NL - Module 6 - The Future of Smart Data

D: DRIVE
Hoe word je data gedreven?
This programme has been funded with
support from the European Commission
Module 6: De toekomst van
Big en Smart Data

Smart Data Smart Region | www.smartdata.how
»De steun van de Europese Commissie voor de productie van deze publicatie vormt geen
goedkeuring van de inhoud die uitsluitend de mening van de auteurs weerspiegelt, en de
Commissie kan niet aansprakelijk worden gesteld voor het gebruik van de informatie die erin is
vervat.«
Het doel van deze module is om te onderzoeken wat Big
Data in de toekomst voor jou kan betekenen.
Na voltooiing van deze module zal je:
- Kijk wat de voorspellingen zijn voor de toekomst van Big
Data
- Bekijk enkele trends die opkomen
- Krijg een overzicht van mogelijke opportuniteiten die
jouw bedrijf kan hebben met Big Data
- Ga een aantal van de opstartuitdagingen aan met
betrekking tot Big Data
Duur van de module: ongeveer 1 - 2 uur
Module 6: De
toekomst van Big en
Smart Data

1
Trends2
Kansen3
4 Uitdagingen
Voorspellingen

Voorspellingen

Na die diepe duik in 5 verschillende modules,
zijn we het er allemaal over eens dat Big Data
de zakenwereld stormenderhand heeft
veroverd, maar wat nu? Zullen de gegevens
blijven groeien? Welke technologieën zullen
eromheen ontstaan? Worden Big Data zo snel
een overblijfsel als de volgende trend -
cognitieve technologie? Hier zijn enkele Big
Data-voorspellingen van de belangrijkste
experts in het veld.

MACHINAAL LEREN ZAL DE
VOLGENDE GROTE STAP IN
BIG DATA WORDEN
1
Een van de populairste technologietrends van vandaag is machine learning en
het zal ook een grote rol in de toekomst van Big Data gaan spelen. Het helpt
bedrijven bij het voorbereiden van gegevens en het uitvoeren van
voorspellende analyses, zodat bedrijven toekomstige uitdagingen gemakkelijk
kunnen overwinnen.

PRIVACY ZAL GROOTSTE
UITDAGING WORDEN
2
Of het nu gaat om internet of Big Data, de grootste uitdaging voor opkomende
technologieën is de beveiliging en privacy van gegevens. De hoeveelheid
gegevens die we nu creëren en de hoeveelheid gegevens die in de toekomst
zal worden gemaakt, maakt privacy nóg belangrijker, omdat de inzet veel
hoger zal zijn. Gegevensbeveiliging en privacy kwesties zullen de grootste
hindernis voor de Big Data-industrie zijn en als het er niet op een effectieve
manier mee omgaat, zullen we een lange lijst van technologische trends zien
die zeer snel een rage worden.

CHEF-DATA-OFFICIER: EEN NIEUWE
POSITIE ZAL GECREËERD WORDEN
3
Je bent wellicht bekend met Chief Executive Officer (CEO), Chief Marketing
Officer (CMO) en Chief Information Officer (CIO) maar hebt je weleens van
Chief Data Officer (CDO) gehoord? Volgens Forrester zullen we de opkomst van
chief data officer als de nieuwe functie zien en zullen bedrijven chief data
officers aanstellen. Hoewel de benoeming van chief data officer uitsluitend
afhankelijk van het type bedrijf en de bijbehorende gegevensbehoeftende is,
bredere toepassing van Big Data-technologieën binnen bedrijven, zal het
inhuren van een chief data officer de norm worden.

DATA WETENSCHAPPERS
ZULLEN ZEER GEWENST ZIJN
4
Naarmate de hoeveelheid data groeit en Big Data groter wordt, zal de vraag
naar data wetenschappers ts, analisten en data management experts omhoog
schieten. De kloof tussen de vraag naar dataprofessionals en de
beschikbaarheid zal groter worden. Hierdoor zullen data wetenschappers en
analisten hogere salarissen worden aangeboden.

