Aan data zonder context heb je niet veel. Pas wanneer je data voorziet van context, ontstaat er inzicht en begrip. Neem nou mijn energierekening. Net als vele andere Nederlanders wilde ik onderzoeken hoe ik mijn stroom- en gasverbruik zou kunnen verminderen. Mijn energieleverancier heeft een verbruiksmanager app die precies laat zien wat mijn verbruik is per jaar, per maand en zelfs per dag. Superhandig. Ik ging er daarom eens goed voor zitten en vergeleek mijn verbruik in 2022 met dat in 2021.

Het zwembad in de tuin

Meteen zag ik een aantal opvallende verschillen. In mei 2021 was het verbruik bijvoorbeeld extreem veel hoger dan een jaar later in dezelfde maand. Al snel had ik het antwoord: het verschil zat ’m in de isolatiemaatregelen die we getroffen hadden. Daarnaast vertelde google me dat die meimaand ook nog eens bijzonder druilerig en somber geweest.

Toen viel me op dat ik in augustus van 2022 veel minder stroom en gas heb verbruikt heb dan een jaar eerder. In 2021 was dit andersom. Het duurde even voordat ik me realiseerde dat we in 2022 in augustus op vakantie zijn geweest en in 2021 in juli. Bovendien zette ik deze zomer een zwembad in de tuin voor de kinderen dat ik met douchewater vulde wat het verhoogde verbruik verklaarde. Best logisch allemaal, maar zonder die context kan je niet heel veel met de data. Het wordt pas duidelijk als je de gegevens van de verbruiksmanager combineert met externe data. Door de staafjes op de grafiek in de app context te geven, ontstaan nieuwe inzichten en krijgen de gegevens in mijn verbruiksmanager veel meer waarde.

Te veel data, te weinig tijd

Wat voor mijn energieverbruik geldt, gaat ook op voor jouw zakelijke data.  Gegevens worden vaak in een geïsoleerde context gepresenteerd. Jouw gegevens zeggen niet veel als de grotere context ontbreekt.

Terwijl ik dit schrijf, realiseer ik me wel degelijk hoe lastig het geworden is om data in een grotere context te plaatsen. Niet in de laatste plaats omdat er zo gigantisch veel informatie beschikbaar is. De afgelopen jaren is de hoeveelheid interne databronnen explosief gegroeid. Misschien heb je clickstream-data tot je beschikking, heb je data lakes boordevol informatie en werk je met verschillende cloudsystemen. Daarnaast zijn er ook tal van publieke datasets beschikbaar die van waarde kunnen zijn.

Tegelijkertijd hebben IT-afdelingen de mensen en de tijd niet meer om met al die gegevens aan de slag te gaan en betrouwbare rapporten te bouwen waarmee jij uit de voeten kunt.

Er is te veel data. En er is te weinig tijd.

De nieuwe generatie

Daar staat tegenover dat er een nieuwe businessgeneratie aan de slag is gegaan. Dat zijn de young professionals die net van school komen en bij jouw organisatie beginnen. Je merkt al heel snel dat ze tijdens hun opleiding hebben geleerd om met data om te gaan. Van een klant hoorde ik bijvoorbeeld dat hun jonge finance professionals python kunnen programmeren, en van een andere dat ze supply chain medewerkers hebben die algoritmes bedenken om het picken in een warehouse te verbeteren.

Deze nieuwe generatie is gewend om met data om te gaan. Maak daar gebruik van! Door deze mensen en hun collega’s toegang te geven tot data worden ze nog waardevoller voor je organisatie. Breng daarom al jouw data naar de werkvloer en laat de business het zelf doen, eigenlijk net zoals mijn energieleverancier mij in staat stelt om met mijn gegevens aan de slag te gaan. Maar daar moet je wel wat voor doen.

Zo breng je data naar de werkvloer

Het is de kunst om al die data beschikbaar te maken en op een bruikbare en veilige manier naar de werkvloer te brengen. Hier ligt een taak voor de IT-afdeling.

Nu worden datasets vaak nog gedownload en opgeslagen in Excel spreadsheets op lokale pc’s. Data wordt als het ware naar de gebruiker gebracht. Eigenlijk is dat heel onhandig. Je verliest als organisatie immers alle sturing en governance over deze gegevens, terwijl je veiligheid van deze bedrijfsdata toch heel belangrijk vindt. Bovendien wordt hetzelfde wiel door verschillende medewerkers meerdere keren uitgevonden.

