4 redenen om NU met Augmented Analytics te beginnen (en hoe)
In deze tijd van het jaar kijken we met z’n allen massaal naar trends en ontwikkelingen die ons het komende jaar te wachten staan. Google maar eens ‘Trends + BI’ en je wordt overspoelt met de term ‘Augmented Analytics.’ Dit is echter niet het eerste jaar dat Augmented Analytics om de hoek komt kijken. Augmented Analytics is al langer in ontwikkeling.
Waarom is Augmented Analytics opeens zo’n buzzword? Wat maakt het juist NU belangrijk? En hoe kan jij de eerste stap hierin maken?
Augmented analytics
Kort gezegd is Augmented Analytics het automatiseren van stappen in het data analyse proces. Voor het automatiseren van deze stappen maken we veelal gebruik van Artificial Intelligence of Machine Learning. Van data preparatie, opslag tot verwerking, Augmented Analytics maakt overal een automatiseringsslag overheen. Het doel van Augmented Analytics is; data nog makkelijker bij de business te brengen, zodat alle gebruikers beslissingen kunnen maken op basis van data. Dat klinkt ons natuurlijk als muziek in de oren.
“Augmented Analytics maakt het makkelijker om te werken met data.” – Tableau
Waarom automatiseren?
Voor veel mensen klinkt het automatiseren met behulp van AI/MI als een ver van hun bed show. Waarom zou je hieraan beginnen?
Minder kans op fouten
Moderne BI oplossingen hebben nog steeds veel manuele processen in zich en de kans op menselijke fouten is daarom groot. Door deze processen te automatiseren door slimme AI oplossingen neemt de kans op fouten af. Augmented Analytics zegt echter niet dat machines de hele menskant vervangen. Zet machine en mens naast elkaar en het proces loopt efficiënt, er is minder kans op fouten en waar nodig kunnen processen nog steeds manueel worden aangepast.
Minder kans op bevooroordeelde data analyse
Mensen zijn over het algemeen nogal bevooroordeeld. Een manager die een analyse maakt weet precies naar welke data en gegevens hij of zij op zoek is, deze wordt dan ook zo bij elkaar geklikt en het resultaat is zelden verrassend. Door Augmentend Analytics in te zetten in het analyse proces, worden er razendsnel verbanden gevonden die door menselijke analyse veel langer zouden duren. Daarnaast komen er daardoor resultaten aan het licht die niet door mensen was bedacht of bij voorbaat al waren uitgesloten.
Nogmaals is de combinatie mens en machine hier belangrijk. Een machine kan een prachtig verband vinden, maar is het daadwerkelijk een causaal verband? Hiervoor is toch echt de ervaring vanuit de business nodig. Wat betekenen deze cijfers en analyses nou eigenlijk? Is het logisch en is het überhaupt aan elkaar gerelateerd?
Data wordt BIG DATA
De derde reden om hier NU aan te beginnen is dat we steeds meer data produceren. De meeste bedrijven spreken niet meer over data maar over Big Data. Het proces van het opslaan van, preparen en analyseren van al die data wordt bij veel bedrijven nog niet optimaal benut. Een onderzoek van TRUE Global Intelligence wijst uit dat 55% van de data binnen bedrijven wel wordt verzameld, maar dat er vervolgens niks meer gebeurt. Met een geautomatiseerd proces kan je dit percentage verlagen en meer met de data doen die je nu verzameld en mogelijke pareltjes ontdekken binnen je organisatie.
Verbetert data literacy
Augmented Analytics maakt het makkelijker om met data om te gaan. De ‘Ask Data’ in Tableau is hier een mooi voorbeeld van. Zonder kennis te hebben van Tableau kan een gebruiker door letterlijk een vraag te stellen, de juiste visualisatie opvragen en analyseren. Door AI / MI worden medewerkers geholpen met slimme suggesties in het gehele proces. Zeker voor de eindgebruiker wordt het makkelijker om met data te werken.
Sociaal aspect van Augmented Analytics
Hoewel tools als Tableau het mogelijk maken om dieper in de data te duiken en makkelijk nieuwe visualisaties te maken, blijft het een enigszins statisch proces, waarbij de analisten en Tableau experts van tevoren bepalen hoever een eindgebruiker kan inzoomen op de data en naar gegevens kan kijken.
Met Augmented Analytics kunnen platformen net zo worden ingericht als bekende sociale netwerken. Wanneer dashboards en visualisaties zijn gemaakt of er een nieuw inzicht is gevonden, kunnen gebruikers dit met andere delen, personen in de organisatie taggen en notities en verhalen bij de dashboards of inzichten posten op een manier die ze kennen van bijvoorbeeld Teams, Slack en social media. Met slimme innovaties als ‘Ask Data’ wordt het voor iedereen mogelijk om een visualisatie te maken en data te analyseren. Dit triggert mensen om op dagelijkse basis met data te werken en zo bouw je een data cultuur in je platformen en processen.
Hoe begin je?
Door gewoon te doen!
Augmented Analytics is een middel om sneller in te kunnen spelen op jouw industrie. Start bijvoorbeeld eerst met een paar kleine use cases. Infotopics gebruikt hier zelf de Proof of Value methode voor. Hiermee beginnen we klein, maar werken we naar een concreet einddoel toe met een duidelijk resultaat. Zo houd je een project beheersbaar en bouw je in kleine stappen naar een grote implementatie van, in dit geval, Augmented Analytics.
Voor Augmented Analytics is het heel belangrijk om de eindgebruiker al bij het begin te betrekken. Augmented Analytics maakt het makkelijk voor de business om waarde uit data te halen. Om een groep eindgebruikers te betrekken bij het UX design en het gebruik, garandeer je dat het eindresultaat ook echt aansluit bij de wensen van de business en dat de adoptie een grotere slagingskans heeft.
Bij Augmented Analytics komt veel kijken. Het beslaat het hele BI veld, van back – tot front-end. Bekijk de implementatie van Augmented Anlytics als een reis. Begin met iets kleins, bouw momentum op en ontwikkel steeds een stapje meer. Maar begin gewoon met die eerste stap.