BEDRIJVEN ZULLEN
ALGORITMEN, IN PLAATS VAN
SOFTWARE KOPEN
5
We zullen een draai van 360 graden in de bedrijfsaanpak van software zien. Meer
en meer bedrijven zullen op zoek zijn naar een aankoopalgoritme in plaats van hun
eigen algoritme te maken. Nadat ze een algoritme hebben gekocht, kunnen
bedrijven er hun eigen gegevens aan toevoegen. Het biedt bedrijven meer
aanpassingsmogelijkheden dan wanneer ze software zouden kopen. Je kan de
software niet aanpassen aan jouw behoeften. In feite is het andersom. Jouw
bedrijf zal zich moeten aanpassen aan de softwareprocessen, maar dit alles zal
binnenkort eindigen met algoritmen die services verkopen die centraal staan.

INVESTERINGEN IN BIG DATA
TECHNOLOGIES ZULLEN
OMHOOGSCHIETEN
6
Volgens IDC-analisten "zullen de totale inkomsten uit Big Data en bedrijfsanalyses
stijgen van $ 122 miljard in 2015 tot $ 187 miljard in 2019." Bedrijfsuitgaven aan
Big Data zullen dit jaar $ 57 miljard dollar overtreffen. Hoewel de
bedrijfsinvesteringen in Big Data van bedrijfstak tot sector kunnen verschillen, zal
de toename van de uitgaven voor Big Data in het algemeen consistent blijven. De
verwerkende industrie zal het meest aan Big Data -technologie spenderen, terwijl
de gezondheidszorg, het bankwezen en de middelenindustrie de snelste zullen zijn
om te gebruiken.

MEER ONTWIKKELAARS ZULLEN IN DE BIG
DATA REVOLUTIE MEEPARTICIPEREN
7
Volgens de statistieken zijn er zes miljoen ontwikkelaars die op dit moment met Big
Data werken en geavanceerde analyses gebruiken. Dit is goed voor meer dan 33%
van de ontwikkelaars in de wereld. Wat nog verbazingwekkender is, is dat Big Data
nog maar net van start gaat, dus in de komende jaren zal een golf van een aantal
ontwikkelaars met ontwikkelde applicaties voor Big Data. Met de financiële
voordelen in termen van hogere salarissen, zullen ontwikkelaars ervan genieten
om applicaties te maken die kunnen spelen met Big Data.

PRESCRIPTIVE ANALYTICS
WORDEN EEN INTEGREREND
DEEL VAN BI SOFTWARE
8
Tegenwoordig vragen bedrijven om afzonderlijke software die alle functies biedt
die ze nodig hebben aan softwarebedrijven en die ze geven. Business Intelligence-
software volgt die trend ook en we zullen in de toekomst prescriptieve
analysemogelijkheden aan deze software toevoegen.
IDC voorspelt dat de helft van de bedrijfsanalysesoftware prescriptieve analyses
die zijn gebaseerd op cognitieve computerfunctionaliteit zal bevatten. Dit zal
bedrijven helpen om op het juiste moment intelligente beslissingen te nemen. Met
ingebouwde intelligentie in de software kan jij snel grote hoeveelheden gegevens
doorzoeken en een concurrentievoordeel behalen ten opzichte van jouw
concurrenten.

BIG DATA ZAL JOU HELPEN
PRODUCTIVITEITSCIJFERS TE
VERBETEREN
9
Geen enkele van jouw toekomstige investeringen levert een hoger rendement op
jouw investering op dan wanneer jij in big data investeert, vooral als het jouw
bedrijfsproductiviteit verhoogd. Om je een beter idee te geven, laten we getallen
relativeren. Volgens IDC kunnen organisaties die in deze technologie investeren en
mogelijkheden krijgen om grote hoeveelheden gegevens snel te analyseren en
bruikbare informatie te extraheren, 430 miljard dollar extra verdienen aan
productiviteitsvoordelen ten opzichte van hun concurrenten. Ja, je leest het goed,
$430 miljard dollar. Vergeet niet dat actiegerichtheid hier het sleutelwoord is. Jij
hebt actiegerichte informatie nodig om jouw productiviteit naar nieuwe hoogtes te
brengen.

ZAL BIG DATA DOOR SNELLE EN
ACTIEVE GEGEVENS WORDEN
VERVANGEN?
10
Volgens sommige Big Data-experts is Big Data dood. Ze beweren dat bedrijven niet
eens een klein deel van de gegevens gebruiken waartoe ze toegang hebben en
groot betekent niet altijd beter. Vroeg of laat zal Big Data door snelle en bruikbare
gegevens worden vervangen, die bedrijven zullen helpen bij het nemen van de
juiste beslissingen op het juiste moment. Het hebben van enorme hoeveelheden
gegevens geeft je geen concurrentievoordeel ten opzichte van je concurrenten,
maar hoe effectief en snel je de gegevens analyseert en er bruikbare informatie uit
haalt.

