Anderson MacGyver 4 WHITEPAPER 04

5 Anderson MacGyver Introductie en onze definitie van big data Een aanpak voor meer waarde uit data JOHN OTTERSBACH Auteur John Ottersbach is een ervaren wetenschapper en adviseur op het gebied van (big) data vraagstukken. Tijdens zijn wetenschappelijke carrière bij het CERN heeft hij veel ervaring opgedaan met complexe data analyses gebaseerd op grote hoeveelheden data. BOR VAN DIJK Auteur Bor van Dijk heeft vanuit verschillende rollen veranderingen geleid op het snijvlak van business en IT in zowel commerciële omgevingen als ook bij de semi-overheid. Hij heeft zich de laatste jaren gespecialiseerd in innovatie en duurzame organisatieontwikkeling. DAVID JONGSTE Auteur David Jongste heeft ruim 15 jaar ervaring met vraagstukken op het snijvlak van bedrijfsvoering en ICT. Hij heeft veel bestuurlijke en hands-on ervaring met vraagstukken op het terrein van ICT governance, informatiemanagement, business intelligence, organisatie van ICT en (informatie) architectuur. In de afgelopen jaren zijn er talloze business studies over big data gepubliceerd, steeds met eenzelfde kernconclusie: bedrijven die zich met big data bezighouden en big data-oplossingen hanteren, hebben een significant competitief voordeel. Het kan bijvoorbeeld grote impact hebben op producten en productontwikkeling, op bedrijfsprocessen en op klantrelaties (Wallmart, 2012) (Rajpathak, 2013) (Schroeck, 2012). Dit zorgt ervoor dat big data al jaren bovenaan in de lijsten van impactvolle ontwikkelingen staat (Bughin, 2013) (Gartner, 2014). De artikelen, verhalen en blogs gaan echter zelden in op belangrijke vragen als: hoe maak ik gebruik van de mogelijkheden die big data mij biedt, over welke data binnen en buiten mijn organisatie beschik ik eigenlijk, welke waarde ligt daarin besloten en hoe krijg ik toegang tot deze waarde? De misvatting bestaat dat zeer grote datasets, waar bedrijven als Google en Facebook over beschikken, een randvoorwaarde zijn om waarde te genereren en big data op de agenda te zetten. Maar ook kleine datasets kunnen waardevolle inzichten creëren. Bovendien zijn er vaak meer bruikbare gegevens voorhanden dan men denkt en neemt de hoeveelheid beschikbare data alleen maar toe (Hubbard, 2011). Dit whitepaper gaat in op bovenstaande vragen en introduceert een generieke aanpak om de waarde in data beschikbaar te maken. Uitgangspunt van deze aanpak is een veelbelovende businessvraag die door een passende data-analyse beantwoord kan worden. Net als bij aardolie moet eerst gericht worden gezocht en vervolgens zorgvuldig worden geraffineerd. Op deze manier ontstaan waardevolle producten voor bedrijven en particulieren. WHITEPAPER 04 5

6 Refining the new oil Turning data into value Anderson MacGyver BIG DATA: SIZE DOESN T MATTER VALUE DOES! Big data is een containerbegrip dat mensen op allerlei manieren interpreteren. Ondanks dat het een veelgebruikt begrip is, is het nog steeds wel wat vaag wat er precies mee wordt bedoeld. Het wordt gebruikt als een synoniem voor grote hoeveelheden data, voor analysetechnieken, maar ook voor ontwikkelingen in organisaties en de maatschappij rond digitale data. Gartner ontwikkelde als eerste een breed gedragen definitie van big data. In 2001 publiceerde de META Group (nu Gartner) de 3D Data Management whitepaper met de drie kernaspecten data volume, data velocity en data variety (Laney, 2001). Deze drie V s zouden later de definitie van big data worden (Laney, 2012). Vaak wordt nog een vierde V toegevoegd (IBM, 2013): data veracity. Deze V s zijn technische kenmerken van big data. Volgens ons ontbreekt er echter nog eentje, namelijk de V waar alles om draait: value (zie figuur 1). De hoeveelheid, volledigheid en snelheid van data is voor een businessoplossing volledig nutteloos als er geen toegevoegde waarde wordt gerealiseerd. Zelfs in kleine statische datasets zitten vaak waardevolle inzichten verstopt. Dus: size doesn t matter - value does! VELOCITY VALU V R AC T Y VARIETY In onze benadering staat big data voor datasets die zich in vergelijking met traditionele bestanden kenmerken door een toename in volume, velocity, variety en veracity waardoor nieuwe kansen ontstaan tot het creëren van waarde (value). Figuur 1: de visie van Anderson MacGyver op big data. De waarde staat centraal! 6 WHITEPAPER 04

7 Anderson MacGyver Introductie en onze definitie van big data De vijf dimensies van big data zijn vervolgens de 5 V s: Volume De hoeveelheid data. Het gaat meestal om grote datasets. Groot is echter een relatief begrip en sterk afhankelijk van de context. Voor sommige bedrijven zijn datasets in de grootte van gigabytes moeilijk te hanteren, voor andere zijn honderden terabytes nog steeds niet bijzonder veel. Voorbeeld: YouTube met 357 petabyte opslagcapaciteit (stand in mei 2014). Velocity De snelheid waarmee data wordt geproduceerd en verwerkt. Data is meestal niet meer statisch. Het gaat om het realtime analyseren van gestreamde data en de resultaten moeten vaak binnen seconden beschikbaar zijn. Voorbeeld: de high-frequency trading in de financiële sector; hier moeten beslissingen vaak al in microseconden worden genomen. Variety De verschillende dataformaten en databronnen waaruit big data meestal bestaat. Voorbeeld: voor het optimaliseren van hun omzet gebruiken retailers voorspellende algoritmen waar commerciële en logistieke data gecombineerd worden met externe bronnen zoals sociale media (Facebook likes, Twitter-berichten, et cetera) of weer- en verkeersinformatie. Veracity De vervuiling en onzuiverheid van big data. Vaak zijn bestanden niet volledig, niet consistent, gebiased en vertroebeld. Voorbeeld: NAW (Naam-Adres-Woonplaats) bestanden zijn berucht om het feit dat de gegevens snel verouderen, doublures en fouten bevatten doordat de initiële invoer vaak handmatig is gebeurd. Een toename van 10 procent per jaar van het aantal fouten in dergelijke bestanden is eerder regel dan uitzondering. Value De waarde die in de data verstopt zit. Deze V beschrijft niet zoals de andere vier V s een technische eigenschap van big data. In data zit echter bijna altijd verstopte waarde in de vorm van waardevolle inzichten. De value wordt in onze definitie hierdoor wel een karakteriserende eigenschap van big data. Big verwijst volgens ons dus niet naar de hoeveelheid, maar vooral naar de waarde. Hoe deze waarde kan worden gedestilleerd, lichten we toe in Deel 1: meer waarde uit data (pagina 9). WHITEPAPER 04 7

8 business missing foundation value missing skills analysis missing focus data Figuur 2: model voor meer waarde uit data.

9 Anderson MacGyver Deel 1: meer waarde uit data Deel 1: meer waarde uit data Waar zit de waarde in big data? Het beschikken over de data alleen is niet voldoende om de waarde te bereiken. Pas met een concrete vraagstelling vanuit de business en met het juiste analytische vermogen wordt deze waarde volledig ontsloten, zoals het model in figuur 2 schetst. Op het snijvlak tussen analyse en business (cyaan) ontbreekt de data en daarmee de mogelijkheid om tot onderbouwde inzichten te komen. Op het snijvlak tussen business en data (paars) ontbreekt analyse en dus de nodige vaardigheden en tools om de waarde uit de data te ontginnen. Vanuit het snijvlak tussen data en analyse (geel) kunnen we onderbouwde inzichten creëren, maar ontbreekt het aan de focus vanuit de business om tot een doelgerichte analyse te komen. Het belang van een businessvraag met de juiste focus wordt verder toegelicht in sectie A. Identificeren van data opportunity (pagina 10). Pas als de drie kleuren in balans overlappen, ontstaat er een helder zicht op de waarde. ANDERSON MACGYVER DATA ANALYTICS FOR VALUE CREATION De Data Analytics for Value Creation-methode van Anderson MacGyver is een generieke aanpak om businesswaarde te realiseren op basis van het hiervoor beschreven model, geschetst in figuur 2. Door de introductie van een systematische aanpak wordt de complexiteit van big data-trajecten gereduceerd, de kans op succes vergroot en het lerend vermogen en de opbouw van capabilities gestimuleerd. De aanpak is opgebouwd uit drie fasen: A Identificeren van data opportunity: Het doel van deze fase is om te komen tot een impactvolle businessvraag, die in fase B kan worden beantwoord. Het gaat om het vinden van interessante casussen waar door middel van data-analyse concrete businessimpact en dus waarde gerealiseerd kan worden. B Toepassen van data analytics: Fase B geeft antwoord op de vraagstelling uit fase A. Door een data-analyse wordt onderzocht of en hoe het idee achter de vraagstelling gerealiseerd kan worden. C Realiseren van business value: Wanneer op basis van de conclusies uit de data-analyse een positieve business case volgt, wordt een implementatieontwerp opgesteld en de businesswaarde gerealiseerd. Het heuristische karakter van een big data-traject vereist iteratieve processen en directe terugkoppelingen in de aanpak. In kleine, opeenvolgende stappen ontstaat vanuit WHITEPAPER 04 9

