In de strategische keuzes voor een dataplatform (alle in een organisatie aanwezige data: databanken, bestanden, back-ups) is de balans tussen zakelijke behoeften en de technologische mogelijkheden van belang.

In de praktijk zien we echter nog veel te vaak de technologie centraal staan in de benadering van data. Ook als we definities zoeken op internet valt op dat technologie centraal staat.

Zelf spreken we veel liever over Data Intelligentie als:

“De methodes en technologieën die de kloof dicht tussen de beschikbare gegevens en de mogelijkheid om die gegevens om te zetten in zakelijk inzicht.”

Om dat te bereiken, is het voor een Data Intelligentiestrategie cruciaal om met volgende 5 uitgangspunten rekening te houden:

 

1. Vind een balans tussen bottom-up (tech-led) en top-down (zakelijke leiding) planning

Beide benaderingen hebben hun verdiensten, maar afzonderlijk hebben ze geen kans van slagen. Als je vindt dat de dialoog tussen business en IT-professionals een wederzijds onbegrijpelijk jargon wordt gesproken, richt dan de inspanningen op het vinden van een gemeenschappelijke taal. 

2. Erken dat er niet één ‘data’-technologie is

Terwijl Hadoop, Spark en andere NoSQL technologiën een belangrijke rol beginnen te spelen, gaat data intelligentie over veel meer dan deze technologieën. Verschillende scenario’s vereisen verschillende big data technologieën. De exacte combinatie verschilt tussen organisaties, is afhankelijk van businessvereisten en reeds bestaande omgevingen. Met onze referentie-architecturen kunnen we u helpen een eenvoudig raamwerk voor uw organisatie te introduceren.

 

3. Data Intelligentie gaat verder dan één specifieke Use Case

In het verleden vormden we data naar specifieke businessbehoeften. Nu beseffen we dat we met de data van vandaag morgen misschien ook andere behoeften kunnen invullen. Ook onderwerpen die in het verleden aan de oppervlakte bleven borrelen, zoals bijvoorbeeld de nauwkeurigheid van marketingcampagnes verbeteren, de opsporing van fraude verhogen, downtime verminderen, krijgen met allerhande big data technieken een concrete invulling.

Zo kunnen we bijvoorbeeld aan de hand van de gedragsanalyse van klanten bij een Italiaanse verzekeringsmaatschappij de volgende “vertrekker” voorspellen. Hierdoor kon de klantendienst pro-actief gesprekken aangaan met ontevreden klanten.

4. Maak een langetermijnplanning voor uw data-platform

Wat u niet wil, is een nieuwe set van datasilo’s. Die zijn moeilijk te onderhouden zijn en duur om te integreren. Er zullen uiteraard altijd momenten zijn waarop je tactische keuzes maakt. Maar het moet altijd duidelijk zijn hoe deze invloed hebben op de lange termijn.

Zo kan je bijvoorbeeld kiezen om voor een bepaalde actie tijdelijk externe info te halen van social media. Wanneer je vaststelt dat dit meerdere malen gebeurt, kan je dat best structureel in de data-architectuur opnemen.

5. Experimenteer met een flexibel dataplatform

Zorg dat je met je platform op verschillende datamanagement en data-analytics scenario's kan inspelen. Meer geavanceerde technieken zoals predictive modeling, semantisch zoeken en geospatial analytics behoren daarbij tot de mogelijkheden.

Dat je in je strategie verder gaat dan de technologie centraal stellen betekent echter niet dat het duidelijk moet zijn waarom en hoe data intelligentie impact heeft. Laat staan dat je al bepaalt wat je precies gaat doen. Een proefproject of een proof-of-concept dat aantoont wat data intelligentie in een zakelijke context betekent, verschilt van een Hadoop cluster implementeren en dan wachten tot de business projecten begint te vragen.