Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Predictive Business Analytics, interview Gary Cokins

890 views

Published on

Predictive Business Analytics -
"van big data naar big value"
Interview Gary Cokins
FD Magazine n°88, 2014

Published in: Business
  • Be the first to comment

  • Be the first to like this

Predictive Business Analytics, interview Gary Cokins

  1. 1. _ ,4 an-u@: ,, « ‘ Plaats uw business analytics team in direct contact met de afdeling die het beste zicht heeft op de meest relevante, invloedrijke en onafhankelijke variabelen, zo *_. ..Ji-"’ adviseert specialist Gary Cokins. . ~” Martin van Wunnik 3 GF e meest recente Controllersdag van het Belgian Institute of Management Ac- countants and Controllers (BIMAC) had als onderwerp ‘Forecasting’. Gary Cokins, een internationaal erkend expert, trad toen op als een van de keynote speakers. Voor een groot publiek bracht hij zijn visie over en- terprise en corporate performance-manage~ ment (EPM/ CPM), statistische forecasting, business analytics en de noodzakelijke voor- spellende rol van de CFO. Fnflagazlne oktober 2014 onafhankelijke variabelen De auteur van het recente boek Predictive Busi- ness Analytics wijst op een aantal voordelen, en het meest voor de hand liggende is wel het optimaliseren van de aangeboden productmix en van de organisatie. “Hieraan gekoppeld is het dan vaak de bedoeling om de winst te maximaliseren, rekening houdend met het gro- te aantal‘ gerelateerde interacties. In onze hui~ dige competitieve rnarkt kan elk bedrijf een voordeel halen uit betere prognoses”, aldus Gary Cokins.
  2. 2. CONTROLLING 24 ‘‘In onze huidige competitieve markt kan elk bedrijf een voordeel halen uit betere prognoses" Specifiek voor forecasting wijst Gary Cokins erop dat elk bedrijf eerst de meest relevante en onafhankelijke variabelen moet bepalen. Vaak is dat de vraag van klanten, op basis van volu- me, prijs en kwaliteit. Bedrijven moeten dus de geschiedenis van hun vraag, aanbod en alle daaraan verbonden kosten en relaties meten en registreren. Met die onafhankelijke variabelen krijgen bedrijven een basis om dat verder te vertalen naar de benodigde productiecapaciteit en mogelijke hendels, de zogenaarnde afhanke— lijke variabelen. “De beste positie van de ver- antwoordelijke voor het voorspellen ligt vol- gens mij zo dicht rnogelijk bij de klanten en prospecten”, zegt Gary Cokins. Dat betreft meestal de marketing- en salesmedewerkers. Focus op waarde Bij big data gaat het dus altijd om een enorme hoeveelheid ruwe brongegevens, die doorgaans Worden verzameld op transactieniveau. In dat verband heeft men het meestal over de vier V’s: volume, velocity, variety C? ‘ value. Gary Cokins: “Globalisering heeft de eerste drie V’s volatiel gemaakt en eenvoudig te kopiéren door con- currenten. Speciale businessmodellen of speci- fieke organisatiestrategieén zijn tegenwoordig geen waarborg rneer voor het verkrijgen of be- houden van een concurrentievoordeel. ” “Bedrijven moeten zich bij big data dus richten op de laatste V: het extraheren van rneer waar- de (value) uit hun enorme stapel van gegevens, en die omzetten in bruikbare en betrouwbare informatie. ” Ze moeten eerst alle ‘ruis’ en ‘sto- ringen’ verwijderen. Enkel de overblijvende kern is dan verder bru'ikbaar in forecastingpro- cessen en -modellen. “We rnoeten de toenemen— de kloof tussen big data en big value overbrug- gen”, concludeert Gary Cokins. Nauwkeuriqe voorspellinqen De nauwkeurigheid van om het even welke prognose daalt onrniddellijk na de projectie er- van, omdat de werkelijke resultaten snel zullen afvvijken van de berekende schattingen. Daar— om is het beter om vaker een prognose te pro- jecteren, rnet kortere tussenpozen (bijvoorbeeld van elk kwartaal naar maandelijks of zelfs we- kelijks). De forecastinginformatie die daaruit Voortvloeit, zal een pak betrouwbaarder zijn. Frequent verfriste prognoses zorgen immers voor een snellere opname van de nieuwste realisaties binnen de eerstvolgende prognose- iteratie. Orn dat te kunnen realiseren moeten bedrijven wel een robuust en geintegreerd softwaresysteem gebruiken, aldus Gary Cokins. Gary Cokins stelt dat we hier gewoon aan de slag moeten met klassieke statistische technie- ken en begrippen, zoals lijnregressie, correlatie, clustering en trendanalyse. Kortom, de trans- formatie van brongegevens in bruikbare infor- rnatie voor analyses van ‘what if’—scenario’s. Voor de nauwkeurigheid van de prognoses geldt: hoe rneer brongegevens, hetzij in volume, frequentie of beide, hoe beter de uiteindelijke prognoses. Forecasting, does it matter? In principe zijn er momenteel ruwweg drie forecastingmanieren. De eerste en vaakst ge- bruikte is de enige beste gok of ‘single point’- schatting. Voor een verwachte toekornstige waarde berekenen we welgeteld één verwachte waarde. Die ‘single point’-schattingen Worden vervolgens gebruikt en samengevoegd in het forecastingproces. De tweede