10 Refining the new oil Turning data into value Anderson MacGyver een vaag idee een steeds concreter concept of model. De stappen worden met name bepaald door de inzichten die voortkomen uit de analyse in fase B. De iteratieve aanpak en een intensieve samenwerking tussen stakeholders zijn essentieel voor een effectief verloop van het traject. Bovendien wordt hierdoor het collectieve leerproces en de opbouw van nieuwe capabilities gestimuleerd. IDENTIFICEREN VAN A DATA OPPORTUNITY ANDERSON MACGYVER DATA ANALYTICS FOR VALUE CREATION TOEPASSEN VAN B DATA ANALYTICS C REALISEREN VAN BUSINESS VALUE 4. ANALYSEREN A. Identificeren van data opportunity Waarde vinden is een zoektocht. Net als bij de zoektocht naar olie is op voorhand niet bekend waar het zich bevindt. De olie-industrie doet allerlei analyses, simulaties en berekeningen om te bepalen waar de grondstof zich kan bevinden. Dit vergroot de kans op een succesvolle proefboring aanzienlijk. Ook big data-trajecten beginnen met het ontdekken en verkennen van veelbelovende ideeën voordat de echte waarde kan worden ontgonnen. Impactvolle vraagstellingen ontketenen de innovatie met big data. Het begint met de volgende vraagstelling binnen de organisatie: wat zijn de belangrijke vragen waarop het antwoord ons de waarde oplevert die ons helpt om onszelf van de concurrentie te onderscheiden? Dit is vaak het moeilijkste en meest uitdagende deel van een big data-traject. Het vereist creativiteit, out of the box denken en een diepgaande kennis van de markt en de organisatie met haar producten, diensten en processen. Een multidisciplinair team binnen de organisatie garandeert de meest effectieve Figuur 3: in 3 stappen naar meer waarde uit data. 10 WHITEPAPER 04

11 Anderson MacGyver Deel 1: meer waarde uit data aanpak, maar ook externe adviseurs kunnen een waardevolle bijdrage leveren door hun ervaring en waarneming van de markt. Het resultaat levert vragen op zoals: zouden we onze aanvoerprognose kunnen verbeteren door de inzet van zelflerende algoritmen? En wat zou dit opleveren (vraagstelling van een handelsplatform)? Of: zouden we op adresniveau consumentenprofielen kunnen genereren met eigen en openbare data (vraagstelling van een logistiek dienstverlener)? Achter vragen als deze zit de innovatie die leidt tot nieuwe business, geoptimaliseerde processen en een slimme omgang met de steeds toenemende hoeveelheden data. Om in deze fase de meest waardevolle data opportunities te identificeren, is, naast de betrokkenheid van de juiste personen, een heldere aanpak van belang. Door op zoek te gaan naar verbinding tussen concrete businessvraagstukken en beschikbare data, worden data opportunities geïdentificeerd. Dit kan vanuit de vier verschillende perspectieven: Klantgedreven Contextgedreven Bedrijfsactiviteitengedreven Datagedreven. Klantgedreven De focus ligt op toegevoegde waarde voor de klant. De centrale vraag is: hoe zou data gebruikt kunnen worden om producten of de service voor de klant te verbeteren? Hoe kan er waarde voor de klant ontstaan? Hoe wordt hij geholpen? Voorbeeld: Booking.com gebruikt slimme algoritmen op basis van zijn data om gepersonaliseerde aanbiedingen te plaatsen. De klant vindt daardoor sneller bestemmingen en hotels die hij leuk vindt. Dit verhoogt de waarde voor de klant. Contextgedreven In een contextgedreven benadering wordt gekeken naar de omgeving van de organisatie, zoals beschreven in onze whitepaper over agility (Simons, 2014). Het gaat bijvoorbeeld om technologische en sociale ontwikkelingen. Bovendien is het nuttig naar de marktleiders in verschillende sectoren te kijken. Welke data en analyses gebruiken zij om waarde te creëren? Welke innovatieve producten ontstaan hierdoor of hoe worden de bedrijfsprocessen efficiënter? Voorbeelden zijn vaak aansprekend en inspirerend en stimuleren de nodige creativiteit. WHITEPAPER 04 11

12 Refining the new oil Turning data into value Anderson MacGyver Bedrijfsactiviteitgedreven Een andere benadering is om te werken vanuit de bedrijfsactiviteiten. Welke processen zouden door een slimme inzet van data kunnen worden geoptimaliseerd? De focus ligt op omzetverhoging, kostenreductie of hogere kwaliteit en betere service voor de klant. Om de waarde van en de samenhang tussen bedrijfsactiviteiten te concretiseren kan het Anderson MacGyver Waardemodel (Wieringa, 2014) of het Anderson MacGyver Operating Model Canvas (Haijenga, 2014) worden ingezet. Voorbeeld: de politie van Los Angeles bepaalt op basis van data en zelflerende algoritmen op welke plekken de kans op een misdrijf het grootste is en past haar inzet hierop aan. Door verbeterde preventieactiviteiten voorkomt zij misdrijven en zet ze de capaciteit efficiënter in. Datagedreven Hier wordt de beschikbare data als uitgangspunt genomen. Vanuit deze data wordt gezocht naar inzichten waarmee waarde gecreëerd kan worden. Een Operating Model Canvas met daarop een visualisatie van de bestaande gegevens en datastromen vormt een effectieve tool. Hiermee ontstaat bewustwording omtrent de beschikbare data en het stimuleert de creativiteit. Voorbeeld: door de opbouw van DNA databases in de gezondheidszorg ontstaan nieuwe mogelijkheden rond preventie en efficiënte behandeling van patiënten. Een combinatie van deze vier benaderingen samen met ervaringen uit lopende datatrajecten blijkt in de praktijk de beste aanpak. De uitkomst van deze fase is een vraagstelling met potentie voor een significante businessimpact. De vraagstelling levert een startpunt voor de analysefase B van onze Data Analytics for Value Creation-methode. Het is een open vraag die de vrijheid en creativiteit van de analyse niet beperkt, maar juist stimuleert. Een goed voorbeeld is de al genoemde vraagstelling van een handelsplatform: zouden we onze aanvoerprognose door de inzet van zelflerende algoritmen kunnen verbeteren? Hier wordt voldoende ruimte gelaten om in fase B met verschillende databronnen en algoritmen te experimenteren. Zo kan bijvoorbeeld blijken dat het toevoegen van weer- en verkeersinformatie aan de eigen data in verband met een neuraal netwerk de meest nauwkeurige voorspelling oplevert. 12 WHITEPAPER 04

13 Anderson MacGyver Deel 1: meer waarde uit data B. Toepassen van data analytics De titel van dit whitepaper geeft het aan: de waarde wordt tijdens de raffinage gedestilleerd. Met ruwe olie kun je niet veel. Pas na de raffinage ontstaan waardevolle producten zoals brandstoffen voor auto s, vliegtuigen en schepen. Ook de chemische en farmaceutische industrie profiteren van het raffinageproces, waar grondstoffen ontstaan voor kunststoffen en medicijnen. De data-analyse is te vergelijken met het raffinageproces. Uit de ruwe data worden waardevolle inzichten gecreëerd. In deze fase worden de mogelijkheden tot beantwoording van de vraagstelling uit fase A onderzocht middels een data-analyse. Maar hoe ziet een data-analyse eruit die antwoord geeft op een heel specifieke vraag en die gebaseerd is op een dataset die het unieke karakter van de organisatie weerspiegelt? De echt waardevolle inzichten ontstaan alleen vanuit een data-analyse die rekening houdt met zowel de individuele eigenschappen van onderliggende data alsook de specifieke vraagstelling. Een effectieve en waardevolle data-analyse zal dus altijd maatwerk zijn. Verantwoordelijk voor dit maatwerk is de data scientist die de analyse opzet en uitvoert. Alhoewel de data-analyse maatwerk is, kan het door een generieke aanpak transparant en planbaar worden gemaakt. WHITEPAPER 04 13