Elk bedrijf heeft Big
Data in zijn toekomst
en elk bedrijf zal
uiteindelijk in de
datasector actief zijn.
Thomas H. Davenport

TRENDS

Het volgen van Big Data-trends is echt
hetzelfde als proberen de dagelijkse
verschuivingen in de wind te volgen: zodra je
een richting voelt, verandert deze. Maar de
volgende trends geven in toekomst duidelijk
vorm aan Big Data in.

Big Data &
Open Source
Open source-applicaties zoals Apache Hadoop, Spark en anderen zijn de Big Data-
ruimte gaan domineren, en die trend lijkt zich waarschijnlijk voort te zetten. Eén
enquête toonde aan dat bijna 60 procent van de bedrijven verwacht aan het eind
van dit jaar Hadoop-clusters in productie te hebben. Volgens Forrester neemt het
gebruik van Hadoop per jaar met 32,9 procent toe.
Experts zeggen dat veel bedrijven hun gebruik van Hadoop- en NoSQL-
technologieën zullen uitbreiden, evenals op zoek zijn naar manieren om hun Big
Data verwerking te versnellen. Velen zullen op zoek zijn naar technologieën
waarmee ze in realtime toegang hebben tot en kunnen reageren op gegevens.
Hadoop is een bekend voorbeeld
van een open source Big Data-
project.

In-Memory
Technology
Een van de technologieën die bedrijven onderzoeken in een poging hun Big Data
verwerking te versnellen, is technologie in het geheugen. In een traditionele
database worden de gegevens opgeslagen in opslagsystemen die zijn uitgerust met
harde schijven of solid-state schijven (SSD's). In-memory technologie slaat de
gegevens op in RAM, die vele, vele malen sneller is. Een rapport van Forrester
Research voorspelt dat in-memory datastof 29,2 procent per jaar zal groeien.
Verscheidene verschillende leveranciers bieden in-memory databasetechnologie,
met name SAP, IBM, Pivotal.

Machinaal
Leren
Naarmate de analysecapaciteit van Big Data vordert, zijn sommige ondernemingen
begonnen met investeren in machine learning (ML). Machinaal leren is een tak van
kunstmatige intelligentie die zich richt op het toestaan van computers om nieuwe
dingen te leren zonder expliciet geprogrammeerd te zijn. Met andere woorden, het
analyseert bestaande Big Data-winkels om tot conclusies te komen die de manier
waarop de applicatie zich gedraagt, veranderen.
Volgens Gartner is machinaal leren een van de top 10 van strategische
technologietrends. Hij merkte op dat de meest geavanceerde systemen voor het
leren van systemen en kunstmatige intelligentie van tegenwoordig verder gaan dan
traditionele, op regel gebaseerde, algoritmen om systemen te creëren die
autonoom begrijpen, leren, voorspellen, aanpassen en potentieel kunnen
opereren. "
Machinaal Leerproces

Voorspellende
Analyse
Voorspellende analyse hangt nauw samen met machinaal leren; ML-systemen
leveren vaak de motoren voor voorspellende analysesoftware. In de begintijd van
Big Data-analyses keken organisaties terug op hun gegevens om te zien wat er
gebeurde en later gebruikten ze hun analysetools om te onderzoeken waarom die
dingen gebeurden. Voorspellende analyses gaan nog een stap verder, met behulp
van de Big Data-analyse om te voorspellen wat er in de toekomst zal gebeuren.
Het aantal organisaties dat voorspellende analyses vandaag gebruikt, is verrassend
laag - slechts 29 procent volgens een enquête van 2016 van PwC. Veel leveranciers
hebben echter recentelijk voorspellende analyse instrumenten uitgebracht, zodat
het aantal de komende jaren kan stijgen als bedrijven zich meer bewust worden van
deze krachtige tool.
Voorzicht Inzicht Vergezicht

Big Data
Intelligente
Apps
Een andere manier waarop bedrijven machinaal leren en AI-technologieën
gebruiken, is het maken van intelligente apps. Deze toepassingen bevatten vaak Big
Data-analyses, waarbij de eerdere gedragingen van gebruikers worden
geanalyseerd om personalisatie en betere service te bieden. Een voorbeeld dat heel
bekend is geworden, zijn de aanbevelingsmotoren die nu veel e-commerce- en
entertainment-apps aansturen.
In de lijst met Top 10 Strategic Technology Trends vermeldde Gartner intelligente
apps als tweede. "In de komende 10 jaar zal vrijwel elke app, applicatie en service
een niveau van AI bevatten", aldus David Cearley, vice-president en Gartner Fellow.
"Dit zal een langetermijn trend vormen die continu zal evolueren en de toepassing
van AI en machinaal leren voor apps en services zal uitbreiden."

