Het goud uit gegevens

Het goud uit gegevens

Ik ben al een paar dagen op zoek. Op zoek naar een woord dat me maar niet te binnen schiet…  Ik zoek naar een synoniem voor het woord ‘jaloezie’ maar dan zonder de afgunstige kant ervan. Ik gun het een ander namelijk ook, zo’n mooie Tesla.
Het is een wonderbaarlijk stuk techniek dat de grenzen van wat men auto noemt, doet verschuiven.
Fluisterstil, volledig elektrisch en zelfs in staat om zich (enigszins) autonoom in het verkeer voort te kunnen bewegen. Hiervoor is de auto inmiddels uitgerust met 8 camera’s, twaalf ultrasone sensoren en een radar. Alle binnenkomende gegevens worden razendsnel verwerkt om te voorkomen dat je iets raakt en dat je netjes met het verkeer meerijdt.
Met diezelfde gegevens gebeurt echter veel meer. Elon verzamelt van alle Tesla’s die rondrijden een flinke berg gegevens zoals waar je bent, hoe snel je rijdt, wat de status van de auto is, hoe men rijdt en nog veel meer.

Met het verzamelen of hebben van gegevens ben je overigens nog nergens. Dat is net als het hebben van een on-ontgonnen goudmijn. Je zult de gegevens eerst ‘waarde’ moeten geven. In slechts een paar stappen zet je gegevens om in kennis. Kennis is het ‘goud’ van gegevens.

De transformatie van gegevens naar kennis gaat als volgt:

1. Zet de ruwe gegevens in een bepaalde ‘vorm’

Het verzamelen van gegevens betekent vaak dat er zich gewoon een berg data vormt. Dit kan een tabel in een database zijn. Of een Excelblad. Hierin staan tientallen, honderden of zelfs miljoenen rijen en kolommen met gegevens. Als men hiernaar kijkt zijn het gewoon getallen. In deze vorm nietszeggend. Daarom is het zaak om te zoeken naar een zinvolle vorm.
Dit kan bijvoorbeeld door gegevens te filteren of sorteren. Of door de gegevens in een draaitabel of grafiek te zetten. Je kunt dan zeggen dat de gegevens ‘in een vorm’ staan. Laten we dit invormatie noemen. Of nee, informatie. Dat past beter bij onze taal.

2. Trek conclusies uit de opgestelde informatie

Nadat de gegevens in een leesbare vorm zijn gezet, kunnen we deze verder analyseren. Een grafiek met verkoopaantallen over de verschillende maanden in het jaar kan bijvoorbeeld inzicht geven in pieken of dalen. Als deze pieken en dalen zich met regelmaat herhalen, dan zou dit gebruikt kunnen worden om te pogen de toekomst te voorspellen door de beweging naar de toekomst te herhalen. Er worden blijkbaar meer schaatsen verkocht in de winter dan in de zomer.
Bovenstaande voorbeeld is natuurlijk logisch en zal vaak al blijken uit standaard rapporten in diverse pakketten.
Leuker wordt het als je andere verbanden kunt leggen. Denk aan geografische verbanden zoals het feit dat kleine flesjes en blikjes frisdrank vooral veel worden verkocht in winkels rondom middelbare scholen.

Let hierbij echter wel op: Het is niet moeilijk om verkeerde conclusies te trekken. Neem bijvoorbeeld de volgende situatie; Uit grafieken blijkt dat er meer mensen verdrinken wanneer meer ijs wordt verkocht. Het verbieden van het verkopen van ijs lost echter het probleem van verdrinking niet op.
Er is wel sprake van correlatie, echter niet van causaliteit. De verdrinkingen worden niet veroorzaakt door het verkopen van ijs, maar doordat meer mensen gaan zwemmen als het warm weer is. Net zoals meer mensen ijs kopen bij datzelfde warme weer.
Zoek bij conclusies dus altijd naar een oorzakelijk verband.

3. Gebruik de inzichten die je middels de analyses hebt verkregen

Beter inzicht in hoe jouw markt zich beweegt maakt nog niet dat jouw organisatie er beter van wordt. Pas wanneer een organisatie actie onderneemt op basis van de nieuw verkregen inzichten, vertaalt de berg gegevens zich naar waarde voor de organisatie. De data wordt immers stuurinformatie om sneller, efficiënter of gerichter te kunnen werken.

Even terug naar Tesla. Met de gegevens van vele honderdduizenden bestuurders kan Tesla niet alleen de autonomie van zijn voertuigen vergroten. Ook kan Elon deze informatie gebruiken om bijvoorbeeld opmaat gemaakte verzekeringen aan te bieden. Hij heeft immers gedetailleerde informatie over rijgedrag van duizenden bestuurders op bepaalde plaatsen, tijden, etc. Tot op het niveau van remmen en accelereren op specifieke kruispunten aan toe.

Dit wil ik ook (zonder jaloers te zijn)

De vertaalslag van gegevens tot kennis wordt ook wel Business Intelligence (BI) genoemd. Met grote regelmaat valt men terug op Excel om op zoek te gaan naar verbanden en hierover te rapporteren. Veel verder dan een standaard grafiek en draaitabel komt men vaak niet.
De kracht van snel filteren en op meerdere manieren visualiseren van data is intussen echter voor iedereen binnen handbereik. Tools als QlikView (Personal Edition) en Microsoft PowerBI stellen jou en jouw organisatie in staat om -zonder licentiekosten te maken- kennis op te doen van een groot aantal mogelijkheden rondom BI. Het inlezen van een bestaande Excel-file en maken van de eerste ‘doorklik’-views laten al snel zien hoe krachtig deze tools zijn. Ze zijn vele malen sneller dan Excel en hebben enorm veel mogelijkheden.

Met enige investering kunnen deze rapporten en overzichten ‘real-time’ worden gemaakt en kunnen ze gedeeld worden met meerdere personen. Ook kunnen ze eenvoudig via internet en op mobiele apparaten worden gedeeld.

Samen kijken naar de mogelijkheden?
Uiteraard is het mogelijk om eens vrijblijvend naar wat mogelijkheden rondom BI te kijken. Neem daarvoor contact met mij op via g.koster@bonsenreuling.nl. Wellicht dat BI een goede opvolger is voor de bestaande Excel-rapporten en andere tools binnen jouw organisatie.

Ik heb trouwens inmiddels een minder afgunstige vertaling voor jaloezie gevonden: ‘een soort zonnewering’ ;-).

Auteur

Geert Koster

Senior Medewerker ICT
Binnen BonsenReuling werkzaam op de ICT-afdeling. Ik houd mij daar met name bezig met het operationeel houden van de ICT-omgeving voor onze eigen kantoren. Daarnaast breng ik voor de Audit-afdeling ICT-omgevingen van klanten in kaart en adviseer ik op het gebied van informatiebeveiliging.

  

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Verplichte velden zijn gemarkeerd met *