51·çÁ÷vindt dat je de gebruikers naar de data moet brengen in plaats van de data naar de gebruikers. De plek waar data beschikbaar is, moet bovendien makkelijk te gebruiken, open én flexibel zijn. IT is eigenaar en verantwoordelijk, stelt richtlijnen op, kan helpen met ontwikkelen en kan coachen. Vervolgens kunnen de businessgebruikers met toegang tot die blokkendoos zelf aan de slag gaan, eigen rapportages bouwen en dwarsdoorsnedes maken die voor inzicht en context zorgen. Zij maken hun werk vervolgens gemakkelijk vindbaar voor alle andere collega’s. Allemaal op datzelfde platform.

Integratie van Data & Analytics in werkprocessen

Naast het in staat stellen van businessmedewerkers om met aan de slag te gaan, is het verrijken van alledaagse transactionele processen met data en inzichten misschien wel de beste manier om data actionable te maken. Door Data & Analytics te integreren binnen werkprocessen, maak je het nemen van beslissingen veel eenvoudiger.

Wanneer ik mijn thermostaat 1 graad hoger zet, vertelt het Google nest algoritme me precies hoelang het duurt om de nieuwe temperatuur te bereiken. Stel dat hij me ook vertelt wat de kosten daarvan zijn. Dan kan ik nog beter beslissen of ik dat wel of niet de moeite waard vind.

In worden deze inzichten al binnen verschillende transacties toegepast. Ook zijn er bedrijven die deze inzichten beschikbaar maken met speciale applicaties. Een mooi voorbeeld hiervan is de Hunkemöller in-store app voor de verkoopmedewerksters. Dit is een slimme on-site verkooptool om de klantbeleving in de winkel te verbeteren en de upsell van Hunkemöller te verhogen.

Sneller tot bruikbare inzichten komen

Het is heel leuk en interessant om met al die data te spelen en saaie datapunten tot leven te wekken. Je stelt mensen bovendien in staat om veel sneller tot bruikbare inzichten te komen die daadwerkelijk bijdragen aan een beter resultaat. Zoals de inzichten in mijn energieverbruik. Mijn kinderen weten nu precies wat een zwembad vullen met warm water kost of een half uur onder de douche. Zoals ze nu ook weten hoe handig het is om in de winter ramen en deuren goed te sluiten. (Tip: één keer een tikkie sturen voor te lang douchen doet wonderen.)

Ben je benieuwd naar manieren om data actionable te maken? Dan help ik je daar graag bij. 

The post Waarom je data naar de werkvloer moet brengen appeared first on 51·çÁ÷Nederland Blogs & Nieuws.

Waar haal jij je boodschappen? Ga je naar de Albert Heijn, Jumbo, Plus of Lidl? Of laat je jouw boodschappen bezorgen? Wanneer je jouw boodschappen haalt, dan kies je waarschijnlijk voor een supermarkt die in de buurt zit. Als je kiest voor bezorgen zijn er andere redenen waarom je voor de ene of de andere aanbieder kiest. Dan zijn het gemak van de app of de gebruiksvriendelijkheid van de webshop bepalend voor jouw keuze. Op dit moment worden de meeste boodschappen nog fysiek gedaan. Het aantal boodschappen dat online wordt besteld, schommelt tussen de 5 en 7 procent. Dat betekent dat nabijheid nog steeds de belangrijkste factor is.  De meeste mensen kunnen door die verzadiging kiezen uit meerdere supermarkten.

Ik kan in het dorp kiezen uit Albert Heijn, Jumbo en Lidl. Deze drie supermarkten bevinden zich allemaal op vergelijkbare afstand van mijn huis. Voor mij is afstand dus geen factor als ik boodschappen ga doen. Emotioneel kies ik vaak voor Albert Heijn omdat mijn zoon daar de vakken vult, maar ik kies ook vaak voor Jumbo vanwege het gevoel dat ik daar goedkoper uit ben. Maar mijn Perlenbacher Weizen haal ik bij de Lidl. Je hebt zelf vast ook een bepaalde voorkeur. Misschien ga je voor het uitgebreide assortiment en de prijswinnende groenteafdeling. Misschien vind je prijs belangrijk en dan vooral de laagste. Of misschien vind je het juist belangrijk dat jouw supermarkt waarde hecht aan sustainability.

