Data is de nieuwe olie. Een slogan die steeds opnieuw wordt gebruikt om de waarde en het potentieel van data aan te geven als hulpmiddel voor een betere besluitvorming binnen een professionele omgeving. Hoewel er waarheid zit in deze leuze, mag men de misvatting niet maken om data als een kant-en-klaar product af te schilderen. Bedenk dat auto's niet op olie lopen, ze lopen op een geraffineerde vorm van olie - benzine. Dat roept de vraag op "hoe verander je olie in benzine" op en wat betekent dit voor de wereld van data?
Het doel van datacollectie
Laten we ons eerst de belangrijkste vraag stellen voordat we dit raadsel oplossen: als de rol van benzine ligt in het aandrijven van auto's, die op hun beurt ons als men verplaatsen, wat is dan de rol van data? Wat is het eindproduct en met welk doel dient het?
Het doel van het verzamelen van data is vrij eenvoudig, zoals hieronder weergegeven. Van onverwerkte data worden inzichten afgeleid om betere producten en een verbeterde user experience uit te bouwen. Dit zal vervolgens het bedrijf laten groeien. Een groeiend bedrijf zorgt op zijn beurt voor nog meer beschikbare data wat de cyclus opnieuw opstart. Het is een oneindig optimalisatieproces.
Hoe transformeer je data in benzine?
Eenvoudig; breng het naar een raffinaderij. Maar hoe is dit van toepassing binnen de wereld van analytics?
Inzicht in data komt door analyse. Wat voordien vrij eenvoudig te analyseren viel door het beperkte aantal datasignalen, wordt vandaag bemoeilijkt door de grote hoop data die onmogelijk nog te verwerken valt door het menselijk brein. De behoefte van vandaag om inzichten uit gegevens te halen, vereist veel meer rekenkracht. Dit vindt men onder het domein van de Artificiële Intelligentie. Meer specifiek Machine Learning algoritmen. Zie het als de raffinaderij. Waar de raffinaderij van olie benzine maakt, helpt AI data omzetten in inzichten.
Wat voor inzichten kan men verwachten van bij het verwerken van data door deze AI / ML-algoritmen? Als het gaat om het analyseren voor marketingdoeleinden, denk ik aan een paar voorbeelden. ML kan helpen bij het voorspellen van churn rates op uw bestaande klantenbestand, bij het bouwen van conversie voorspellingsmodellen op basis van uw website bezoeken en bij het classificeren van gebruikers in het Recency Frequency Monetary (RFM) modellen..
Maar hoe krijg je dan die olie naar een raffinaderij? Via pijpleidingen. Net zoals de vele pijpleidingen die ruwe olie in raffinaderijen brengen waar ze worden omgezet in benzine, fungeert de Cloud als pijplijn om Artificiële Intelligentie toegang te geven tot die ruwe data. Hier worden datapunten omgezet in inzichten waarop we actie kunnen ondernemen. De Cloud dient als toegangspoort tot Artificiële Intelligentie en stelt organisaties in staat gebruik te maken van bestaande vooropgestelde Machine Learning (en andere) modellen zonder een enorme kost te gaan maken bij het uitbouwen van eigen infrastructuur.
Eenmaal verfijnd, zijn de inzichten klaar om in gebruik genomen te worden en verbeteren ze producten en ervaringen over de hele lijn. Het eindspel van dit alles? Uw bedrijf laten groeien.
Welkom bij de nieuwe manier van analyseren
Net zoals auto's eerst olie door een pijpleiding zien gaan die vervolgens getransformeerd wordt in een raffinaderij om uiteindelijk te rijden, moeten bedrijven hun data via de Cloud transporteren om zo AI in te zetten voor analyse, om hieruit betere producten te bouwen en hun bedrijf als geheel te laten groeien.
Glenn Vanderlinden
| LinkedinDit E-mail adres wordt beschermd tegen spambots. U moet JavaScript geactiveerd hebben om het te kunnen zien.