Intelligente
Beveiliging
Veel bedrijven nemen ook Big Data-analyses op in hun beveiligingsstrategie. De
beveiligingslogbestanden van organisaties bieden een schat aan informatie over
eerdere pogingen tot cyberaanvallen die organisaties kunnen gebruiken om
toekomstige pogingen te voorspellen, te voorkomen en te beperken. Als gevolg
hiervan integreren sommige organisaties hun beveiligingsinformatie en SIEM-
software (event management) met Big Data-platforms zoals Hadoop. Anderen
wenden zich tot beveiligingsleveranciers van wie de producten
analysemogelijkheden voor Big Data omvatten.

Internet of
Things (IoT)
‘Het internet der dingen’ zal waarschijnlijk ook grote gevolgen voor Big Data hebben.
Volgens een rapport van IDC: "31,4 procent van de ondervraagde organisaties heeft IoT-
oplossingen op de markt gebracht, met nog eens 43 procent op zoek naar implementatie
in de komende 12 maanden."
Met al die nieuwe apparaten en applicaties die online komen, gaan organisaties een nog
snellere datagroei ervaren dan ze in het verleden hebben ervaren. Velen zullen nieuwe
technologieën en systemen nodig hebben om de vloed van Big Data afkomstig van hun
IoT-implementaties te kunnen verwerken en begrijpen.
Groei van de
Internet of
Things

Edge
Computing
Een nieuwe technologie die bedrijven kan helpen omgaan met hun IoT Big Data is
edge computing. Bij edge computing gebeurt de Big Data-analyse heel dicht bij de
IoT-apparaten en sensoren in plaats van in een datacenter of de cloud. Voor
bedrijven biedt dit een aantal belangrijke voordelen. Ze hebben minder gegevens
over hun netwerken, wat de prestaties kan verbeteren en kan besparen op cloud
computing-kosten. Hiermee kunnen organisaties IoT-gegevens die slechts een
beperkte hoeveelheid tijd waard zijn verwijderen, waardoor de kosten voor opslag
en infrastructuur worden verlaagd. Edge computing kan ook het analyseproces
versnellen, waardoor beslissers sneller in actie kunnen komen voor insights.
Edge computing is een nieuwe
netwerkfunctionaliteit die
verbonden reken- en
opslagbronnen direct aanbiedt

Hoge
Salarissen
Voor IT-werknemers zal de toename van Big Data-analyse waarschijnlijk
betekenen dat de vraag naar en de hoge salarissen voor mensen met Big
Data-vaardigheden groot zijn. Volgens IDC: "Alleen al in de Verenigde Staten
zijn er 181.000 diepe analyserollen in 2018 en vijf keer zoveel functies
waarvoor gerelateerde vaardigheden op het gebied van gegevensbeheer en
interpretatie vereist zijn."
Als gevolg van die schaarste voorspelt Robert Half Technology dat de
gemiddelde vergoeding voor data wetenschappers in 2017 met 6,5 procent
zal stijgen en zal variëren van $ 116.000 tot $ 163.500. Op dezelfde manier
zouden Big Data-ingenieurs loonstijgingen van 5,8 procent moeten zien met
salarissen variërend van $ 135.000 tot $ 196.000 voor volgend jaar.

Zelfbediening
Naarmate de kosten voor het inhuren van grote experts stijgen, zullen veel organisaties
waarschijnlijk op zoek zijn naar tools waarmee reguliere zakelijke professionals aan hun
eigen Big Data-analysebehoeften kunnen voldoen. IDC heeft eerder voorspeld: "Visual
Data Discovery Tools zullen 2,5 keer sneller dan de rest van de business intelligence (BI)
markt groeien. Tegen 2018 zal investeren in deze activatie van zelfbediening door
eindgebruikers een vereiste voor alle ondernemingen worden."
Verschillende leveranciers hebben al analysetools voor Big Data geïntroduceerd met
"selfservice" -mogelijkheden, en experts verwachten dat deze trend zich voortzet tot
2017 en verder. IT wordt waarschijnlijk minder betrokken bij het proces, omdat Big
Data-analyses meer geïntegreerd raken in de manier waarop mensen in alle delen van
het bedrijf hun werk doen.

