Dag 4: Big Data en Datagedreven Dienstverlening

Over Big Data zijn mooie citaten, zoals: “Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it…”
Feit is wel dat Big Data in Silicon Valley de portemonnee van investeerders open doet gaan en een belangrijke reden is waarom alle startups focussen op zoveel mogelijk gebruikers krijgen. Hoe meer gebruikers, hoe meer data, hoe preciezer klantsegmenten, hoe meer adverteerders. Big data neemt ook een enorme vlucht. We hebben bijna het punt bereikt waarop meer machines met elkaar praten dan mensen. De afgelopen twee jaar is er sowieso meer data geproduceerd dan in de hele wereldgeschiedenis daarvoor bij elkaar. Er zijn dus niet veel reden om je kop in het zand te steken.

Heel veel bronnen
Verbazingwekkend waar alle data vandaan komen en wat nieuwe bronnen zijn. Het gaat allang niet meer om data uit onze ERP-bakken of surfgedrag. De nieuwe data komen sensoren, Wi-fi, wearables (van brillen tot tattoos), lampen, de apps op je telefoon, tandenborstels die vertellen hoe goed je hebt gepoetst, je kunt het zo gek niet bedenken. En omdat we steeds beter in staat zijn deze data te ontsluiten, kunnen we daar allerlei interessante dingen uit afleiden. Klantgedrag: wie koopt er wat, wanneer en hoe vaak? Voorspellingen over koopgedrag, je gezondheid, de beurskoers of aankomende verstoringen. Het gaat over gestructureerde data (die in ERP zitten), maar de winst zit vooral in het uitlezen van ongestructureerde data. Data uit platte teksten, mailtjes, files. Zo kan Gmail je mail uitlezen en daarom zie je advertenties die bij jouw interessevelden passen.

Speld in een hooiberg
Met zoveel data voelt het wel als het zoeken naar een speld in een hooiberg, waar moet je beginnen? Of als een glascontainer, gooi er wat in en het rinkelt altijd. De truc van Big Data is weten welk probleem je moet oplossen. Dit soort problemen, inclusief je database kun je bijvoorbeeld via Kaggle.com online zetten. Experts in de crowd of op invitatie, gaan op zoek naar oplossingen. Dit zijn experts uit alle hoeken en gaten. Daarmee voorkom je het ‘hamer en spijker’ fenomeen (als je goed bent in hameren, wil je altijd met een spijker iets oplossen). Bij Kaggle gaan deze experts in competitie met elkaar, waardoor je de leertijd waanzinnig terugbrengt. Veel cases gaan over het reduceren van faalkosten (wat veroorzaakt verspilling), planningen (spoor, luchtvaart) en sales (sneller van kijken naar kopen). Tips van de specialisten van Kaggle en Radiumone.com (klantdata): begin met een kleine data set en als je niet het idee hebt dat er een grote business case in je probleem zit, ga door met het volgende business issue. Net zolang tot je de ‘grote vissen hebt’. Want die zijn er altijd volgens hen. Op de ‘grote vissen’ ga je pas echt los met al je data.

Nieuwe competenties
Zie hier ook een hele nieuwe beroepsgroep ontstaan. Slimme datanerds die data kunnen ontsluiten, analyseren en ook nog toegankelijk kunnen visualiseren. Geholpen door nieuwe technologie om data in te lezen, grote hoeveelheden data vast te houden, te analyseren en er vervolgens ook nog iets moois van te maken. Bij Splunk.com prachtige 3D voorbeelden gezien van knelpunten in het verkeer, in- en uitstappende passagiers en geproduceerde uitlaatgassen. Maar ook bijvoorbeeld een visualisatie van een gebouw in aanbouw en waar je kunt zien waar de uitloop van bouwkosten zich voor gaat doen. Vergelijk dat maar eens met bijvoorbeeld het inregelen van een nieuw FM-contract of het regelen van een verhuizing of de bezetting van een gebouw. Met dit soort visualisaties heb je toch sneller een gesprek met de klant over de echte problemen en de business case in plaats van verlaging van onze uurtarieven of m2-prijzen. Sales en operatie krijgen daarmee prachtige mogelijkheden voor consultative selling, dus nieuwe omzet of extra werk. Controllers krijgen beter inzicht in realistische financiële prognoses, HR in de waarde van het menselijk kapitaal van hun organisatie. Kortom Big Data gaat iedereen aan! Daarmee gaat Big Data ook weg van ICT en techneuten en richting mensen die in de dagelijkse praktijk problemen moeten oplossen.


Toepassingen voor onze business – datagedreven dienstverlening
De afgelopen dagen kwamen ook voorbeelden voor onze bedrijven voorbij:
• zorg: data voor logistiek in ziekenhuizen – organiseren rondom pieken en complexe processen
• personeelsdiensten: verrijken van profielen van flexcollega’s
• publieke domein: meldingen burgers over de openbare ruimte en het de opvolging ervan
• facility management: gebruik van gebouwen, wie is waar, wie en wat is beschikbaar
• schoonmaak: bewegingen van mensen en machines
Big Data is dus ook voor ons belangrijk, want zoals ze hier stellen: “Elk bedrijf wordt in wezen een software bedrijf, dat draait op data”.

Waar gaan we naartoe?
Een mooi inzicht krijgen we bij Cloudera.com. Dit is een van de grote jongens en strategisch partner van Google en Intel. Eli Collins, Chief Technologist en Kirk Dunn de COO, nemen ons mee in een ontspannen gesprek. Data is voor hen:
• een ticket to ride. Als je als bedrijf geen data meer op kunt leveren voor je organisatie, klanten of leveranciers, ben je niet geloofwaardig
• iets dat overal in zit (“internet of everything”) – we gaan naar kunstmatige intelligentie, robots, machines die data uitwisselen
• onvermijdelijk. Privacy is inmiddels een schaars goed. Je kunt je bijna niet meer onttrekken aan dataverzameling over jezelf, je huis, je werk, noem maar op. Vraagt wel een actieve rol van de overheid gedemocratiseerd, heel veel data publiek beschikbaar. Kijk maar naar Google Analytics.

Beetje eng is het wel. Er zijn ook mensen die zich proberen te onttrekken. Johan Cruijff is immers nog steeds alleen nog bereikbaar per fax, maar of dat komt omdat hij de opkomst van Big Data had voorzien?

Leave a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>