Emotionele binding creëren en data vergaren

Het is heel interessant om te onderzoeken hoe supermarkten die emotionele binding met hun klanten kunnen sturen. Veel grootgrutters gebruiken hiervoor hun eigen app. Albert Heijn bijvoorbeeld heeft een praktische app met allerlei handige functies voor boodschappenlijstjes en sparen. Je kan zelfs een premium abonnement afsluiten waarmee je extra korting krijgt op biologische artikelen, sneller spaart en gepersonaliseerde aanbiedingen ontvangt. Dat is mooi en handig voor jou. Maar het is nóg mooier voor de supermarkt. Want jij geeft de supermarkt beschikking over álle data die jij genereert. Informatie die de supermarkt kan gebruiken om het assortiment, de services, de prijzen, de inrichting en de algehele beleving te optimaliseren. Dat vergt heel wat dataprocessing. Enerzijds om de app kloppend te houden en alle orders en inkomende informatie soepel te verwerken. Anderzijds om te zorgen dat er ook daadwerkelijk iets gebeurt met al die informatie en er daadwerkelijk van te leren. Wat was de impact op de omzet van al die persoonlijke aanbiedingen? Hoe kunnen we het de volgende keer nóg beter doen?

Nieuwe samenwerkingen en belevingen

Nog niet zo heel lang geleden was big data vooral een hobbyproject van een aantal data scientists met een Hadoop cluster op de twaalfde verdieping van het hoofdkantoor die patronen in grote datasets probeerden te vinden. Tegenwoordig zie je data (we noemen het niet eens meer ‘big’) integraal wordt toegepast binnen de belangrijkste core business processen. Datagedreven werken is van doorslaggevend belang geworden om de slag om de consument te winnen.

Ze moeten wel. De supermarktdekking in Nederland is behoorlijk verzadigd. Dat ik zelfs in mijn relatief kleine dorp op een paar minuten rijden van drie supermarkten woon, zegt genoeg. Voor een vierde supermarkt is geen ruimte meer. De oude strategie – zoveel mogelijk winkels openen – werkt niet meer. Wat wél werkt, is de introductie van nieuwe samenwerkingen en het creëren van nieuwe contactmomenten en belevingen. Denk bijvoorbeeld aan de slimme samenwerkingen tussen Esso en Spar of Albert Heijn en BP waarbij benzinestations zich ontwikkelen tot servicestations waar je ook terecht kunt om boodschappen te doen of op te pikken. Ook hier is data van doorslaggevend belang. Wil het concept winstgevend zijn dan moet je zorgen voor het juiste assortiment en de juiste bevoorrading. Data kan je hierbij helpen.

Je gaat ervanuit dat dit onder controle is. Maar hoe kan het dan toch zo zijn dat het in de aanloop naar Pasen bij mijn lokale supermarkt net leek alsof hun bevoorrading gebaseerd was op het gedrag tijdens de coronalockdown van een jaar geleden? Er lag onder andere een enorme hoeveelheid gourmetschotels die allemaal in de aanbieding moesten om er maar vanaf te komen. Alsof de algoritmes zich baseerden op het gedrag van de consumenten in de lente van 2020 en 2021, toen iedereen de paasdagen thuis vierde.

Gelden de oude patronen niet meer?

Dat brengt me echter bij een interessante vraag. Uit bovenstaand voorbeeld blijkt historische data niet zaligmakend is. Je mag gerust zeggen dat de wereld de afgelopen drie jaar behoorlijk veranderd is. De pandemie zorgde voor een enorme verschuiving in de bestedingspatronen van consumenten. De pandemie met daarna het vastlopen van de Ever Given in het Suezkanaal veroorzaakte bovendien een wereldwijde logistieke crisis waar we nog steeds last van hebben. Het importeren van goederen is veel duurder geworden omdat het huren van zeecontainers drie keer zo duur geworden is. Het valt me ook op dat er veel supermarkten meer lokale producten promoten.

