Het verschil tussen Business Intelligence en Big Data (deel 2)

By Toin Zom 9 maanden agoNo Comments
Home  /  database marketing  /  Het verschil tussen Business Intelligence en Big Data (deel 2)

Het verschil tussen Business Intelligence en Big Data

BUSINESS INTELLIGENCE VS BIG DATA = LASAGNE VS. SPAGHETTI

Dit is het tweede artikel over dit onderwerp. Lees Deel 1

Door de overzichtelijke gelaagdheid van de BI-omgeving wordt deze weleens vergeleken met lasagne. In die vergelijking zou een Big Data omgeving meer lijken op spaghetti. Maar dan in soepvorm, aangevuld met chips, bonen, botten, huid, aardappelschijfjes, pinda’s en mayonaise. Niet bepaald een smakelijke combinatie op het eerste oog. Maar! Dan verschijnt er een meesterkok in de keuken, die van deze ogenschijnlijk onsamenhangende ingrediënten een meesterlijk gerecht kan maken. In de Big Data wereld is deze persoon geen chef-kok, maar een data scientist. In tegenstelling tot de business analist of de BI- analist geeft een data scientist geen antwoord op een gestelde vraag, maar gaat de data scientist op zoek naar een antwoord op een niet gestelde vraag. De data scientist zoekt en vindt verborgen verbanden in de data. Hij combineert de interne data met vreemde data en zoekt naar correlaties. De data scientist is een econometrist die hypotheses toetst en statistisch onderbouwt, daar waar de BI-analist meer een boekhouder is, die toetst hoe afdelingen, filialen en personen presteren ten opzichte van elkaar en vooraf afgesproken regels en normen.

DATA ALS BRANDSTOF VOOR UW ORGANISATIE
BUSINESS ANALIST EN DE DATA SCIENTIST

Daar waar een manager of business analist zich afvraagt hoeveel leads er zijn gegenereerd in de afgelopen x weken, hoeveel er zijn nagebeld, bezocht en hoeveel er hiervan uiteindelijk zijn geconverteerd tot een order en tot hoeveel omzet dit heeft geleid, gaat de data scientist op zoek naar een vooraf onbekende correlatie van deze parameters:

  • Hoe groot is de kans dat een lead nog converteert naar een order als er langer dan x dagen zit tussen het moment van lead generatie en het nabellen? Als we deze periode met y dagen terugbrengen, wat is dan het resultaat op de conversie, en hoeveel % meer omzet zou dat genereren? De data scientist geeft antwoord op deze vraag en als de voorspelde winsttoename significant is, kan een proef worden gestart waarbij de leads random worden verdeeld in twee groepen. Een groep wordt standaard na x dagen gebeld, de andere groep na y dagen. En als uit deze proef blijft dat groep 1 inderdaad een hogere conversie heeft, dan wordt dus nabellen binnen x dagen de norm.

En daar komt dan het ‘traditioneel’ BI weer om de hoek kijken. Wekelijks wordt gemeten en gerapporteerd of de norm van bijvoorbeeld 95% nabellen binnen 4 werkdagen gehaald wordt. Als uit de rapportage blijkt dat dit target te vaak gemist wordt moet bekeken wat de oorzaak van het missen van deze norm is, en moeten passende maatregelen getroffen worden.

Zo gaan Big Data en Business Intelligence dus hand in hand, om te voorspellen waar verbeteringen in het proces doorgevoerd moeten worden om beter te kunnen scoren op een bepaalde KPI, deze verbetering te toetsen, door te voeren en vervolgens weer te meten.

HET EINDE VAN BUSINESS INTELLIGENCE DOOR TOEDOEN VAN BIG DATA?

Betekent de spectaculaire opkomst van Big Data het einde van Business Intelligence? In mijn ogen niet. De gemiddelde manager die zelf wordt afgerekend op het behalen van doelstellingen zal altijd behoefte houden aan tussentijdse rapportage om te zien of zijn team, zijn afdeling en zijn aanpak nog op koers liggen.

DATA ALS BRANDSTOF VOOR UW ORGANISATIE

En daar waar nodig zal moeten worden bijgestuurd om de targets alsnog te halen. Of kan ergens in het derde kwartaal de champagne worden ontkurkt omdat de doelstellingen voor dat jaar al zijn gehaald.
De technieken en software die gebruikt worden in Business Intelligence en Big Data zullen wel steeds dichter naar elkaar groeien. Deels omdat de traditionele BI- vendors een graantje willen mee pikken van de Big Data hype, anderzijds omdat de data lakes/ data swamps door veel BI-tools te bereiken zijn. De BI-tools kunnen hierdoor meeliften op de data verzamelingen die toch al worden aangelegd voor de data scientist. Echter; dan steekt het aloude probleem weer de kop op!

Wordt de data in de swamp rechtstreeks benaderd door een BI tool, dan val je toch weer in de oude valkuil van het rapporteren zonder vast afgesproken definities, het werken met ongeschoonde en slecht of niet geïntegreerde data. En aangezien een bedrijf op zoek zou moeten zijn naar ‘the single version of the truth’ zou bedrijfsbrede BI rapportage rechtstreeks op een data swamp ‘verboden’ moeten worden. Aan de andere kant zal een bedrijf dat ook in de toekomst zijn doelstellingen wil blijven halen zichzelf steeds beter moeten begrijpen en zichzelf steeds opnieuw moeten uitvinden. Waar liggen de kansen en bedreigingen? Wat zijn de richtingen, producten of diensten die echt bijdragen aan de winst of andere doelstellingen en welke producten lijken hun langste tijd gehad te hebben? Doe jij het namelijk niet, dan doet je concurrent het wel.

Daarom kan in mijn ogen geen bedrijf zonder gestructureerde BI-oplossingen, maar ook niet zonder Big Data. De twee zullen vreedzaam naast elkaar bestaan. Juist omdat ze zo verschillend van karakter zijn.

Lees Deel 1

Categories:
  database marketing, k2, k2 marketing, marketing intelligence
this post was shared 0 times
 000
About

 Toin Zom

  (2 articles)

Toin Zom heeft ruim 20 jaar op het gebied van databases, data-warehousing, business intelligence, data integratie en data-kwaliteitsissues. Hij beschikt over een zeer brede technische kennis en heeft ervaring in alle aspecten van het vakgebied; van datamodellering tot oplossings-architectuur, van database inrichting en optimalisatie tot het ontwerpen, bouwen en testen van ETL-omgevingen. Toin heeft gewerkt voor zeer uiteenlopende opdrachtgevers in de telecombranche, bank- en verzekeringswezen, retail en farmaceutische industrie.

Leave a Reply

Your email address will not be published.