KANSEN

WARROM IS BIG DATA
EEN GROTE KANS?

10%
Kan tot grotere omzet leiden
Voor het mediane Fortune 1000-bedrijf betekent een
toename van 10% in bruikbaarheid en toegankelijkheid
van gegevens een aanzienlijke verhoging van de
productiviteit en verkoop

Wat betekent dat voor specifieke industrieën?
DATAILHANDEL
49%
CONSULTEN
39%
LUCHT TRANSPORTATIE
21%
BOUW
20%
VOEDSEL-PRODUCTEN
20%
STAAL
20%
AUTOVORETUIGEN
19%
INDUSTRIËLE INSTRUMENTEN
18%
UITGEVERS
18%
TELECOMMUNICATIEBEDRIJVEN
18%
DETAILHANDEL
$1.2 bn
CONSULTEN
$5.0 bn
LUCHT TRANSPORTATIE
$3.4 bn
BOUW
$2.0 bn
VOEDSEL-PRODUCTEN
$3.4 bn
STAAL
$4.3 bn
AUTOVORETUIGEN
$4.2 bn
INDUSTRIËLE INSTRUMENTEN
$0.8 bn
UITGERVERS
$0.4 bn
TELECOMMUNICATIEBEDRIJVEN
$9.6 bn
Productiviteits-
verhoging
Verkoopstijging

HOE KAN JE
DIE
AANTALLEN
BEREIKEN?
Om effectief te zijn,
moet je de branche
specifieke behoeften en
pijnpunten van
bedrijfsleiders kunnen
bespreken.
OVERHEID
• Verlaag de kosten, verbeter de efficiëntie
• Verbeter de veiligheid, transparantie,
publieke participatie en interne
samenwerking
• Analyseer en voorspel gebeurtenissen met
betrekking tot beveiliging, verminder fraude
TELECOMMUNICATIE
• Beheer grote hoeveelheden klantgegevens
die worden bestuurd door operationele
systemen
• Lever waarde en services door een "single
view" te hebben van de klant en zijn
veranderende gedrag
• Optimaliseer mobiele gegevens en
netwerkefficiëntie
BANKIEREN
• Beheer het risico en ontdek fraude
• Beheer explosieve groei van handelsvolumes
en krimpende handelsomvang
• Verhoog de klantgerichtheid voor het bedrijf
• Verminder kosten voor gegevensbeheer
VERZEKERINGEN
• Verbeter de verwerkingssnelheid van nieuwe
applicaties
• Verminder inconsistenties in de toegenomen
handmatige verwerking van claims
• Pas verkoopcampagnes aan door de
segmentatie van claims te verbeteren
DETAILHANDEL
• Beheer de verspreiding van tekst en numerieke
gegevens, inclusief klantgegevens en transactie-
informatie
• Optimaliseer marketinguitgaven, verhoog de
ROI
• Optimaliseer inventaris en supply chain
MEDISCH
• Gegevens en datacenter consolideren
• Patiëntenrecords en leveranciersbetalingen
automatiseren
• Implementeer elektronische medische dossiers
• Innoveren - het menselijk genoom bestuderen
PRODUCTIE
• Optimaliseer de supply chain
• Synchroniseer gegevens met leveranciers voor
bronnenproducten en retailers voor verkoop
• Maak een gecentraliseerde weergave van
producten artikelgegevens voor
voorraadbeheer
• Verminder productie-uitvaltijd
NUT - BEDRIJVEN
• Voorspelling / plan shutdowns
• Verbeter het gebruik van assets, verminder
uitval
• Verbeter de integratie van
energiebeheersystemen

