Think Big, Start Small. But do Start! | Axians

Innovatie met data analytics Innovatie staat bovenaan de agenda van veel organisaties. En niet voor niets. Naast het optimaliseren van bestaande activiteiten is de ontwikkeling van nieuwe groeikansen nodig om de concurrentie voor te blijven. Slimme inzet van data (analytics) is cruciaal voor het behalen van deze business doelstellingen. Directies hebben daarom veel aandacht voor big data en analytics. In de praktijk is het echter lastig om deze voordelen concreet te maken. Big data blijkt voor velen nog een groot avontuur. Big Data is ook een begrip en wat valt daar dan precies onder? Iedereen lijkt enthousiast, maar tegelijkertijd zijn het vertrekpunt en precieze eindpunt niet bepaald. In deze situatie geldt zeker het aloude adagium ‘Think Big, Start Small’.

Think Big, Start Small. But do Start! | Axians

Innovatie met data analytics

Innovatie staat bovenaan de agenda van veel organisaties. En niet voor niets. Naast het optimaliseren van bestaande activiteiten is de ontwikkeling van nieuwe groeikansen nodig om de concurrentie voor te blijven. Slimme inzet van data (analytics) is cruciaal voor het behalen van deze business doelstellingen. Directies hebben daarom veel aandacht voor big data en analytics. In de praktijk is het echter lastig om deze voordelen concreet te maken. Big data blijkt voor velen nog een groot avontuur. Big Data is ook een begrip en wat valt daar dan precies onder? Iedereen lijkt enthousiast, maar tegelijkertijd zijn het vertrekpunt en precieze eindpunt niet bepaald. In deze situatie geldt zeker het aloude adagium ‘Think Big, Start Small’.

Graag iets met big data of data science

Organisaties die ‘iets’ met data analytics willen, stellen meestal twee vragen: ‘Wij hebben deze data en wat kunnen we hiermee?’ en ‘Wij willen aan de slag met Big Data, welke tooling raden jullie aan?’. Op beide vragen is het antwoord een tegenvraag: waarom wil je dit weten? Investeren heeft immers alleen zin als er een concrete uitdaging of projectvraag is. Hoe concreter deze is, hoe groter de kans op een succesvol projectresultaat. Want pas bij een duidelijk vertrekpunt is vast te stellen of data bijdraagt aan een oplossing en welke tooling nuttig is. Dit is geen scepsis, maar een aanpak die het belang van data analytics voor organisaties juist onderstreept. Het draait namelijk niet om technologie en methodologieën. Het gaat om de bijdrage aan de daadwerkelijke oplossing van een organisatie-uitdaging. Alleen dan is data analytics zinvol.

De bekende voorbeelden van succesvolle innovators zoals Airbnb en Uber onderstrepen deze aanpak. Uiteraard is data een belangrijk onderdeel van hun succes. Toch was het meestal niet hun vertrekpunt. Zij zochten in eerste instantie een oplossing voor een probleem van klanten. Natuurlijk gebruiken ze daarbij de nieuwste data analytics technologieën. Alleen waren de eerste versies nog relatief eenvoudig en speelde data science daarbij een beperkte rol.

Datalab

De belangrijkste vraag die overblijft is: ‘Hoe dan wel?’. Veel organisaties hebben in aanvang wel een dataset in gedachten en meestal ook nog wel een aandachtsgebied. Bijvoorbeeld machine data en iets met optimaliseren van onderhoud. Of verkoopgegevens en iets met verhogen van de omzet. Helaas zijn er geen generieke data analytics oplossingen die direct het gewenste resultaat teruggeven. Daarom is het nuttig om eerst een stap terug te zetten en samen op basis van deze uitgangspunten een concrete oplossing met een goede business case te definiëren.

De zoektocht naar een oplossing voor een concreet business probleem start in het Datalab. Samen met de organisatie gaan data scientists aan de slag met een aandachtsgebied en de beschikbare data. Deze scientists brengen naast kennis van analytics en IT-skills ook een dosis creativiteit en onderzoekend denkvermogen mee. Deze combinatie zorgt dat er meestal snel een concreet idee is. Het Datalab is trouwens absoluut geen theoretische exercitie. De beschikbare en bruikbare data wordt geanalyseerd en uitkomsten in visualisaties gepresenteerd. Dit vormt de basis voor nieuwe inzichten en is het fundament voor een werkend prototype, waarmee de oplossing tot leven komt. Want pas als de oplossing concreet is, door iedereen begrepen wordt en een gezonde business case heeft, wordt een project gestart om de oplossing te verankeren in de dagelijkse processen. Dan zijn ook vraagstukken rondom de benodigde tooling relevant. De verankering in de organisatie is een cruciale stap omdat ideeën en algoritmes pas op de werkvloer waarde creëren.

Do start!

Het is evident dat data analytics organisaties kan helpen om hun innovatiedoelstellingen waar te maken. Daarom is het per definitie zinvol om dit avontuur aan te gaan. Dat is spannend, maar doe het vooral. Blijf als organisatie niet hangen in het ‘Think Big’ deel vanwege het idee ‘we zijn er niet klaar voor’. Start gewoon met een concreet klein project. En blijf met kleine projecten stappen zetten op deze avontuurlijk reis. Wees vooral niet bang dat er niet genoeg data is of dat deze niet juist is. Ga de uitdaging aan. Benut kansen, hou de projecten klein en vergeet vooral niet te starten.

Klik hier voor meer informatie over Axians.

Bron artikel.