14 Refining the new oil Turning data into value Anderson MacGyver ANDERSON MACGYVER DATA ANALYTICS FOR VALUE CREATION A IDENTIFICEREN VAN DATA OPPORTUNITY B TOEPASSEN VAN DATA ANALYTICS C REALISEREN VAN BUSINESS VALUE 4. ANALYSEREN 3. Datavalidatie 1. Aanpak van het onderzoek 4. Dataanalyse 5. Conclusies 2. Dataselectie Figuur 4: de Anderson MacGyver-aanpak voor data analytics. 14 WHITEPAPER 04

15 Anderson MacGyver Deel 1: meer waarde uit data Fase B bestaat uit vijf stappen (zie figuur 4): Stap 1: Aanpak van het onderzoek Hoe zou de vraagstelling uit fase A kunnen worden beantwoord? Wat zijn de nodige tools en technieken? Welke data zijn ervoor nodig? Dit zijn de vragen die tot een plan van aanpak voor de data-analyse leiden. Stap 2: Dataselectie De benodigde data wordt verzameld en beschikbaar gesteld. Vaak gaat het niet alleen om interne bedrijfsdata, maar ook om externe data. Stap 3: Datavalidatie Voor een analyse moet de data zorgvuldig op consistentie, fouten, biases, ontbrekende variabelen en dergelijke kenmerken van veracity worden getest (zie Big data: size doesn t matter value does! op pagina 6). Hier worden statistische methoden voor verificatie en validatie gebruikt. De data scientist maakt zich vertrouwd met de gegevens en checkt de mogelijkheden voor de analyse op basis van de data. Stap 4: Data-analyse De data-analyse is de sleutel tot het vinden en beschik- baar maken van de waarde in data. Het is een dynamisch, heuristisch proces. Van tevoren is niet bekend welke inzichten en obstakels de data scientist zal tegenkomen. Een efficiënte en effectieve data-analyse is om die reden een iteratief proces waar opgedane inzichten kortcyclisch (typisch na 1 tot 3 weken) worden teruggekoppeld aan de stakeholders om vervolgstappen te bepalen. In sommige gevallen vereisen de vervolgstappen dat de dataset wordt vergroot of dat er additionele databronnen worden toegevoegd. Typisch wordt bij de eerste en tweede iteratie de grootste voortgang geboekt. Als bijvoorbeeld voor het beantwoorden van de vraagstelling de ontwikkeling van een neuraal netwerk nodig zou zijn, dan wordt tijdens de eerste en tweede iteratie de grootste toename in prestatie van het netwerk bereikt. Meer voorbeelden van en uitleg over gebruikte tools en technieken alsook een gedetailleerde discussie over de verschillende typen data-analyses volgen in Deel 2 Data Analysis op pagina 19. Stap 5: Conclusies Vaak zijn analyses en de uitkomsten hiervan complex. Het is aan de data scientist om de uitkomsten te vertalen in resultaten die voor alle betrokkenen inzichtelijk zijn. Het gebruik van visualisatie is hierbij een bewezen middel. WHITEPAPER 04 15

16 Refining the new oil Turning data into value Anderson MacGyver 16 WHITEPAPER 04

17 Anderson MacGyver Deel 1: meer waarde uit data C. Realiseren van business value Als in fase B inzichtelijk is gemaakt welke waarde kan worden gerealiseerd, is de waarde nog niet daadwerkelijk gecreëerd. De brandstof die de raffinaderij in tankauto s verlaat, wordt gedistribueerd naar tankstations. De waarde voor de oliemaatschappij ontstaat door de verkoop van de brandstof, terwijl de waarde voor de consument uit zijn mobiliteit bestaat. Iets heeft pas echt waarde als het waarde heeft voor de klant, zie hiervoor ons whitepaper (Wieringa, 2014). In deze laatste fase wordt de waarde gerealiseerd. Hier wordt gekeken hoe de uitkomsten van fase B te vertalen zijn naar een positieve businesscase voor de organisatie. Vervolgens worden de benodigde aanpassingen aan processen, systemen en organisatie uitgewerkt. Aspecten als opschaalbaarheid, continuïteit, betrouwbaarheid en overdraagbaarheid van de uitkomsten van fase B spelen een rol bij de ontwerpkeuzes die gemaakt moeten worden. Na het opstellen van het ontwerp wordt een plan van aanpak opgesteld. Door de uitvoering van dit plan wordt de waarde daadwerkelijk gerealiseerd. Leerproces en capabilities Big data is nog vaak onbekend of ongemakkelijk terrein. Er zal geleerd moeten worden om het eigen te maken. Het leerproces is een fundamenteel onderdeel van de hiervoor beschreven aanpak. Met kleine, iteratieve stappen en de terugkoppelingen binnen en tussen de verschillende fasen wordt kennis en ervaring opgebouwd en capabilities ontwikkelen zich. De twee feedback loops in de aanpak (figuur 3, 4) zijn uitermate belangrijk voor dit proces. De ervaringen met de implementatie en de gerealiseerde business impact zijn belangrijke input voor navolgende trajecten. Maar ook wanneer inzichten niet implementeerbaar zijn, kunnen ze nog steeds toegevoegde waarde voor toekomstige trajecten leveren en zo bijdragen aan de ontwikkeling van de gewenste capabilities. Net zoals bij elke leerproces is het bij het opbouwen van capabilities zinvol om met kleine trajecten te beginnen. Gedreven door technologische innovaties ontwikkelt de wereld van big data zich heel snel. Met big data bezig zijn, betekent dus continu leren en ontwikkelen. WHITEPAPER 04 17

18

19 Anderson MacGyver Deel 2: data-analyse - meer dan alleen BI Deel 2: data-analyse meer dan alleen BI Na de uiteenzetting van onze visie op big data en een onderbouwde aanpak voor een big data-traject, gaat dit hoofdstuk in op het onderdeel data-analyse: het belangrijke raffinageproces van een big data-traject. De term data-analyse wordt vaak gebruikt, meestal in het kader van Business Intelligence (BI), marketing of businessstudies. De term is net zo vaag als big data zelf. Wat eronder wordt verstaan, hangt sterk af van de individuele context en de mensen die de term gebruiken. Volgens ons omvat data-analyse veel meer tools en technieken dan in het BI-domein worden ingezet. Er zijn twee belangrijke factoren die een data-analyse classificeren: focus en diepgang. Ze worden bepaald door de doelstelling die ten grondslag ligt aan de analyse. Zoals in figuur 5 is aangetoond, maakt het BI-domein gebruik van analyses met minder diepgang die zich in de meeste gevallen op het verleden richten. Hiertegenover staan data mining-technieken die meer diepgang hebben en vaak voor voorspellingen gebruikt worden. In de sectie Tools en technieken gaan we gedetailleerder in op de verschillende methoden. In dit whitepaper omvat de term data-analyse alle beschikbare methoden, dus meer dan alleen BI! Focus De focus van een data-analyse kan op verschillende plekken in de tijd liggen. Afhankelijk van de doelstelling van de data-analyse, kan deze op het verleden, het heden of de toekomst gericht zijn. Vaak worden de volgende op elkaar voortbouwende categorieën benoemd voor de focus van een analyse: Descriptive analytics Diagnostic analytics Predictive analytics Prescriptive analytics. Met name de laatste twee categorieën krijgen veel aandacht in de media in relatie tot big data. Ze zijn de enabler voor een veranderende bedrijfssturing: van retrospectief naar prospectief. Soms kan de indruk ontstaan dat hiermee de retrospectieve analyse overbodig wordt. Maar predictive en prescriptive analytics moeten niet als vervanger van descriptive en diagnostic analytics worden gezien. Zoals uit de focus duidelijk wordt leveren ze complementaire inzichten op. Uit dezelfde data kan dus meer informatie en kennis worden gedestilleerd wanneer alle focuspunten worden gebruikt. WHITEPAPER 04 19