KANSEN VOOR
SPECIALISATIE
De database marktplaats
wordt gedefinieerd door
de volgende segmenten.
DATAOPSLAG
•Dit is voornamelijk
hardware, en
hoewel Big Data
minder dure
hardware
gebruikt, gebruikt
het er veel van. Er
zijn mogelijkheden
om
supercomputerpla
tforms te
ontwikkelen.
SERVERS VOOR
DATABASES
•Dit zijn de high-
end servers en de
licentiekosten met
de
ondersteunende
consultancy. Dit
zal waarschijnlijk
veranderingen
zien als gevolg van
de impact van
open source-
licenties.
BUSINESS
INTELLIGENTIE
•BI is de
marktplaats voor
traditionele
datawarehousing.
Dit segment zal
ook veel
veranderingen
zien. De meer
traditionele
oplossingen zullen
worden vervangen
door
supercomputingpl
atforms. Maar het
aantal kan heel
goed toenemen,
omdat voormalige
BI-oplossingen
migreren naar de
backbone-
technologie voor
veel internationale
bedrijven.
GEAVANCEERDE
ANALYSE
•Dit kleine
marktsegment zal
toenemen en voor
degenen die deze
mogelijkheid
zoeken, zou het
een echte
geldmaker kunnen
zijn. Bedrijven
zullen ook zeer
bereid zijn om
middelen te
besteden in
termen van
consulting en
training.
DATA INTEGRATIE
•Er zijn veel
gestrande
gegevens die
moeten worden
gered en dit zijn
zware klussen met
veel uitdagingen.
Er zullen veel
nieuwe
softwaretools en
heel wat kleine
nichebedrijven
opkomen in deze
ruimte.
TEKST ANALYSE
•Nog een klein
segment dat
mogelijk met een
aantal
interessante
verrassingen komt.
Er zijn een handvol
zeer
gespecialiseerde
bedrijven die er
zijn, maar elk van
hen zou een
opmerkelijke
oplossing met
universele
aantrekkingskracht
naar voor kunnen
brengen.

UITDAGINGEN

Hoewel de meeste Big Data teams vergelijkbare doelen
hebben, stagneren ze vaak in verschillende gebieden.
Deze gebieden kunnen variëren van precies beslissen
over wat te doen met de gegevens tot het bepalen van
hoe je meer mensen meer toegang tot gegevens kunt
bieden. We hebben enkele van de Big Data-uitdagingen al
in Module 1 aangestipt, laten we nu eens een kijkje
nemen naar de uitdagingen waarmee je op bedrijfsniveau
te maken kunt krijgen wanneer je Big Data in gaat duiken.

UITDAGING 1:
Jouw Big Data gebruikscases
uitzoeken
Waarom is het een uitdaging?
Als er een probleem is dat zich herhaalt met nieuwe gebruikers van Big Data, is het belangrijk
om de juiste zakelijke use-cases te bepalen. Als je probeert de waarde van je programma te
bewijzen (en op een gegeven moment zal je dat ook moeten doen), moet je beginnen met een
aantal gevallen van sterke gebruikscases in gedachten. Het probleem is het selecteren van de
juiste gebruikerscases. Er zijn tientallen, honderden gebruikerscases. Maar het is het beste als
je er een kiest waarbij je niet alleen gegevens kunt analyseren om zinvolle trends te vinden,
maar ook kunt werken met de businessteams om impact te hebben met jouw gegevens. Jouw
gegevens zullen hun bedrijfswaarde moeten bewijzen.
Wat kan jij doen?
Er zijn veel online tools zoals (e. g. Use Case Browser) met honderden praktische
gebruikerscases. Jij kunt resultaten filteren om de resultaten te vinden die voor jouw
doeleinden geschikt zijn.
Met al deze nadruk op hoe belangrijk het is om een zakelijke gebruikerscase te selecteren, zou
je in de stess kunne raken bij het kiezen van de perfecte. Je moet jezelf niet te veel laten
stressen, maar kun je eerst een paar kleinere gebruikscasussen uitzoeken. Kleinere
gebruikerscases zorgen ervoor dat het ook sneller zal zijn om resultaten te behalen en de
impact te laten zien. Dit geeft je een morele boost en een aantal snelle winsten (quick wins) om
je motivatie te geven aan het begin van je Big Data-reis.

