Data driven. Het plan naar data driven business door advanced analytics Business.
Analytics: uw data slim gebruiken en zo uw business optimaliseren! Marijn Uilenbroek BIA Consultant, Sogeti BI & Analytics Arie Twigt Data scientist, Sogeti BI & Analytics t Spant Bussum 23 November 2015 Data driven analytics - The age of data obsession 2
Agenda Waar staan we in de BI maturity Welke uitdaging hebben we in verkrijgen van kennis Wat is analytics Hoe starten we met analytics Klantcase de Friesland zorgverzekeraar Data driven analytics - The age of data obsession 3
Waar staan we in de BI maturity? Feiten verleden Begrip verleden Hoe hebben we het gedaan Hoe hebben we het gedaan Bijsturen Data driven analytics - The age of data obsession 4
Waar staan we in de BI maturity Wat is de gemiddelde bruto verkoopprijs per regio? Wat is het omzetverschil tussen 2014 en 2015 en welke divisie heeft ondergepresteerd? Hoe lang blijven klanten een klant bij ons? Hoe lang blijven nieuwe klanten een klant bij ons? Hoe lang blijft deze specifieke klant een klant bij ons? Data driven analytics - The age of data obsession 5
Competitief voordeel Waar staan we in de BI maturity Wat als deze trend aanhoudt? Waarom gebeurt het? Wat is het beste dat er kan gebeuren? Wat gebeurt er hierna? Statistische analyse Voorspellen Predictive Modeling Optimalisatie Std reporting Ad hoc reporting Query Drilldown Welke acties zijn noodzakelijk? Waar zitten de problemen precies? Hoe vaak, hoeveel en waar? Wat is er gebeurd? Alerts Mate van Intelligentie Data driven analytics - The age of data obsession 6
Waar staan we in de BI maturity Data driven analytics - The age of data obsession 7
Wat is analytics? Data driven analytics - The age of data obsession 8
Wat is analytics? Regressie: Correlatie analyse: Clustering & Outlier analyse: Classificatie: Optimalisatie: - Welke personen horen wij meer aandacht te geven om zo bij ons te blijven? - Waar groeit onze omzet heen? - Wat is de verwachtte uitstoom van goederen? - Wat is het juiste moment om een technisch onderdeel te vervangen? - Welke factoren spelen een belangrijke rol bij de aankoop? - Wat beïnvloed de hersteltijd het meest? - Waar zien we fraudegevallen? - Welke natuurlijke doelgroepen onderkent de data? - In welke groep past de cliënt het best? - Hoe kan ik resultaat maximaliseren met vastgestelde beperkingen? - Hoe kan ik overhead-ruimte minimaliseren? Data driven analytics - The age of data obsession 9
Niet veel te vroeg voor advanced analytics? kwaliteit van werk afhankelijk is van de kwaliteit van data en de mogelijkheid daar snel inzetbare inzichten uit te halen sense of urgency bemerken we bij organisaties: We moeten er iets mee 729 results NL 149 regio A dam Data driven analytics - The age of data obsession 10
Hoe starten we met analytics? Onderzoeksvraag? Dataset Modelering Visualisatie Actie Data driven analytics - The age of data obsession 11
Hoe starten we met Analytics? Solution Build Data driven analytics - The age of data obsession 12
Solution build Kosten en opbrengst business case Aanpak en prioriteiten Analyse & identificeren kansen Visie op de oplossing Doelstellingen en kaders Resultaten Inzicht Snelle besluitvorming (min. 50% sneller) Draagvlak oplossing Roadmap Bepalen requirements Bepalen scope en succescriteria Business drivers & probleemdefinitie Data driven analytics - The age of data obsession 13
Hoe starten we met Analytics? Solution Build Intelligent KickStart Data driven analytics - The age of data obsession 14
Intelligent KickStart Resultaten Plan van Aanpak Vervolg Presentatie en Demo Dashboarding en Reporting Intelligent combineren Vergaren data Bepalen succescriteria, scope, tooling Bewijs door werkende oplossing Overtuiging stakeholders Basis voor vervolg Plan voor vervolg Cloud Leren van proces Bepalen doelen Data driven analytics - The age of data obsession 15
Proof of adventure Data driven analytics - The age of data obsession 16
Hoe starten we met Analytics? Solution Build Intelligent KickStart Project Data driven analytics - The age of data obsession 17
Intelligent KickStart - proof of adventure Data driven analytics - The age of data obsession 18
Verbanden ontdekken - Correlatieplot Data driven analytics - The age of data obsession 19
Verband tussen sport en hartklachten? Data driven analytics - The age of data obsession 20
Verband tussen sport en botklachten? Data driven analytics - The age of data obsession 21
Minder depressie als je lid bent van een vereniging? Data driven analytics - The age of data obsession 22
Begin Statistical Learning - Lineaire regressie Kwantitatieve output: Eén voorspelde variabele; Eén of meerdere voorspellende variabelen. Bijvoorbeeld: ŷ = Uitgaven Psychologie; X1= Uitgaven geblindeerd; X2 = Uitgaven Alcohol stoornis; X3 = Uitgaven Eetstoornis; X4 = Uitgaven Depressieve stoornis. ŷ =β0+ βx1+ βx2+βx3+βx4 Data driven analytics - The age of data obsession 23
Modellen maken en evalueren Data driven analytics - The age of data obsession 24
en verbeteren. Data driven analytics - The age of data obsession 25
Start het avontuur Om de geheimen in uw data te leren ontdekken is, data, businesskennis, technologie, aanpak en data science nodig! In the age of data obsession
Contact. Marijn Uilenbroek E marijn.uilenbroek@sogeti.com T +31(0)6 52 65 97 41 @datajunk