20 Refining the new oil Turning data into value Anderson MacGyver DESCRIPTIVE DIAGNOSTIC PREDICTIVE PRESCRIPTIVE Centrale vraag Wat is er gebeurd? Waarom is het gebeurd? Wat gaat er gebeuren? Wat zou ik moeten doen, gegeven wat er gaat gebeuren? Focus Het verleden Het verleden De toekomst De toekomst Omschrijving Hier worden meestal elementaire statistische methoden ingezet om de data te beschrijven. De meeste BIvraagstukken vallen in deze categorie, het uitrekenen van KPI s en trends bijvoorbeeld. De doelstelling ligt op het beschrijven van wat er in het verleden is gebeurd of nu gebeurt. De focus ligt daarmee op de tijdstip van de creatie van de data, het verleden of het heden. Laatstgenoemde in het kader van realtime analyses. Op zoek naar de oorzaak van de bevindingen uit de beschrijvende analyse wordt meer onderzoek gedaan met meestal elementaire statistische methoden. Net als bij de descriptieve analyse ligt de focus op het tijdstip van de datacreatie. Hier ligt de focus op de toekomst. De geschiedenis wordt gebruikt om modellen te ontwikkelen op basis waarvan voorspellingen voor toekomstige ontwikkelingen worden gemaakt. Het is duidelijk complexer dan het doortrekken van een lijn zoals in het BI-domein vaak gebeurt. De technische basis voor de analyse bestaat meestal uit geavanceerde statistische methoden en tools uit het data mining-domein, zoals zelflerende algoritmen. Dit is de consequente vervolgstap vanuit de voorspellende analyse. Is er al een voorspellend model ontwikkeld, dan is het een logische vervolgstap om voorspellingen voor verschillende scenario s te berekenen. Hierna kan het scenario met de beste uitkomsten worden gekozen. Het algoritme levert dus niet alleen een voorspelling volgens het model, maar geeft ook aan wat er moet gebeuren om zo goed mogelijk te anticiperen op een ontwikkeling. Het algoritme kan dus als een soort van adviseur voor een beslisser worden gezien. Maar hier stopt het nog niet. Aan het eind van deze ontwikkeling staat een volledig geautomatiseerde proces, automated decision making, dat beslissingen neemt die het meest voordelig zouden zijn volgens het algoritme. Voorbeeld Een bedrijf in de logistieke sector: uit de descriptieve analyse van de opbrengsten blijkt dat de opbrengst per verwerkte eenheid in de afgelopen jaren elk jaar met 5 procent is gedaald. De diagnostische analyse toont aan dat de oorzaken van de dalende opbrengsten een krimpende markt, een constant marktaandeel en hoge vaste kosten zijn. Een voorspellend model dat op basis van een neuraal netwerk wordt ontwikkeld, geeft inzicht in het te verwerken volume in de aanstaande maand. Hierdoor kan de capaciteit efficiënter worden gepland en kunnen kosten worden bespaard. Op basis van het voorspellend model wordt in de prescriptieve analyse de meest efficiënte verwerkingswijze benoemd, met het tijdstip van verwerking en geplande inzet van mensen en machines, et cetera. 20 WHITEPAPER 04

21 Anderson MacGyver Deel 2: data-analyse - meer dan alleen BI diepgang elementaire methoden geavanceerde methoden Business Intelligence verleden Figuur 5: data-analyse omvat het gehele kwadrant en dus meer dan alleen BI. Datamining & advanced statistics focus toekomst Diepgang Data-analyses kunnen met verschillende diepgang worden uitgevoerd. De meeste BI-analyses zijn gebaseerd op elementaire statistische methoden die helpen directe en klaarblijkelijke verbanden in de data aan te tonen. Deze methoden aggregeren data om de hoofdstructuren te herkennen. Ze blijven daarmee vrij oppervlakkig. Een voorbeeld zijn fundamentele statistische variabelen zoals, gemiddelden, varianties of correlaties. Ook het creëren van inzichten door de juiste selecties van variabelen valt in deze categorie. Omdat de grootste waarde in big data vaak diep in de data verborgen is, zijn er voor big data-trajecten meestal geavanceerdere statistische methoden of datamining-technieken nodig. Deze gaan de diepte in en kijken naar niet-geaggregeerde data. Resultaten zijn meestal complexe modellen die de data beschrijven. Elke data-analyse begint met een validatieproces waarbij elementaire statistische methoden worden ingezet. Afhankelijk van de vraag- of doelstelling wordt hierna de benodigde diepte ingegaan. In analogie met de aardoliewinning betekent dit: soms is één schep voldoende om de olie uit de grond te laten spuiten. In andere gevallen heb je geavanceerde technieken nodig om kilometers diep door verschillende lagen gesteente te boren. Meer diepgang betekent niet noodzakelijk meer waarde. De vereiste diepgang is afhankelijk van de individuele vraagstelling en de dataset, oftewel de ligging van de aardolievoorraad. Een ervaren data scientist is net als een ervaren aardoliewinner: Hij beschikt over alle WHITEPAPER 04 21

Masterclass Value of Information. Waarde creëren voor de business

Masterclass Value of Information. Waarde creëren voor de business Masterclass Value of Information Waarde creëren voor de business Informatie en informatietechnologie maken het verschil bij de ontwikkeling van nieuwe business ideeën. Met informatie kunnen nieuwe innovatieve

Nadere informatie

We zien een datagedreven wereld vol kansen. Toepassingscentrum voor big data oplossingen

We zien een datagedreven wereld vol kansen. Toepassingscentrum voor big data oplossingen We zien een datagedreven wereld vol kansen Toepassingscentrum voor big data oplossingen We zien succesvolle organisaties groeien door big data 50% van de meest succesvolle organisaties Volg ons op twitter:

Nadere informatie

smartops people analytics

smartops people analytics smartops people analytics Introductie De organisatie zoals we die kennen is aan het veranderen. Technologische ontwikkelingen en nieuwe mogelijkheden zorgen dat onze manier van werken verandert. Waar veel

Nadere informatie

BIG DATA. 4 vragen over Big Data

BIG DATA. 4 vragen over Big Data 4 vragen over Big Data Dit ebook geeft in het kort antwoorden op 4 vragen omtrent Big Data. BIG DATA Wat is Big Data? Hoe zet ik een Big Data Strategie op? Wat is het verschil tussen Big Data en BI? Wat

Nadere informatie

STRATAEGOS CONSULTING

STRATAEGOS CONSULTING STRATAEGOS CONSULTING EXECUTIE CONSULTING STRATAEGOS.COM WELKOM EXECUTIE CONSULTING WELKOM BIJ STRATAEGOS CONSULTING Strataegos Consulting is een strategie consultancy met speciale focus op strategie executie.

Nadere informatie

Opleidingsprogramma DoenDenken

Opleidingsprogramma DoenDenken 15-10-2015 Opleidingsprogramma DoenDenken Inleiding Het opleidingsprogramma DoenDenken is gericht op medewerkers die leren en innoveren in hun organisatie belangrijk vinden en zich daar zelf actief voor

Nadere informatie

Van big data naar smart data. Stappenplan voor B2B leadgeneratie.

Van big data naar smart data. Stappenplan voor B2B leadgeneratie. Van big data naar smart data. Stappenplan voor B2B leadgeneratie. Van big data naar smart data Door big data te verzamelen en om te zetten in werkelijk bruikbare smart data creëert u nieuwe inzichten,

Nadere informatie

DATAMODELLERING TOEPASSEN DATA ANALYTICS

DATAMODELLERING TOEPASSEN DATA ANALYTICS DATAMODELLERING TOEPASSEN DATA ANALYTICS Inleiding In dit whitepaper wordt een toepassingsgebied beschreven voor datamodellering. Een toepassing is een werkveld op het vlak van architectuur of modellering

Nadere informatie

Het Analytical Capability Maturity Model

Het Analytical Capability Maturity Model Het Analytical Capability Maturity Model De weg naar volwassenheid op het gebied van Business Intelligence. WHITEPAPER In deze whitepaper: Wat is het Analytical Capability Maturity Model (ACMM)? Een analyse

Nadere informatie

Factsheet CONTINUOUS VALUE DELIVERY Mirabeau

Factsheet CONTINUOUS VALUE DELIVERY Mirabeau Factsheet CONTINUOUS VALUE DELIVERY Mirabeau CONTINUOUS VALUE DELIVERY We zorgen ervoor dat u in elke volwassenheidsfase van uw digitale platform snel en continu waarde kunt toevoegen voor eindgebruikers.

