‘Big data is de toekomst’. Grote kans dat dit onderwerp ook binnen jouw organisatie is besproken. Het afgelopen decennium stonden de krantenkoppen er vol mee en leek het de gouden oplossing voor veel IT teams.

Organisaties pompten enorme bergen geld in big data om zo snel mogelijk zo veel mogelijk data te verkrijgen. Apparaten, van wasmachines tot satellieten, hebben sensoren gekregen en streamen 24/7 data. Met als resultaat maar liefst 2,000,000,000,000,000,000 nieuwe databytes per dag, door bedrijven gegenereerd. 

Maar is al deze data echt zo nuttig voor jouw organisatie? Te veel data hebben lijkt niet direct een groot probleem te zijn. Tot je ziet dat de grote toename van data ook voor een toenemende uitdaging voor IT teams zorgt die alle data moeten organiseren en beveiligen. En helaas is zowel dataopslag als databeveiliging niet gratis. Daarnaast kunnen IT teams minder tijd besteden aan het verbeteren van AI en algoritmen. Een overdaad aan data kan je dus meer kosten dan baten brengen. Goed nieuws: het kan ook anders. 

Data kan veel waarde opleveren. Zo kan goed data management je helpen bij het maken van beter onderbouwde beslissingen, het verbeteren van je marketingcampagnes, het optimaliseren van bedrijfsprocessen en het drukken van kosten. Daarnaast kan data je - als voedingsbron voor AI - tijd en geld te besparen door routine taken en processen te automatiseren. Genoeg redenen om veel data te gebruiken, zou je zeggen.

Het overgrote deel van de data die binnenkomt is echter niet ‘schoon’. Data scientists besteden maar liefst 80% van hun tijd aan het opschonen, verifiëren en gereedmaken van data. Dit is waar ‘smart data’ naar voren komt: data die al schoon is, direct in een model gezet kan worden en direct waardevolle inzichten oplevert. Smart data is zo geconfigureerd dat er direct gebruik van gemaakt kan worden en modellen sneller impactvolle data kunnen vinden. Het lijkt de oplossing te zijn om de juiste data voor specifieke doelen te vinden.

Dit vraagt echter om een verandering in de data aanpak. Zo hebben de meeste AI modellen gigantische hoeveelheden trainingsdata nodig om te zorgen dat resultaten waardevol genoeg waren. Door databronnen te kiezen die veel preciezer en van hogere kwaliteit zijn, is er vele malen minder data nodig. Wanneer data professionals hun aanpak veranderen naar een smart data aanpak kunnen ze met minder data meer nuttige inzichten verkrijgen.  

Hoe zit het eigenlijk met de houdbaarheid van de data van je organisatie? Stel je bent een logistieke partij die keukens aflevert per vrachtwagen. Je maakt een planning gebaseerd op je data van het aantal keukens dat die week is aangevraagd en de locatie waar deze heen moeten. Een vollere vrachtwagen betekent natuurlijk dat je meer klanten kunt bedienen en is daardoor efficiënter. De week erop levert je data van de week ervoor geen efficiënte planning meer op en heb je recentere data nodig. Oftewel, je oude data heeft zijn waarde al verloren. Een snelle afhandeling van de berg aan data kan de waarde ervan enorm verhogen.

Die snelle afhandeling vraagt om de juiste technologie op de juiste plek. Data die direct van de sensor naar de cloud gestuurd wordt kan razendsnel verwerkt worden. Data verwerking verhuizen van on-premises naar de cloud heeft dan ook voordelen als het versnellen van data processing en het vergroten van data toegankelijkheid. Ook het gemakkelijk beschikbaar maken van data voor de eindgebruikers kan voorkomen dat data onnodige tijd op de plank blijft liggen. Lees hier hoe wij PostNL hebben geholpen om data sneller en beter te verwerken. 

Naast smart data groeien ook small en wide data in populariteit. Bij wide data worden verschillende data sets van diverse bronnen bij elkaar gebracht. Hierdoor kan data effectiever worden gebruikt, is er minder data nodig en wordt er meer waarde uit een mix van databronnen gehaald. 

Small data ben je al vaker tegengekomen dan je denkt. Small data gebruikt weinig maar erg specifieke data. Een QR-code scannen voor een menu in een restaurant of een online hypotheek aanvragen zijn goede voorbeelden. Er zijn honderden voorbeelden waarbij organisaties snelle en onmiddellijke analyse nodig hebben en waar small data big data overbodig kan maken. Samen kunnen small en wide data helpen uitdagingen aan te gaan waarbij er weinig trainingsdata beschikbaar is of bij het ontwikkelen van meer robuuste modellen door een grotere variëteit van data te gebruiken.

Vanuit Incentro vragen wij je dan ook graag: Kijk nog eens goed naar de data in jouw organisatie. Zijn jullie alleen op zoek naar meer, meer en nog eens meer of wordt de data op een effectieve manier gebruikt? Incentro helpt je graag om de data van jouw organisatie op orde te krijgen. 

Zo kunnen wij je helpen door meer waarde te halen uit jouw data door de huidige situatie te analyseren en doelstellingen te bepalen. Vervolgens helpen onze specialisten bij het definiëren van een roadmap en techstack. En dan: let’s build! Als IT-partner staan we je bij in het bouwen van de infrastructuur. Zodra de basis staat helpen wij je verder door te ontwikkelen en te optimaliseren. Dus als jij klaar bent voor verandering, gebruiken wij graag technologie om jouw organisatie naar het volgende niveau te brengen.

Big data: Grote hoeveelheden ongestructureerde data
Smart data: Kleinere datasets die uitvoerbare en waardevolle informatie bevatten
Wide data: Data uit een grote variëteit aan bronnen
Small data: Erg kleine dataset met specifieke data

Incentro help je graag bij het oplossen van dit vraagstuk.