UITDAGING 2:
Jouw flexibiliteit verbeteren
om snel antwoorden te krijgen
Organisaties willen snel antwoorden vinden, zodat ze de snelheid waarmee ze zaken doen
kunnen verhogen. Jouw flexibiliteit komt van het aanpakken van vijf belangrijke uitdagingen
met Big Data-analyse:
 Effectief gegevensbeheer, met efficiënt beheer en behoud van de juiste gegevens om opslag
en doorstroming te optimaliseren
• Omgaan met gegevenscomplexiteit en onnauwkeurigheid, met een effectief curatieproces
om de gegevens te temmen en bruikbaar te maken
• Free-form discovery mogelijk maken, met een zelfbediening, data-first benadering van
exploratie en ontdekking
• Gegevens beheren zonder innovatie te onderdrukken, met eenvoudig gemodereerde
toegang die privégegevens vergrendelt
• Resultaten boeken voor het bedrijf, waarvoor continu draaiende processen nodig zijn die
gegevens aan het bedrijf leveren
Wat kan jij doen?
Het bouwen van een datameer biedt een enkele opslagplaats van de gegevens van jouw
organisatie, ongeacht of deze gestructureerd, ongestructureerd, intern of extern is. Hierdoor
kunnen jouw bedrijfsanalisten en data wetenschappers alle gegevens van jouw organisatie
potentieel ontginnen.

UITDAGING 3:
Sterk bestuur opbouwen
rond jouw Big Data
Een deel van de wendbaarheid rond jouw gegevens komt met goed bestuur, waardoor je
gegevens kunt delen terwijl jij de toegang beheert. Gegevensbeheer optimaliseert op zijn best
niet alleen een verdediging rond jouw gegevens. Het creëert ook een omgeving die gegevens
betrouwbaar, gemakkelijk vindbaar en zeer beschikbaar voor de juiste mensen maakt.
Gegevensbeheer is altijd belangrijk. Maar vanwege de workflow rond een datameer en de
hoeveelheid gegevens die in het spel zijn, is besturen nog belangrijker in het rijk van Big Data.
Wat kan jij doen?
Het ontwikkelen van een succesvolle strategie voor gegevensbeheer vereist een grote
inspanning, zorgvuldige planning, de juiste mensen en de juiste hulpmiddelen.

UITDAGING 4:
Vooruitgang langs jouw
Big Data reis
Big Data is niet zomaar een project. Het is een reis en we willen dat je succesvol bent. Maar veel
bedrijven zijn vastgelopen in hun Big Data-reizen. Het merendeel van de tijd is technologie niet het
probleem; het is heel goed mogelijk om bij Big Data succesvol te worden. Een succesvolle Big Data-
reis vereist echter het aangaan van culturele veranderingen, aanpassingen van bedrijfsmodellen,
nieuw proces en aanvullende vaardigheden. Dat is het moeilijke deel.
Wat kan jij doen?
Er gaat veel in een succesvol Big Data-project. Je zult rekening moeten houden met de
complexiteit van je gegevens, de complexiteit van je analyses en hoe jij je datatocht wilt laten
lijken.
Bepaal waar jij je momenteel bevindt in jouw datareis. Dit is hoe we ze classificeren:
• Ad-hoc - De vroegste fase, waarin organisaties experimenteren met en leren over hun Big Data-
behoeften.
• Opportunistisch - De tweede fase waarin een organisatie waarde begint te leveren aan het
bedrijf en zijn vaardigheden en kennis bouwt.
• Herhaalbaar - De organisatie zal waarde gaan toevoegen aan het bedrijf en hun vaardigheden
en kennis uitbreiden.
• Beheerd - de Big Data-analyse wordt een beheerde service die zich over de hele organisatie
begint te verspreiden.
• Geoptimaliseerd - De Big Data-analyse wordt een goed geoliede machine die continu nieuwe
projecten en exponentiële waarde oplevert.

UITDAGING 5:
Wat te overwegen met Big
Data Analytische-software?
Een onderdeel van efficiënte Big Data-analyse is het selecteren van het juiste
platform om jou hiermee te helpen. Maar waar moet je naar zoeken? En wil je jouw
oplossing bouwen of kopen? Of een beschikbare software overbruggen met wat je
in huis hebt?
Wat kan jij doen?
Begin met onderzoeken. Daar is helaas geen kort antwoord op. Meestal zal je
merken dat een hybride aanpak waarbij je sommige bouwt en koopt, het beste
werkt om een compleet beeld van het bedrijf te krijgen.

www.smartdata.howwww.facebook.com/smartdatasr

NL - Module 6 - The Future of Smart Data

More Related Content

What's hot

Similar to NL - Module 6 - The Future of Smart Data

More from caniceconsulting

NL - Module 6 - The Future of Smart Data