Nadere informatie

INNOVATION BY MAKING LEARNING BY DOING

INNOVATION BY MAKING LEARNING BY DOING INNOVATION BY MAKING LEARNING BY DOING 1 INNOVATION BY MAKING, LEARNING BY DOING Bij alles wat we doen, hanteren we deze twee principes. Innovation happens by making. The only way to learn innovation is

Nadere informatie

E-resultaat aanpak. Meer aanvragen en verkopen door uw online klant centraal te stellen

E-resultaat aanpak. Meer aanvragen en verkopen door uw online klant centraal te stellen E-resultaat aanpak Meer aanvragen en verkopen door uw online klant centraal te stellen 2010 ContentForces Niets uit deze uitgave mag worden verveelvoudigd en/of openbaar gemaakt door middel van druk, fotokopie,

Nadere informatie

Transformatie naar een slimme, datagedreven tuinbouw

Transformatie naar een slimme, datagedreven tuinbouw Transformatie naar een slimme, datagedreven tuinbouw de rol van onderzoek 19 oktober 2017, prof.dr.ir. Jack van der Vorst, lid concernraad Wageningen University & Research Wereldwijde uitdagingen land-

Nadere informatie

Internet of Things in perspectief geplaatst. Herman Tuininga. Oktober 10, 2017

Internet of Things in perspectief geplaatst. Herman Tuininga. Oktober 10, 2017 Internet of Things in perspectief geplaatst Herman Tuininga Oktober 10, 2017 1 Achtergrond Meer dan 20 jaar ervaring in IoT 30 medewerkers IoT Lab Zwolle Connecting your things 2 IoT is een container begrip

Nadere informatie

BIG DATA: OPSLAG IN DE CLOUD

BIG DATA: OPSLAG IN DE CLOUD BIG DATA & ANALYTICS BIG DATA: OPSLAG IN DE CLOUD FLEXIBEL EN SCHAALBAAR BEHEER VAN ENORME HOEVEELHEDEN INFORMATIE IN GROTE ORGANISATIES EFFICIËNT EN SCHAALBAAR OMGAAN MET INFORMATIE-EXPLOSIE De hoeveelheid

Nadere informatie

Masterclass. Business Model Canvas gebruiken bij communicatie. Een visueel hulpmiddel om de brug tussen IT en business te slaan

Masterclass. Business Model Canvas gebruiken bij communicatie. Een visueel hulpmiddel om de brug tussen IT en business te slaan Masterclass Business Model Canvas gebruiken bij communicatie Een visueel hulpmiddel om de brug tussen IT en business te slaan De laatste jaren hanteren organisaties steeds vaker het Business Model Canvas

Nadere informatie

Georges Dockx JUISTE MARKETING. Voor kmo s en zelfstandigen die meer resultaat willen met minder budget

Georges Dockx JUISTE MARKETING. Voor kmo s en zelfstandigen die meer resultaat willen met minder budget Georges Dockx DE JUISTE MARKETING Voor kmo s en zelfstandigen die meer resultaat willen met minder budget Uitgegeven door Georges Dockx in samenwerking met BOEK MAKERIJ.be D/2015/Georges Dockx, auteur-uitgever

Nadere informatie

Onze ambitie Welvaart voor toekomstige generaties mogelijk maken

Onze ambitie Welvaart voor toekomstige generaties mogelijk maken Onze ambitie Welvaart voor toekomstige generaties mogelijk maken 2 Nieuwe technologie zorgt voor fundamentele veranderingen In tijden waarin technologie en de economie ons meer welvaart geven, streven

Nadere informatie

Data Driven Strategy The New Oil Using Innovative Business Models to Turn Data Into Profit

Data Driven Strategy The New Oil Using Innovative Business Models to Turn Data Into Profit Data Driven Strategy The New Oil Using Innovative Business Models to Turn Data Into Profit Big Data & Innovatieve Business Modellen Fire in the hole! 51K manholes, 94K miles of cables 106 predicting variables:

Nadere informatie

Iedereen sterk. Zo stimuleer je innovatief gedrag en eigenaarschap van medewerkers

Iedereen sterk. Zo stimuleer je innovatief gedrag en eigenaarschap van medewerkers Iedereen sterk Zo stimuleer je innovatief gedrag en eigenaarschap van medewerkers JANUARI 2016 Veranderen moet veranderen Verandering is in veel gevallen een top-down proces. Bestuur en management signaleren

Nadere informatie

Big Data en Variabele Data Printing

Big Data en Variabele Data Printing Big Data en Variabele Data Printing Roelof Janssen Definitie Big Data Verwerken en interpreteren van grote en/of gevarieerde dataverzamelingen Doug Laney, Gartner: groeiend volume van data Socialmedia

Nadere informatie

Masterclass IT Savvy. Impact van trends

Masterclass IT Savvy. Impact van trends Masterclass IT Savvy Impact van trends Regelmatig komen onderzoeksbureaus zoals Gartner en McKinsey met rapporten waarin nieuwe trends worden aangekondigd. Belangrijke vraag, en niet eenvoudig te beantwoorden,

Nadere informatie

Whitepaper Intelligente PIM oplossingen

Whitepaper Intelligente PIM oplossingen Whitepaper Intelligente PIM oplossingen The value is not in software, the value is in data and this is really important for every single company, that they understand the data they ve got. Intelligente

Nadere informatie

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE BUSINESS INTELLIGENCE IT is peoples business Inhoudsopgave 1 HET TEAM 2 ONZE DIENSTEN 3 BI VOLWASSENHEIDS MODEL 4 DE NIVEAUS Start klein Groei Professionaliseer Wees bepalend Voor meer informatie of een

Nadere informatie

Social Strategy Masterclass 2014

Social Strategy Masterclass 2014 Social Strategy Masterclass 201 Bestemd voor Directie en Management actief in zowel B2B, B2C als Non profit Inhoudsopgave Inleiding Eendaagse Social Strategy MasterClass Programma Ochtendsessie Middagsessie

Nadere informatie

Proactief en voorspellend beheer Beheer kan effi ciënter en met hogere kwaliteit

Proactief en voorspellend beheer Beheer kan effi ciënter en met hogere kwaliteit Proactief en voorspellend beheer Beheer kan effi ciënter en met hogere kwaliteit Beheer kan efficiënter en met hogere kwaliteit Leveranciers van beheertools en organisaties die IT-beheer uitvoeren prijzen

Nadere informatie

DE MMO. De Lean verbetertool voor procesoptimalisatie door (verpleeg)teams. zorgadviseurs

DE MMO. De Lean verbetertool voor procesoptimalisatie door (verpleeg)teams. zorgadviseurs DE MMO De Lean verbetertool voor procesoptimalisatie door (verpleeg)teams zorgadviseurs pak nieuwe kaart Is dit wenselijk? ACTIVITEIT Is dit wenselijk? pak nieuwe kaart onnodige handeling z.o.z. CONTINU

Nadere informatie

Haal het beste uit uw gegevens met geïntegreerde Business Intelligence

Haal het beste uit uw gegevens met geïntegreerde Business Intelligence Exact Insights powered by QlikView Haal het beste uit uw gegevens met geïntegreerde Business Intelligence Met Exact Insights zet u grote hoeveelheden data moeiteloos om in organisatiebrede KPI s en trends.

Nadere informatie

Werken met Lean. Peter Matthijssen Consultant BiZZdesign. Almar Jong Consultant BiZZdesign

Werken met Lean. Peter Matthijssen Consultant BiZZdesign. Almar Jong Consultant BiZZdesign Werken met Lean Peter Matthijssen Consultant BiZZdesign Almar Jong Consultant BiZZdesign BiZZdesign Alle rechten voorbehouden. Niets uit deze uitgave mag worden verveelvoudigd, opgeslagen in een geautomatiseerd

Nadere informatie

Internet of Things Businesskansen met slimme en internet-verbonden producten en diensten. Joris Castermans Workshop Internet of Things 1-12-2014

Internet of Things Businesskansen met slimme en internet-verbonden producten en diensten. Joris Castermans Workshop Internet of Things 1-12-2014 Internet of Things Businesskansen met slimme en internet-verbonden producten en diensten Joris Castermans Workshop Internet of Things 1-12-2014 Intro IoT IoT en business! I-real B.V.: H2g0 Real-time

Nadere informatie

Utrecht Business School

Utrecht Business School Cursus Customer Relationship Management De cursus Customer Relationship Management (CRM) duurt ongeveer 2 maanden en omvat 5 colleges van 3 uur. U volgt de cursus met ongeveer 10-15 studenten op een van

Nadere informatie

Governance en Business Intelligence

Governance en Business Intelligence Governance en Business Intelligence Basis voor de transformatie van data naar kennis Waarom inrichting van BI governance? Zorgorganisaties werken over het algemeen hard aan het beschikbaar krijgen van

Nadere informatie

Big Data Feit of Fictie? Twitter: @BigDataStartups

Big Data Feit of Fictie? Twitter: @BigDataStartups Big Data Feit of Fictie? Mark van Rijmenam Big Data Strategist / Blogger @BigDataStartups mark@bigdata-startups.com Agenda - Big Data, waar hebben we het over? - Vijf Big Data trends die een impact zullen