manier voegt daar probabiliteiten aan toe, vaak door middel van een worstcase-, basislijn- en bestcase-scenario. Elke ‘single p0int’—schatting wordt nu herberekend naar een reeks van rnogelijke discrete uitkomsten. Sommige bedrijven zullen bovendien de gev0e— ligheid van de variabelen testen, door ze afzon- derlijk of tegelijkertijd te verhogen of re verla- gen. De derde forecastingmanier wordt gebruikt door de rneest geavanceerde organisaties: de uitbreiding van dat beperkte aantal scenario’s naar een volledig scala Van rnogelijkheden. Zij schatten de waarschijnlijkheidsverdeling van elke afzonderlijke variabele en evolueren van de drie ‘single point’—sch-attingen naar een ver- delingscurve van tientallen, honderden of zelfs duizenden resultaten. De variabelen worden opgevat als drivers van de resultaten, waarbij het niveau van elke variabele proactief kan Worden beheerd op basis van de voorziene ge- beurtenis. De breedte en de granulariteit van de distributiecurve nemen toe naarmate de proba- biliteit voor elke variabele wordt gesegmen- teerd of het aantal variabelen stijgti De toekomst van het voorspellen? Potentieel een machtig instrument dus, maar forecasting als zodanig genereert geen concur- rentievoorcleel, zo relativeert Gary Cokins. Ten eerste moeten werknemers vaardigheden en competenties ontwikkelen bij de toepassing van business analytics. Vervolgens zijn geldige procedures en effectieve comrnerciele software- tools een conditio sine qua non. Ten slotte oktober 2014 FDMagazlne
  3. 3. GARY COKINS Expert inzake performancemanagement en geavanceerde costm aqementsvstemen Gary Cokins Gary Cokins is een expert op het vlak van performance-management en geavanceerde cost- managementsystemen. Hij begon zijn carriere als financial controller bij het chemiebedrijf FMC. Nadien werkte hij vijftien jaar als consultant voor Deloitte, KPMG en EDS. Van 1997 tot 2012 was hij principal consultant bij SAS. Zijn laatste boek met coauteur Lawrence S. Maisel verscheen in 2014, met als titel Predictive Business Analytics: Forward-Looking Capabilities to improve Business Performance. FDMagazine oktober 2014 CONTROLLING 25
  4. 4. CONTROLLING 26 “We moeten de toenemende kloof tussen big data en big value overbrugqen" moet de onderneming een omgeving definieren die handelen op forecastingresultaten mogelijk maakt en tolereert. “Forecasting is slechts een onderdeel van business analytics, naast het seg- menteren of analyseren van historische gege- vens. ” Maar Cokins ziet een rnooie toekomst voor prognoses, op twee gerelateerde rnanieren: “Ten eerste zullen de prognoses steeds nauw— keuriger worden door verdere automatisering, inclusief de verwerking van meer gegevens. Het verkrijgen van realtime-resultaten is nog wat te vroeg op dit moment, maar we komen wel steeds dichter bij het verkrijgen en analyseren van gegevens dag + 1-operaties. Ten tweede — en nog belangrijker — is het toenemende zelflerende en zelfcorrigerende vermogen van de algoritmes en forecastingmethodes van softwaretools. Si- mulatie en ‘what if’-scenario’s worden stilaan standaard aangeboden als functionaliteiten: wat was de kwaliteit van mijn laatste prognose? En waarom? Wat als . ..? Zelflerende algoritmes analyseren vroegere prognoses en simuleren hoe andere modellen het gedaan zouden heb- ben. Als de nauwkeurigheid van een superieur model wordt gevonden, dan stapt de software daar automatisch naar over. Zie het als een sys- teem voor spraakherkenning”, aldus Gary Cokins. “Na een paar pogingen zal het systeem je accent, uitspraak en verwoording begrijpen, en zich dus autornatisch aanpassen voor alle toekomstige gevallen. ” ”Gr0epsropportering op/ no/ <en voor 75 0 eniileilen, e/ /<9 mound up/ iieuw on me! SIGGC/5 silo/ </-ere dear/ /Ines. .. / I/lei / I/Iona Group Reporting / /jn we o/ in gas/ oagd on/ e urnli/ ‘I/ cu/ e oI>jer’tieveri to realiseren. ” Mona Group Reporting - de full web oplossing voor consolidatie en management rapportering Sneller rapporteren met een hogere kwaliteit en meet mogelijkheden voor analyse van financiéle data, optimaliseren van de financiéle cornmunicatie vanuit een unieke database en volgens een eenvormig referentiekader. Zijn dit uw doelstellingen voor 2014? Mona Group Reporting helpt u hierbii. Laten we samen l<ijken hoe uw rapporterlngsproces te verbeteren. Contacteer ans vondaag nog . - 02 456 89 60 of info@sigmocon5o. com Aliirhaii I IiiI_| §S<"‘I I l. ':go<; I Lrilisrlnrlrt I IlI}'l'lI‘Il. J|_lI'i_] I / ylmlilrl I I/ IiJII<‘; I’Ir; i‘i I l". 'ri'il; -. I I-2olI<~-rrlzim I sirig. —1por<* I ii: ii<, rIml, I I W<'= nr-n I / uiirli I wwwsigmaconsocom Si maConso Make Iigurcs talk. oktober 2014 FDMagazine
  5. 5. VIS'E 5 SYEATEGIE ‘A5 3'-e-star rt harden komen van at te Vera: -32'-A; sgez‘noe mensen, Ioopt dat ‘ "‘— * WNANCIEN, > 3-1:: E’HANLGEH£NT ’ 2»*: -:- : :-~'-e': ‘é4e : otIeqa's -'. .sse0 gem-e-"G om de sa': 'q’ve~: te bespreken met -= -t-ée raetee’

×