Artikel
Geschreven door Rob Veneboer
Posted on 22/03/2019

Data is als olie, je moet eerst raffineren

180 keer gelezen

Data is niet zoals de brandstof in een auto, waarmee die meteen vooruit kan. Voordat de brandstof in de tank kan, zijn er al heel wat bewerkingen gebeurd. Hetzelfde geldt voor data. Daar moet u ook eerst behandelen voordat u ermee aan de slag kan.

Heeft u wel eens van een zettabyte gehoord? Dat staat gelijk aan 1.000 exabytes. Eén exabyte is het equivalent van 1.000 petabytes, een getal dat u krijgt als 1.000 terabytes heeft. En één terabyte – dat wist u misschien al wél – is hetzelfde als 1.000 gigabytes.

Kunt u het nog volgen?

Steeds meer data beschikbaar

In 2012 liet IT-bedrijf EMC al een onderzoek uitvoeren waaruit bleek dat de wereld in 2020 40 zettabytes aan digitale data zou produceren. Een getal zó groot, dat het voor ons mensen nauwelijks te bevatten is. Gemiddeld genomen verdubbelt de hoeveelheid data in de wereld iedere twee jaar. En als we na 2020 zien dat ook IoT of Internet of Things steeds meer ingeburgerd raakt in ons leven en in dat van bedrijven, dan zal deze ontwikkeling opnieuw een boost krijgen.

Graydon werkt al jaren met grote hoeveelheden data, onder andere om de kredietwaardigheid van bedrijven te bepalen. De expertise om bedrijven te profileren, passen we inmiddels ook toe op andere vlakken dan financieel risicobeheer. Zo kunnen we tegenwoordig voorspellen welke bedrijven in de toekomst zullen groeien. Waardevolle informatie die inzicht geeft in de kansen van een bedrijf. Hiermee kan een bedrijf haar salesmensen gerichter inzetten en marketingbudget efficiënter besteden. Nieuwe inzichten die we ondertussen ontwikkelden zijn de werkelijke economische activiteit van een bedrijf, de kans dat een bedrijf er de komende twaalf maanden mee ophoudt en de mogelijke betrokkenheid bij fraude. En ondertussen wordt er grondig verder gesleuteld en getest met nieuwe scores en inzichten. Bedenk eens hoe u die in de toekomst zou kunnen inzetten.

Bedrijven stuiten op hindernissen

Al die data leveren dus interessante inzichten op die bedrijven helpen groeien en waarmee ze hun klanten beter kunnen bedienen. Veel bedrijven hebben de mogelijkheden die gekoppeld zijn aan big data ook gezien. Zij beseffen ondertussen dat ze er ‘iets’ mee moeten doen. Maar wat? In de praktijk valt dat lang niet mee. Want de vertaalslag van een berg data naar bruikbare inzichten is niet zo snel gemaakt. Hoe organiseert en structureert u al die data? Hoe interpreteert u de informatie? En – zeer belangrijk – wat doet u er vervolgens mee? Wat zeggen al die gegevens over mijn bedrijf of mijn klanten? Het zijn cruciale vragen die eerst beantwoord moeten worden voordat u tot inzichten kunt komen.

Daarnaast zie ik managers regelmatig verwoede pogingen ondernemen om een intern big data analytics-team op poten te zetten. Maar steeds meer bedrijven hebben de grootste moeite om voldoende data scientists te vinden met de juiste expertise.

Belang van data-preparatie

Dat er nu zoveel data beschikbaar is, wil niet zeggen dat u die meteen kunt inzetten. Die denkfout zie ik bij bedrijven regelmatig gebeuren. Daar wordt de preparatie van data al snel over het hoofd gezien. Ik vergelijk data dan ook graag met olie. Olie is zeer waardevol, maar je moet ze wel raffineren. Anders blijft het een zwarte smurrie waar we verder weinig mee kunnen. Bij data betekent dit dat de data eerst moet worden geprepareerd. Bij Graydon is zeker 80 procent van onze professionals voortdurend bezig met data-preparatie. We organiseren, rangschikken en structureren alle informatie die bij ons binnenkomt. Veel bedrijven onderschatten het belang hiervan. Maar data worden pas echt waardevol als ze opgeschoond, gestructureerd en geordend zijn. Daarna kunnen we de gegevens vergelijken met andere informatie en het klaarmaken voor gebruik. Pas dan zijn we namelijk in staat om de juiste analyses uit te voeren en de data als klant-en-klare inzichten aan onze klanten te leveren. Die gebruiken de inzichten vervolgens weer als grondstof voor hun eigen raffinage.

Dat vereist kennis en veel ervaring. Onderschat die aspecten vooral niet wanneer u een eigen data-afdeling wilt opzetten. De algoritmes snappen, de juiste specialisten vinden en de enorme dynamiek van de materie in de vingers krijgen. Dáár draait het om in datagedreven bedrijven.