Nadere informatie

enabling your ambition

enabling your ambition Ctac: enabling your ambition Ambities helpen realiseren Als ondernemer of organisatie heeft u plannen voor de toekomst: groeien, een nog efficiënter bedrijfsvoering realiseren of nieuwe producten of diensten

Nadere informatie

The best of both worlds D O O R J E R O E N L I J Z E N G A EN E M I E L H E I N S B R O E K

The best of both worlds D O O R J E R O E N L I J Z E N G A EN E M I E L H E I N S B R O E K The best of both worlds D O O R J E R O E N L I J Z E N G A EN E M I E L H E I N S B R O E K Het nieuwe toverwoord: Datascience Using automated methods to analyze massive amounts of data and to extract

Nadere informatie

De kracht van een sociale organisatie

De kracht van een sociale organisatie De kracht van een sociale organisatie De toegevoegde waarde van zakelijke sociale oplossingen Maarten Verstraeten. www.netvlies.nl Prinsenkade 7 T 076 530 25 25 E mverstraeten@netvlies.nl 4811 VB Breda

Nadere informatie

Begrippenlijst Inzicht in de wereld van big data, marketing en analyse

Begrippenlijst Inzicht in de wereld van big data, marketing en analyse Begrippenlijst Inzicht in de wereld van big data, marketing en analyse 4orange, 13 oktober 2015 Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl 2 Inhoud Achtergrond & Aanleiding... 3 A... 3 B...

Nadere informatie

Van Samenhang naar Verbinding

Van Samenhang naar Verbinding Van Samenhang naar Verbinding Sogeti Page 2 VAN SAMENHANG NAAR VERBINDING Keuzes, keuzes, keuzes. Wie wordt niet horendol van alle technologische ontwikkelingen. Degene die het hoofd koel houdt is de winnaar.

Nadere informatie

Nedap Varkens Prestatie Test

Nedap Varkens Prestatie Test Complete oplossingen voor varkenshouderij Nedap biedt middels elektronische individuele dieridentificatie efficiënte en slimme oplossingen voor dierverzorging in de gehele varkenshouderij. Nedap Varkens

Nadere informatie

Native Learning - Werkatelier Digitale Transformatie

Native Learning - Werkatelier Digitale Transformatie Dit jaar stuurt Native Consulting u daadwerkelijk het veld in. Leer meer over door een maatschappelijke uitdaging aan te pakken. Ontwerp de (dienstverlenende) gemeente van de toekomst door gebruik te maken

Nadere informatie

Optimaal benutten, ontwikkelen en binden van aanwezig talent

Optimaal benutten, ontwikkelen en binden van aanwezig talent Management Development is een effectieve manier om managementpotentieel optimaal te benutten en te ontwikkelen in een stimulerende en lerende omgeving. De manager van vandaag moet immers adequaat kunnen

Nadere informatie

ADVANCED KNOWLEDGE SERVICES (AKS )

ADVANCED KNOWLEDGE SERVICES (AKS ) ADVANCED KNOWLEDGE SERVICES (AKS ) EEN KRACHTIG NIEUW BUSINESS IMPROVEMENT PARADIGMA OM COMPLEXITEIT TE BEHEERSEN DEMO AKS BUSINESS BENEFITS: VAKANTIEDAGEN SOP EEN KRACHTIG NIEUW BUSINESS IMPROVEMENT PARADIGMA

Nadere informatie

Customer Case VIBA. Feiten in het kort:

Customer Case VIBA. Feiten in het kort: Feiten in het kort: Bedrijf: NV Medewerkers: 100 Activiteiten: is een technische handelsonderneming met de hoofdvestiging in Zoetermeer. De organisatie telt drie divisies: Bevestigen; Machinegereedschappen

Nadere informatie

Datamining: Graven in gegevens

Datamining: Graven in gegevens Datamining: Graven in gegevens Business Intelligence in de praktijk Jasper Lansink CMG Noord Nederland - Advanced Technology Agenda Business Intelligence Datamining theorie Datamining in de praktijk management

Nadere informatie

Global Project Performance

Global Project Performance Return on investment in project management PMO IMPLEMENTATIE PRINCE2 and The Swirl logo are trade marks of AXELOS Limited. PMO PROJECT MANAGEMENT OFFICE Een Project Management Office voorziet projecten,

Nadere informatie

De cloud die gebouwd is voor uw onderneming.

De cloud die gebouwd is voor uw onderneming. De cloud die gebouwd is voor uw onderneming. Dit is de Microsoft Cloud. Elke onderneming is uniek. Van gezondheidszorg tot de detailhandel, van fabricage tot financiële dienstverlening: geen twee ondernemingen

Nadere informatie

turning data into profit knowhowmarketing

turning data into profit knowhowmarketing turning data into profit knowhowmarketing Kennis over de markt, de klant, de concurrent en de effectiviteit van marketing wordt steeds belangrijker. Succesvolle bedrijven gebruiken deze kennis om snel

Nadere informatie

Mastermind groep. Business Development. Leiderschap in het creëren van een sterke business

Mastermind groep. Business Development. Leiderschap in het creëren van een sterke business Mastermind groep Business Development Leiderschap in het creëren van een sterke business Business Development Leiderschap in het creëren van een sterke business In turbulente tijden staat uw business voortdurend

Nadere informatie

Waardecreatie is niet langer gebonden aan tijd, plaats en middelen:

Waardecreatie is niet langer gebonden aan tijd, plaats en middelen: Waardecreatie is niet langer gebonden aan tijd, plaats en middelen: Software voor het ontwikkelen en activeren van een sterk merk. Online Branding Software Wazokuu! Online Branding is software die de belangrijkste

Nadere informatie

18 REDENEN OM TE KIEZEN VOOR CENTRIC PROJECTPORTAAL BOUW

18 REDENEN OM TE KIEZEN VOOR CENTRIC PROJECTPORTAAL BOUW 18 REDENEN OM TE KIEZEN VOOR CENTRIC PROJECTPORTAAL BOUW Versie: 1 Datum 21 april 2016 Auteur Peter Stolk Centric Projectportaal Bouw 1 Inhoudsopgave 1 Inleiding 2 Actuele informatie cruciaal 3 SharePoint

Nadere informatie

DATAGEDREVEN INNOVATIE ALS STRATEGIE JOP ESMEIJER, TNO

DATAGEDREVEN INNOVATIE ALS STRATEGIE JOP ESMEIJER, TNO DATAGEDREVEN INNOVATIE ALS STRATEGIE JOP ESMEIJER, TNO 1 Crossover Energie - Datagedreven Diensten 2 Crossover Energie - Datagedreven Diensten NIEUWE MANIEREN OM WAARDE TE CREËREN Advanced R&D: nieuwe

Nadere informatie

Big Data: wat is het en waarom is het belangrijk?

Big Data: wat is het en waarom is het belangrijk? Big Data: wat is het en waarom is het belangrijk? 01000111101001110111001100110110011001 Hoeveelheid 10x Toename van de hoeveelheid data elke vijf jaar Big Data Snelheid 4.3 Aantal verbonden apparaten

Nadere informatie

Incore Solutions Learning By Doing

Incore Solutions Learning By Doing Incore Solutions Learning By Doing Incore Solutions Gestart in November 2007 Consultants zijn ervaren met bedrijfsprocessen en met Business Intelligence Alle expertise onder 1 dak voor een succesvolle

Nadere informatie

DATAMODELLERING BEGRIPPENBOOM

DATAMODELLERING BEGRIPPENBOOM DATAMODELLERING BEGRIPPENBOOM Inleiding In dit whitepaper wordt de datamodelleervorm begrippenboom inclusief de begrippenlijst beschreven. Deze modelleervorm staat in verhouding tot een aantal andere modelleervormen.

Nadere informatie

ICT als aanjager van de onderwijstransformatie

ICT als aanjager van de onderwijstransformatie ICT als aanjager van de onderwijstransformatie ICT als aanjager van de onderwijstransformatie Technologische innovatie biedt het onderwijs talloze mogelijkheden. Maar als we die mogelijkheden echt willen

Nadere informatie

Cover Page. The handle http://hdl.handle.net/1887/33081 holds various files of this Leiden University dissertation.