Na de lockdowns volgde de oorlog in Oekraïne die ook een behoorlijke impact heeft op de prijsstelling van producten in de supermarkt en de beschikbaarheid van artikelen, onder meer omdat de gasprijs enorm gestegen is, wat weer van invloed is op de productiekosten van goederen in de supermarkt. Het landschap waarin supermarkten opereren is enorm veranderd. Dat is ook van invloed op consumentengedrag, zij zien natuurlijk ook dat de prijs van de inhoud van het boodschappenmandje enorm is gestegen.

Oude patronen gelden niet meer. Ik ben zelf ook anders boodschappen gaan doen. De onzekere situatie werkt door in de hele keten en zal het aankoopgedrag van consumenten enorm gaan beïnvloeden. Hoe? Dat weet niemand. Ook de data niet.

Korter op de bal

Om datagedreven te werken in een sterk veranderde markt moet je kort op de bal spelen. Met Pasen het gemiddelde van drie jaar inkopen, werkt niet meer. Je data scientists moeten voortdurend speuren naar trends en ontwikkelingen. Het is zaak dat je precies weet wat er aan de hand is. Om vervolgens in te spelen op die bewegingen. Welke artikelen worden geraakt door aankomende stijging van importkosten, gasprijs of vogelgriep? Hoe moeten we hiermee omgaan? Moeten we hogere voorraden aanhouden of vervangende producten aanbieden?

hoe je data vorm kan geven en je strategie daarop aan kan passen met behulp van 51·çÁ÷Business Technology Platform.

Dat vraagt in mijn ogen om drie dingen. Ten eerste vraagt het om het verzamelen van alle denkbare data uit je organisatie, maar zeker ook daarbuiten. Zowel kassa-informatie over afgerekende winkelmandjes en gegevens uit de app, als ook maatschappelijke trends en mondiale ontwikkelingen. Denk aan klimaatverandering, nieuwe of terugkomende ziektes, financiële crises die impact kunnen hebben op het assortiment. Het vraagt om nieuwe, geavanceerde technologie die je helpt om die gegevens supersnel te verwerken en te analyseren. En het vraagt om mensen die de juiste vragen kunnen stellen en weten hoe ze die uit al die ruwe data de juiste kennis kunnen destilleren. Ook moet deze nieuwe kennis teruggebracht kunnen worden naar de core retailprocessen in de hele retailketen, zoals merchandise-planning, supplychain, category management en natuurlijk de reclame-uitingen. Pas dán ben je in staat om te sturen op basis van realtime inzichten. En dan ben je bovendien in staat om de loyaliteit van je klant te verdienen. Op basis van de data van gisteren. En niet op de verouderde kennis van Pasen vorig jaar. Pas dán wordt data-driven retail de sleutel tot groei en misschien nog belangrijker, tot overleven.

The post Hoe data supermarkten helpt in hun groeistrategie appeared first on 51·çÁ÷Nederland Blogs & Nieuws.

Data lake: ruw en ongestructureerd

zijn een hot topic. Een dergelijke oplossing voor data-opslag is goedkoop, je kunt er grote hoeveelheden data van elk type format in kwijt en je kunt er geavanceerde analyses met diverse tools op los laten. Ruimte voor innovatie en experimenteren dus. Het nadeel? Data lakes kenmerken zich doordat data ruw en ongestructureerd wordt opgeslagen. Ideaal voor , clickstreams en machinedata. Maar, een data lake leent zich daardoor niet echt voor het opslaan van gestructureerde data. Doe je dat wel, dan raak je alle referenties en verbanden tussen die gegevens kwijt. Zonde.

Je data lake wordt al snel een data swamp

Maak je gebruik van een data lake? Dan heb je data scientists nodig om analyses uit te voeren en algoritmes op je lake los te laten. Doe je dat niet, dan zit je met een datamoeras. Alle data die erin wegzakken, vind je onmogelijk terug. Wil je sales, inkoop, onderhoud of elke andere afdeling in je organisatie vanuit je lake van inzichten voorzien, dan heb je verschillende tussenstappen nodig om dat te bereiken. Om weer structuur – en dus vindbaarheid – terug te brengen in data worden er daarom vaak verschillende datalagen bovenop een data lake aangebracht. En dat lijkt weer verdacht veel op die traditionele data warehouses uit het verleden.

