Data Science

Haal kennis uit (big) data – Qhuba Data Science

Data analytics en kunstmatige intelligentie worden een speerpunt in de digitale transformatie. Ieder bedrijf wil meer doen met zijn data, of het nu gaat om het efficiënter laten opereren van de eigen organisatie of slimmer omgaan met klanten. Dit vraag om enerzijds een goede data management structuur en anderzijds om data science: verborgen inzichten boven water halen.

Uitdaging

De meeste organisaties hebben ervaring met BI (Business Intelligence): ze kunnen verklaren wat er in het verleden gebeurde. Het is natuurlijk veel zinvoller om data te gebruiken om ontwikkelingen te voorspellen, zodat je proactief kunt reageren. Data science is dan ook veel meer dan BI. Dat meer zit in drie dingen:

  1. Het gaat om alle soorten data: big, small, gestructureerd, ongestructureerd, intern, extern (social media, open data van de overheid, websites).
  2. Het gaat om een heel andere manier van denken, om de transformatie naar een data driven company. Dit vraagt een andere organisatie met andere functies, andere capabilities, een andere aansturing en bovenal een andere cultuur.
  3. Door verschillende databronnen te combineren en op zoek te gaan naar patronen en afwijkingen daarin, kun je interessante dingen ontdekken. Je moet echter eerst de businessvraag bedenken om te weten welke patronen en afwijkingen je zoekt. Het kunnen stellen van de juiste vraag vereist een nieuw soort creativiteit.

Qhuba aanpak

Veel bedrijven verzamelen data in het kader van ‘Zonder hooiberg zul je nooit de speld vinden’. Ze stellen vervolgens data scientists aan die de meest ingewikkelde algoritmen bedenken, zonder dat ze écht weten hoe ze de business kunnen helpen.

Qhuba draait het om. Wij helpen de business eerst de juiste vraag te definiëren – de speld die we zoeken. Pas daarna kijken we welke de processen en enterprise architectuur daar bij horen – de hooiberg. En tot slot buigen we ons over het best passende organisatiemodel.

We analyseren onder meer: Welke processen genereren welke data? Hoe kunnen we die data optimaal gebruiken voor zowel operationele als tactische en strategische vraagstukken? Welke enterprise architectuur is nodig om dit voor elkaar te krijgen? Wat moeten we organiseren op het vlak van Master Data Management?

Daarnaast kijken we naar de organisatie-inrichting: hoe werken data science teams en business units met elkaar samen? Embedden we data science in de business units of maken we hier een aparte afdeling van onder leiding van een Chief Data Scientist? Welke mechanismen zijn nodig om communicatie en samenwerking te faciliteren tussen data science teams en business unit managers? Stellen we naast een Chief Data Scientist (of Chief Analytics Officer) ook nog een Chief Data Officer aan? Wie wordt dan verantwoordelijk voor wat en hoe gaan die verschillende rollen met elkaar samenwerken?

Vanuit deze integrale blik richten we een structuur en bijbehorende processen in die tegemoetkomen aan de behoeften op zowel operationeel, tactisch als strategisch niveau. Kortom, we leggen de connectie tussen businessdoelen en data science.

De businessdoelen zijn divers. Op operationeel niveau bestaat behoefte aan data die alledaagse beslissingen ondersteunen, denk bijvoorbeeld aan een next best offer aan een klant. Op tactisch niveau gaat het om data die helpen snel bij te sturen, zoals bijvoorbeeld vraagvoorspelling. En op strategisch niveau gaat het om het uitstippelen van een beter gefundeerde strategie op basis van verborgen inzichten in data.

Resultaat

Qhuba Data Science zet niet alleen een enterprise architectuur, data management structuur en organisatiestructuur neer die het mogelijk maakt om meer waarde te halen uit data, we zorgen ook voor de bijbehorende cultuur. Een data driven organisatie wordt alleen succesvol als de randvoorwaarden op alle vlakken zijn ingevuld. We geven invulling aan mens, proces en technologie. Want alleen als deze drie resources op de juiste manier interacteren ontstaat er een data driven organisatie die op ieder niveau – operationeel, tactisch en strategisch – meerwaarde haalt uit data.

Meer weten over onze aanpak? Neem contact met ons op.

jun 19

Data science + Lean Six Sigma = process mining

Data Science is hot, net als Lean Six Sigma. Het lijken twee verschillende werelden, maar ze komen vandaag de dag steeds dichter bij elkaar nu nieuwe technologieën het mogelijk maken om volautomatisch processen te analyseren en verbeter mogelijkheden aan te wijzen. Hoe kan Qhuba daarbij helpen? Waar de term Big Data al... verder lezen →
Data science + Lean Six Sigma = process mining

Data science + Lean Six Sigma = process mining

Data Science is hot, net als Lean Six Sigma. Het lijken twee verschillende werelden, maar ze komen vandaag de dag steeds dichter bij elkaar nu nieuwe.. Verder lezen →
Qhuba Data Science helpt klanten met al hun big data vraagstukken

Qhuba Data Science helpt klanten met al hun big data vraagstukken

Er komt een nieuwe loot aan de Qhuba-stam: Qhuba Data Science. Data analytics en kunstmatige intelligentie worden immers speerpunten in de digitale transformatie. In zo.. Verder lezen →
Haal meer kennis uit de aanwezige data

Haal meer kennis uit de aanwezige data

Business intelligence (BI) is het verzamelen en analyseren van gegevens met als doel om beter geïnformeerde beslissingen te nemen. Er zijn drie soorten BI: operationele.. Verder lezen →
Meer artikelen
Heeft u een vraag of wilt u meer weten?

Interesse in onze nieuwsbrief?

Qhuba verstuurt ongeveer 6 keer per jaar een nieuwsbrief aan relaties en geïnteresseerden. Hierin worden verschillende onderwerpen behandeld, die op dat moment relevant zijn voor de markt.
Ook op de hoogte blijven van de laatste ontwikkelingen?

Schrijf je dan hier in!

Wat onze klanten zeggen

“Ik vind dat ieder bedrijf zelf zijn eigen innovatie-agenda moet bepalen. Dat kun je niet uitbesteden. Het is prima om met externen te klankborden, maar je moet zelf eigenaar zijn van je digitale transformatie. Daarom vind ik het ook zo fijn om met Qhuba samen te werken. Zij hebben namelijk dezelfde visie. Ze proberen het niet uit je handen te trekken. Zij ondersteunen, houden een spiegel voor, prikkelen en spelen soms de rol van luis in de pels. Maar ze laten verantwoordelijkheden liggen waar die horen.”- CIO AVR
“Het is slim om bij dat traject een buitenstaander te betrekken. Iemand die je een spiegel voorhoudt, die doorvraagt als jij denkt dat je het antwoord al hebt gegeven. Iemand die je helpt om dieper te graven, om verder te kijken. Richard deed dat heel goed. Hij won snel het vertrouwen van onze medewerkers omdat hij niet voor hen iets besliste, maar hen inzichten liet opdoen die ervoor zorgden dat zij zelf tot een beter plan konden komen. Dat is essentieel, want dit is geen exercitie die je volledig aan een extern bureau kunt overlaten. Dit moet je zelf doen.” - CEO Von Essen Bank