Cover Page. The handle http://hdl.handle.net/1887/33081 holds various files of this Leiden University dissertation. Cover Page The handle http://hdl.handle.net/1887/33081 holds various files of this Leiden University dissertation. Author: Stettina, Christoph Johann Title: Governance of innovation project management

Nadere informatie

DATAMODELLERING ARCHIMATE DATA- & APPLICATIEMODELLERING

DATAMODELLERING ARCHIMATE DATA- & APPLICATIEMODELLERING DATAMODELLERING ARCHIMATE DATA- & APPLICATIEMODELLERING Inleiding In dit whitepaper wordt de datamodelleervorm ArchiMate data- & applicatiemodellering beschreven. Deze modelleervorm staat in verhouding

Nadere informatie

Groeikansen met (big) data. Workshop 26 november 2014

Groeikansen met (big) data. Workshop 26 november 2014 Groeikansen met (big) data Workshop 26 november 2014 Overal data 2 Overal data Verdergaande digitalisering 3,6 device per persoon 51% gebruikt tablet Bijna 90% dagelijks internet Internet of Things 3 Maar

Nadere informatie

Strategische personeelsplanning objectief onderbouwen met People Analytics

Strategische personeelsplanning objectief onderbouwen met People Analytics Strategische personeelsplanning objectief onderbouwen met People Analytics Na het lezen van deze white paper weet u: Wat een strategische personeelsplanning (SPP) is Hoe organisaties veranderen door automatisering

Nadere informatie

Van innovatie naar productie

Van innovatie naar productie Van innovatie naar productie Data lab Data Factory Innoveren Ontdekken Creativiteit Produceren Borgen Beheersbaarheid Big Data Innovatie Aanpak Data lab Data Factory Top 3 Van waardevol idee naar waarde

Nadere informatie

PROPOSITIE DEVELOPER. Consulting Exit Business Development Marketing #VACATURE

PROPOSITIE DEVELOPER. Consulting Exit Business Development Marketing #VACATURE Consulting Exit Business Development Marketing #VACATURE PROPOSITIE DEVELOPER De prijzenkast van bol.com puilt uit: Retailer van het Jaar, Beste webshop, publieksprijzen, noem maar op. De e-tailer kent

Nadere informatie

De controller met ICT competenties

De controller met ICT competenties De controller met ICT competenties Whitepaper door Rob Berkhof Aangeboden door NIVE Opleidingen De controller met ICT competenties De huidige samenleving is nauwelijks meer voor te stellen zonder informatisering.

Nadere informatie

Het implementeren van een value-model als kader voor innovatie in de gezondheidszorg: Productontwikkeling van testapparaten in de medische sector.

Het implementeren van een value-model als kader voor innovatie in de gezondheidszorg: Productontwikkeling van testapparaten in de medische sector. Het implementeren van een value-model als kader voor innovatie in de gezondheidszorg: Productontwikkeling van testapparaten in de medische sector. De ontwikkeling van een Value Creation Strategy. DOVIDEQ

Nadere informatie

Impact Masters Checklist

Impact Masters Checklist Impact Masters Checklist Inhoudsopgave 1. Inleiding 3 2. Vliegwiel van Impact 4 3. Checklist 6 4. Vervolgvragen 8 Blz. 2 Inleiding Impact Masters helpt ondernemers nieuwe kansen te ontdekken voor hun bedrijf

Nadere informatie

Business Model Innovation Guide

Business Model Innovation Guide Business Model Innovation Guide Over waarom business model innovatie cruciaal is en hoe je dat aanpakt Uitgave: April 2016 Auteur: Eefje Jonker-van Dun Strategy Designer & Managing Director Business Models

Nadere informatie

Visie op duurzaam Veranderen

Visie op duurzaam Veranderen Visie op duurzaam Veranderen Ruysdael Ruysdael is een gerenommeerd bureau dat zich sinds haar oprichting in 1994 heeft gespecialiseerd in het managen van veranderingen. Onze dienstverlening kent talloze

Nadere informatie

CATEGORY LEAD HOME & LIVING

CATEGORY LEAD HOME & LIVING Consulting Exit Digital Category Management #VACATURE CATEGORY LEAD HOME & LIVING Wehkamp is een van Nederlands meest succesvolle online retailers. De missie van het bedrijf is de nummer één zijn in de

Nadere informatie

Business Intelligence vergroot Cust mer Experience @ KPN Mobile. Michiel Valk Manager Information Services Februari / maart 2006

Business Intelligence vergroot Cust mer Experience @ KPN Mobile. Michiel Valk Manager Information Services Februari / maart 2006 Business Intelligence vergroot Cust mer Experience @ KPN Mobile Michiel Valk Manager Information Services Februari / maart 2006 De vraag: Hoe? bedien je met zo n 2000 medewerkers in een zeer competitieve

Nadere informatie

Megatrend. Technologie (mondiaal/globalisering) sector die een marktaandeel veroveren in de creatieve industrie

Megatrend. Technologie (mondiaal/globalisering) sector die een marktaandeel veroveren in de creatieve industrie Megatrend Megatrend Ontwikkeling Effect Praktijk Technology (digitalisering) Interne processen anders organiseren Andere manier van produceren, verkopen en distributie Technologie (mondiaal/globalisering)

Nadere informatie

GELOOFWAARDIGHEID is de sleutel tot succesvolle interne communicatie. April 2012. Concrete tips voor effectieve interne communicatie

GELOOFWAARDIGHEID is de sleutel tot succesvolle interne communicatie. April 2012. Concrete tips voor effectieve interne communicatie GELOOFWAARDIGHEID is de sleutel tot succesvolle interne communicatie April 2012 Concrete tips voor effectieve interne communicatie Amsterdam, augustus 2012 Geloofwaardige interne communicatie Deze white

Nadere informatie

Management. Analyse Sourcing Management

Management. Analyse Sourcing Management Management Analyse Sourcing Management Management Business Driven Management Informatie- en communicatietoepassingen zijn onmisbaar geworden in de dagelijkse praktijk van uw organisatie. Steeds meer

Nadere informatie

Hoe wordt technologie een groeiversneller voor jouw bedrijf?

Hoe wordt technologie een groeiversneller voor jouw bedrijf? Hoe wordt technologie een groeiversneller voor jouw bedrijf? Digital Transformation een van de buzzwoorden van deze tijd. Begrijpelijk want nieuwe mogelijkheden, ontstaan door technologische vooruitgang,

Nadere informatie

INNOVATIEMANAGEMENT HOOFDSTUK 2. Door Nienke Rusticus en Fleur Zumbrink

INNOVATIEMANAGEMENT HOOFDSTUK 2. Door Nienke Rusticus en Fleur Zumbrink INNOVATIEMANAGEMENT HOOFDSTUK 2 Door Nienke Rusticus en Fleur Zumbrink 2.1 SUCCES IS NIET TE KOOP Succesfactoren van innovatieprojecten Het nieuwe product- gaat om de inschatting die klanten maken van

Nadere informatie

Kickstart Architectuur. Een start maken met architectuur op basis van best practices. Agile/ TOGAF/ ArchiMate

Kickstart Architectuur. Een start maken met architectuur op basis van best practices. Agile/ TOGAF/ ArchiMate Kickstart Architectuur Een start maken met architectuur op basis van best practices. Agile/ TOGAF/ ArchiMate Context schets Net als met andere capabilities in een organisatie, is architectuur een balans

Nadere informatie

Data-analyse voor Doelmatig Overheidsbeleid

Data-analyse voor Doelmatig Overheidsbeleid Conceptprogramma Driedaagse Leergang Data-analyse voor Doelmatig Overheidsbeleid Vrijdagen 2, 9 en 16 juni 2017 Hotel NH Utrecht Doelgroepen: Managers van kennis en informatie bij de overheid, waaronder:

Nadere informatie

Drie domeinen als basis voor onze toekomstige veiligheid De genoemde trends en game changers raken onze veiligheid. Enerzijds zijn het bedreigingen, anderzijds maken zij een veiliger Nederland mogelijk.

Nadere informatie

BUSINESS ANALYSE & ASSESSMENT

BUSINESS ANALYSE & ASSESSMENT BUSINESS ANALYSE & ASSESSMENT biedt diensten aan waarin het analyseren van het huidige business model centraal staat. De focus ligt hier op de interne bedrijfsvoering. Met behulp van een aantal methodes

Nadere informatie

Ingrid Mulder Jaap van Till Jos van Hillegersberg

Ingrid Mulder Jaap van Till Jos van Hillegersberg Ingrid Mulder Jaap van Till Jos van Hillegersberg Toenemende druk door veranderde wensen omgeving Overheid eist nog steeds aantallen en fabrieksmatige productie Als tegenreactie wordt kwaliteits- en efficiency

Nadere informatie

10 Innovatielessen uit de praktijk 1

10 Innovatielessen uit de praktijk 1 10 Innovatielessen uit de praktijk 1 Geslaagde gastoudermeeting levert veel ideeën op voor innovatie! Wat versta ik onder innoveren? Innoveren is hot. Er zijn vele definities van in omloop. Goed om even

Nadere informatie

De Next Practice. Wilbert Teunissen Management Consultant Informatiemanagement

De Next Practice. Wilbert Teunissen Management Consultant Informatiemanagement De Next Practice Wilbert Teunissen Management Consultant Informatiemanagement Sogeti & ontwikkeling van FB 2005 De Uitdaging 4 e industriële revolutie NU!! Digitale Economie 27% heeft op dit moment een

Nadere informatie

Inleiding CUSTOMER TOUCH MODEL. Is het mogelijk klanten zo goed te kennen dat je kunt voorspellen wat ze gaan kopen voordat ze dat zelf weten?

