Business Intelligence
Om zowel meer als betere datagedreven beslissingen te nemen zal een organisatie het gebruik van Business Intelligence (BI) onder de gebruikers hiervan moeten bevorderen. Dit is de kern van dit artikel: Via augmented analytics naar datagedreven besluiten (15 maart 2023, Computable.nl). De titel en introductie van het artikel haken slim aan op de huidige trend van AI. Het wekt hiermee de indruk dat dit een rode draad in het artikel zal zijn, maar de lezer zal bij het lezen van het relaas teleurgesteld raken. De term ‘AI’ zal slechts één keer genoemd worden als mogelijkheid om BI voor een bepaalde groep relatief nieuwe gebruikers te bevorderen, en komt, met uitzondering op de conclusie, hier niet verder op terug. Desalniettemin maakt het artikel een goed pleidooi; het verbeteren van datageletterdheid en BI skills zal datagedreven beslissingen bevorderen. Dit hoeft echter niet direct met AI tools gedaan te worden, en dit is wat het artikel indirect voorstelt.
Als we kijken naar de meest recente ontwikkelingen op gebied van AI, zoals het toepassen van NLP tools als ChatGPT, zal dit ongetwijfeld het schrijven van het artikel hebben gemotiveerd. Dit kan het maken van analyses vele malen makkelijker en vooral toegankelijker maken, maar het is belangrijk de basisvoorwaarde van een goede analyse niet uit het oog te verliezen. In mijn ervaring is men geneigd een nieuwe tool vaak als een soort toverstok te zien: ‘Wanneer we deze in huis hebben zullen al onze problemen opgelost zijn’. Vervolgens komen we erachter dat veel issues blijven bestaan; masterdata is niet op orde, data zit in afgezonderde silo’s, en verschillende afdelingen gebruiken definities dieniet afgestemd zijn met elkaar.
Veel van de issues die ik hierboven aanhaal zijn verbonden met het gedrag van mensen, daarom is het terecht dat het artikel veel aandacht besteedt aan gedragsverandering. Wanneer datavaardigheden naar een hoger niveau getild wordt, is het makkelijker mensen te overtuigen dat afstemming van definities en masterdata nodig is, of dat een eendrachtige manier van werken volgens Enterprise Resource Planning naar betrouwbaardere data leidt.
Vervolgens zou het naast de gedragsverandering voor bedrijven belangrijk moeten zijn dat men zich nu klaarstoomt voor het gebruik van AI-tools in de toekomst. Een gedegen datastructuur is hier een harde voorwaarde in, “There is no AI without Information Architecture (IA)” [1]. Net als bij een menselijke analyse geldt hier ‘crap in, is crap out’. Datastructuur zal opgezet moeten worden, metadata moet op orde zijn, definities moeten worden afgestemd, en voor het werken met NLP's zullen aliassen gedefinieerd moeten worden. Het voorbereiden op AI kan zich echter niet beperken tot een aantal van dit soort ‘taken’. Een holistische opzet is nodig voor het goed implementeren van AI-tooling. Hiervoor moet gekeken worden naar de data-infrastructuur in het geheel. Het kan zo zijn dat hiervoor een organisatie zich op breed niveau opnieuw uit moet vinden. Veel bedrijven zien overigens ook in dat men (nog) niet klaar is voor het implementeren van AI-tools. Dit wordt bevestigd door het feit dat er vele malen meer vacatures open staan voor Data Engineers dan Data Scientists [2].
De meest recente ontwikkelingen op gebied van conversational AI geven op dit moment al wel middelen diemakkelijk te gebruiken zijn in een organisatie. Denk aan Virtual Agents, of het gebruik van ChatGPT om suggesties te krijgen voor het schrijven van algoritmes. Dit zal het maken van complexere analyses voor de minder ervaren gebruiker toegankelijker maken. Daarnaast beschikken BI softwarepakketten vaker over kant en klare AI-tools zoals een Key Influencer Analysis of Sentiment Recognition Tool. Maar ook bij deze tools zal het ondergeschikt zijn aan de kwaliteit van de data waarmee het gevoed wordt. Inefficient Data Model Management wordt niet voor niets als een van de grote ondermijners van Augmented Analytics benoemd [3].
Is er dan weinig winst te behalen voor bedrijven die nog niet zover zijn in hun datatransformatie-reis? Niets is minder waar! Het proces om te transformeren naar een datagedreven organisatie zal vele vruchten dragen. Zo leidt het democratiseren van data al tot veel nieuwe inzichten, en het combineren van data zal altijd meer opleveren dan de som van haar afzonderlijke componenten. Daarnaast kan het implementeren van AI geen doel op zichzelf zijn - hoe sexy dit ook mag staan op een corporate slide deck – maar is een middel om informatie uit de nieuw-gestructureerde data te halen.
Ben je benieuwd dat jouw organisatie nog meer uit haar data kan halen, of zijn er al concrete plannen om te transformeren naar een datagedreven organisatie? Wellicht is jouw organisatie al klaar om haar eerste stappen te zetten in het toepassen van AI. Veneficus specialiseert zich in data consultancy en het detacheren van data professionals. Hierin zijn wij zorgvuldig in het zoeken naar een match op technisch niveau alsmede op persoonlijke vlak met de organisatie.
[1] Information Archetecture: The AI Ladder: Accelerate Your Journey to AI - Rob Thomas, Paul Zikopoulos
[2] Indeed.nl heeft 7350 vacatures open op ‘Data Engineer’, 1046 als ‘Data Scientist’.
[3] What is Augmented Analytics - Microsoft (https://powerbi.microsoft.com/en-us/augmented-analytics/)