27 mrt Data
Data
Grondstof voor de realisatie van bedrijfsdoelstellingen
Waarom is data zo belangrijk voor organisaties?
Data is de basisgrondstof voor informatie en kennis en daarom van grote waarde voor informatie-gestuurde organisaties. Dagelijks stroomt data in overvloed naar organisaties. Dit gebeurt zowel digitaal als analoog en zowel gestructureerd als ongestructureerd. Zij ontvangen ingevoerde data in systemen, emails, documenten, berichten op sociale media, complimenten, klachten en andere feedback en tegenwoordig ook steeds meer data via tal van sensoren. Door deze data op de goede manier te verzamelen, combineren, interpreteren, verwerken en door te leiden naar actoren wordt kennis opgebouwd waarmee hun klanten de gewenste dienstverlening kan ontvangen. Dit proces is één van de meest complexe in organisaties.
Hoe kijkt DiVetro naar dit expertisegebied?
Wij helpen organisaties met de waardevolle inzet van digitale oplossingen. Nooit als doel op zich, maar altijd in relatie tot een bedrijfsdoel. Datastrategie, data-analyse, datamanagement, data science en andere aan data gerelateerde expertisegebieden hebben vrijwel altijd als doel het waardevol – lees beter – benutten van beschikbare data. Wat willen we bereiken? Welke onderdelen in de dienstverlening aan onze klanten of medewerkers kunnen verbeterd worden? Welke data hebben we daarvoor? Welke data missen we? Welke data kunnen we afleiden? Hoe maken we de beschikbare data betrouwbaarder? Hoe maken we ontbrekende data beschikbaar? Het zijn vragen waar wij ons regelmatig over buigen. Wij blijven in alles wat we doen pragmatisch. We stellen geen nikszeggende onderzoekjes of pilot-projectjes voor om te experimenteren met data technologie. We willen er echte uitdagingen mee oplossen. We geloven wél in kleine beginstapjes om dat uiteindelijke doel te bereiken.
Het expertisegebied Data
Aan Data zijn veel expertises gerelateerd. Het omvat alle activiteiten die te maken hebben met het structureren, ontsluiten, verwerven, combineren, interpreteren, verwerken, managen en doorgeleiden van data. Denk daarbij aan datastrategie, data-analyse, datamanagement, data science, machine learning en Artificial Intelligence (AI).
Datastrategie
Wat de juiste datastrategie is voor een organisatie, hangt af van de beginsituatie en welke doelen men wil bereiken. Een passende datastrategie is een plan voor de lange termijn. Het beschrijft welke stappen genomen moeten worden om de voor de organisatie relevante data beschikbaar, beheersbaar en betrouwbaar te maken. En ook hoe in de toekomst nieuwe datastromen gegenereerd en gebruikt kunnen worden. Door vroegtijdig na te denken over data die in de toekomst beschikbaar komt, kunnen processen nu al voorbereid worden op het gebruik van die data.
Data-analyse
Het oplossen van een vraagstuk begint altijd met een goede analyse in relatie tot een bedrijfsdoel of projectdoel. We analyseren de huidige en de gewenste situatie en gaan eerst op zoek naar het echte probleem. Daarbij maken we ons zoveel mogelijk los van de huidige context. We durven green-field te denken vanuit de functionele behoeften van opdrachtgevers en kijken naar zowel traditionele dataverzamelingen als naar moderne realtime ecosystemen van sensoren en actoren. We staan open voor nieuwe trends en ontwikkelingen om zo ook oplossingen uit onverwachte richtingen te bieden.
Datamanagement
Dit expertisegebied omvat de continue beschikbaarheid, verbetering en verrijking van dataverzamelingen. Wat ons betreft is de context heel breed: het gaat om de beheersing van data en dataverwerking in traditionele operationele databases, datalakes, business en management informatie (BI en MI), data science omgevingen, machine learning en AI-algoritmen. Het doel is steeds weer om het geheel van systemen en processen toekomstbestendig te maken en in een cyclus van continue verbetering te brengen.
Data science, machine learning en AI
Deze expertisegebieden zijn multidisciplinair en breed van aard. Oorspronkelijk is data science een vakgebied van wetenschappelijke methoden, processen en systemen om kennis en inzichten te onttrekken uit gestructureerde en ongestructureerde data. De term wordt de laatste jaren gehyped, waarbij slimme zoekopdrachten in databases ook vaak al als data science of AI worden aangeduid. Ook hier hanteert DiVetro een nuchtere en pragmatische benadering. Data science gaat volgens ons over de concrete toepassing van wetenschappelijke theorieën methoden uit wiskunde, statistiek, stochastiek en algoritmiek in de vorm van machinaal leren, data classificatie, datamining, databases en data visualisatie. Om opdrachtgevers op deze gebieden te helpen hebben we consultants in dienst met afgeronde opleidingen in wiskunde, informatica en Artifical Intelligence, maar bovenal ook veel ervaring in de toepassing van deze vakgebieden.
Voorbeelden van opdrachten
In de afgelopen jaren hebben we vele klanten geholpen met data gerelateerde vraagstukken. Voorbeelden zijn:
- Het opstellen van visie, strategie en roadmaps op het gebied van data.
- Het analyseren van hiaten in bedrijfsprocessen en hoe deze met data acquisitie zijn op te lossen.
- Het opstellen van 360 graden klantmodellen voor klanten in diverse branches (zoals zorg, onderwijs, overheid, hospitality) en waar deze data in applicaties en data te vinden is en/of hoe deze te verkrijgen of af te leiden is.
- Het opstellen van door data gestuurde klant- en medewerkerreizen en het ontwerpen en realiseren van algoritmes.
- Het ontwerpen en realiseren van functionele en technische data-architecturen en data platforms, al dan niet op basis van cloudtechnologie.
- Het opstellen van programma’s van eisen en het selecteren van oplossingen op het gebied van data science, machine learning, IOT, AI, operational data stores, business intelligence tooling en ETL-tooling.