Inleiding CUSTOMER TOUCH MODEL. Is het mogelijk klanten zo goed te kennen dat je kunt voorspellen wat ze gaan kopen voordat ze dat zelf weten? Inleiding Is het mogelijk klanten zo goed te kennen dat je kunt voorspellen wat ze gaan kopen voordat ze dat zelf weten? Er zijn geruchten dat Amazon een dergelijke gedetailleerde kennis van haar klanten

Nadere informatie

FBTO voorspelt binnen 24 uur na lancering het resultaat van een online campagne.

FBTO voorspelt binnen 24 uur na lancering het resultaat van een online campagne. FBTO voorspelt binnen 24 uur na lancering het resultaat van een online campagne. Toen het in kaart brengen van bezoekersgedrag op websites nog in de kinderschoenen stond, beperkten marketeers zich tot

Nadere informatie

Hoe kan u strategie implementeren en tot leven brengen in uw organisatie?

Hoe kan u strategie implementeren en tot leven brengen in uw organisatie? Hoe kan u strategie implementeren en tot leven brengen in uw organisatie? De externe omgeving wordt voor meer en meer organisaties een onzekere factor. Het is een complexe oefening voor directieteams om

Nadere informatie

HR Analytics Dr. Sjoerd van den Heuvel

HR Analytics Dr. Sjoerd van den Heuvel HR Analytics Dr. Sjoerd van den Heuvel » Wat is HR Analytics? (en wat niet)» HR Analytics Hoe doe je dat?» Predictive analytics De heilige graal van HRM?» Klaar om te starten met (échte) HR Analytics?

Nadere informatie

Hoe laat IT en business- alignment jouw organisatie accelereren?

Hoe laat IT en business- alignment jouw organisatie accelereren? Hoe breek je de muur af tussen business en IT? blog Hoe laat IT en business- alignment jouw organisatie accelereren? De 2x4 grootste uitdagingen door Edwin Roetgering, PreSales / Business-consultant bij

Nadere informatie

LinkedIn is het meest gebruikte platform van Nederlandse bedrijven, gevolgd door Facebook en Twitter

LinkedIn is het meest gebruikte platform van Nederlandse bedrijven, gevolgd door Facebook en Twitter 1 Huidig gebruik van social media LinkedIn is het meest gebruikte platform van Nederlandse bedrijven, gevolgd door Facebook en Twitter Huidig gebruik van social media % van respondenten, meerdere antwoorden

Nadere informatie

Big Data Halen we wijsheid uit de datalawine of laten we ons IeTs wijsmaken? Willem Brethouwer RM INDI Platform 10 oktober 2014

Big Data Halen we wijsheid uit de datalawine of laten we ons IeTs wijsmaken? Willem Brethouwer RM INDI Platform 10 oktober 2014 Big Data Halen we wijsheid uit de datalawine of laten we ons IeTs wijsmaken? Willem Brethouwer RM INDI Platform 10 oktober 2014 Oktober 2014 Big Data INDI Platform 1 Mijn BOODSCHAP: BIG DATA kan ook BIG

Nadere informatie

Inspiratie voor kennis innovatie

Inspiratie voor kennis innovatie Inspiratie voor kennis innovatie De laatste dimensie van kennisdeling Ontdek de waarde bij de bron Waarom is dit interessant? Het grootste deel van wat een organisatie weet is impliciet: tacit knowledge.

Nadere informatie

Het Ontwikkelteam Digitale geletterdheid geeft de volgende omschrijving aan het begrip digitale technologie:

Het Ontwikkelteam Digitale geletterdheid geeft de volgende omschrijving aan het begrip digitale technologie: BIJGESTELDE VISIE OP HET LEERGEBIED DIGITALE GELETTERDHEID Digitale geletterdheid is van belang voor leerlingen om toegang te krijgen tot informatie en om actief te kunnen deelnemen aan de hedendaagse

Nadere informatie

Snelheid van informatie

Snelheid van informatie Snelheid van informatie BI, dat is niets voor mij Logres Business Solu Solutions ons B.. B.. Wat is het? Business Intelligence Systemen oftewel BI. Het zijn systemen die ons helpen om opgeslagen gegevens

Nadere informatie

DE CIO VAN DE TOEKOMST

DE CIO VAN DE TOEKOMST MIC 2015 DE CIO VAN DE TOEKOMST 30 oktober 2015 Mark van der Velden principal adviseur, interim manager EVEN VOORSTELLEN ONDERWERPEN De complexiteit van ICT in de zorg ICT ontwikkeling in drie stappen

Nadere informatie

20 mei 2008. Management van IT 1. Management van IT. Wat is dat eigenlijk? IT organisaties: overeenkomsten en verschillen

20 mei 2008. Management van IT 1. Management van IT. Wat is dat eigenlijk? IT organisaties: overeenkomsten en verschillen Management van IT Han Verniers PrincipalConsultant Han.Verniers@Logica.com Logica 2008. All rights reserved Programma Management van IT Wat is dat eigenlijk? IT organisaties: overeenkomsten en verschillen

Nadere informatie

Functioneel Beheer middag 2016

Functioneel Beheer middag 2016 Functioneel Beheer middag 2016 1 Vanmorgen hadden wij standup en toen. Verbouwen met de winkel open IT gebruiken voor Just in Time Snelheid en wendbaarheid in het proces Voldoen aan hoge kwaliteitseisen

Nadere informatie

GEDRAGSMANAGEMENT. Inleiding. Het model. Poppe Persoonlijk Bas Poppe: 06 250 30 221 www.baspoppe.nl info@baspoppe.nl

GEDRAGSMANAGEMENT. Inleiding. Het model. Poppe Persoonlijk Bas Poppe: 06 250 30 221 www.baspoppe.nl info@baspoppe.nl GEDRAGSMANAGEMENT Dit kennisitem gaat over gedrag en wat er komt kijken bij gedragsverandering. Bronnen: Gedragsmanagement, Prof.dr. Theo B. C. Poiesz, 1999; Samenvatting boek en college, A.H.S. Poppe,

Nadere informatie

IBM; dataopslag; storage; infrastructuur; analytics; architectuur; big data

IBM; dataopslag; storage; infrastructuur; analytics; architectuur; big data Asset 1 van 10 Big Data Analytics voor Dummies Gepubliceerd op 30 june 2014 Gelimiteerde editie van de populaire Dummies-reeks, speciaal voor managers. Het boek legt uit waarom Big Data Analytics van cruciaal

Nadere informatie

Internet of Things. Ontwikkelen van nieuwe business met slimme en internet-verbonden producten en diensten

Internet of Things. Ontwikkelen van nieuwe business met slimme en internet-verbonden producten en diensten Internet of Things Ontwikkelen van nieuwe business met slimme en internet-verbonden producten en diensten Joris Castermans 7 juli 2014 Korte definitie IoT: Netwerk van slimme communicerende objecten Waarom

Nadere informatie

Innovatie in Eersel. Eersel onderweg naar Niet alleen de bestemming, maar ook de reis. Raadsinformatieavond 6 september 2016

Innovatie in Eersel. Eersel onderweg naar Niet alleen de bestemming, maar ook de reis. Raadsinformatieavond 6 september 2016 Innovatie in Eersel Eersel onderweg naar 2030 Niet alleen de bestemming, maar ook de reis. Raadsinformatieavond 6 september 2016 Programma Het begrip Innovatie Eerselse innovatiestrategie Strategie in

Nadere informatie

Investeren in duurzame inzetbaarheid loont

Investeren in duurzame inzetbaarheid loont Investeren in duurzame inzetbaarheid loont Samen verantwoordelijk voor mens en organisatie Een belangrijk onderwerp binnen organisaties is de duurzame inzetbaarheid van medewerkers. We zitten midden in

Nadere informatie

Utrecht Business School

Utrecht Business School Cursus Human Resource Analytics De cursus Human Resource Analytics duurt ongeveer 2 maanden en omvat 5 colleges van 3 uur. U volgt de cursus met ongeveer 10-15 studenten op een van onze opleidingslocaties

Nadere informatie