Data driven werken met alleen een data lake? Niet te doen

Klinkt paradoxaal toch? Je stopt al je gestructureerde data uit diverse bronnen in een chaotisch meer en vervolgens ga je het opnieuw ordenen. Bovendien leidt dat ook nog eens tot extra kosten – die je juist wilde besparen – en is de data die je ‘oproept’ in je systeem altijd verouderd. Want het gestructureerd aan de oppervlakte brengen van die gegevens in je data lake kost nou eenmaal tijd.

Datagedreven werken als organisatie is er niet bij als je enkel gebruik maakt van een data lake. Want je business heeft niet zoveel aan inzichten van gisteren in een economie waarin je snel moet beslissen op basis van de actualiteit. Een data lake is daarom niet de meest ideale bron voor snel – of liever nog: real-time – inzicht. Benader daarom je informatielandschap eens op een andere manier. Een intelligente manier. Met ruimte voor structuur en executie én creativiteit.

Neem een voorbeeld aan de natuur

Waarom zou je alleen je rechterhersenhelft gebruiken als je met je linkerhelft erbij twee keer zo intelligent met je kennis om kunt gaan? En, om maar meteen het bruggetje naar mijn oplossing te maken: wat als je die linker- en rechtercapaciteiten voor elk type gebruiker beschikbaar kunt maken? Structureer je datalandschap daarom naar het beste voorbeeld, recht uit de natuur: je brein. Oftewel: een intelligent data platform.

Net als je brein heeft een intelligent data platform een logische en creatieve kant. Met de creatieve kant kan het zowel grotere contexten ‘zien’ als out-of-the-box ideeën genereren op basis van data. Die kun je vervolgens in de praktijk loslaten op de gestructureerde kant van je platform. De plek waar je gerichte vragen stelt aan het systeem en kant-en-klare inzichten kunt opdiepen.

Meer weten over data?

In deze gids vind je tips over hoe jij de beste datastrategie kan samenstellen. Onderscheid jouw bedrijf met een succesvolle datastrategie.

De bouwstenen van een intelligent data platform

Waar dit platform concreet uit bestaat? Door een lake met een logisch  te combineren, creëer je een intelligent data platform. Zo profiteer je van alle voordelen van data science en traditionele analyses. Kortom: écht het beste van twee datawerelden.

Met je data lake vol ruwe gegevens experimenteer en innoveer je. Met name je data scientists en engineers zijn bezig in die hoek. Niet alle data in je lake zijn namelijk direct interessant voor je verschillende bedrijfsonderdelen. Sommige van die wel. Die breng je daarom ook onder in je logisch data warehouse. Daar sla je voornamelijk tactische en strategische data op. Door niet alles in dat gestructureerde systeem op te slaan, blijft het licht in gebruik en kan het daardoor snel – en dus real-time – vragen van onder meer business analisten en andere gebruikers uit je organisatie beantwoorden.

Creatief en logisch: investeer in een intelligent data platform

Investeer je in een langetermijnsamenwerking tussen die ‘hersenhelften’ in data-opslag? Dan investeer je in een intelligent data platform, waar je zowel creatief als logisch mee aan de slag kunt. Intelligent datamanagement waarmee je niet alleen slagvaardiger bent, maar waarmee je ook klaar bent voor toekomstige innovaties op het gebied van data science en data-analyses.

Meer weten?

The post De data lake-hype voorbij: tijd voor een Intelligent Data Platform   appeared first on 51·çÁ÷Nederland Blogs & Nieuws.

Een datamodel bouwen: copy/paste to the max

Precies zo is het gegaan met data warehousing. In het begin werd data gekopieerd naar een basislaag en daar bovenop volgden kopieën van deze data. Eén kopie om berekeningen te maken, één kopie om data uit verschillende bronnen samen te voegen. Daarnaast nog éen kopie om data te aggregeren om snelheidswinst te behalen en één kopie om de data af te leveren aan een applicatie om de data te visualiseren. Als je een veld wilde toevoegen aan een rapport, dan moesten alle kopieën worden aangepast en de data opnieuw geladen, net zoals met die cassettebandjes.

Met de introductie van 51·çÁ÷HANA tien jaar geleden, werd de data in-memory gezet en daarboven op virtuele modellen gemaakt met HANA studio of de WebIde. Je had hiervoor behoorlijk wat development kennis nodig, maar dit werkte wel fantastisch. Ook de hoeveelheid data was geen issue meer. Daar waar je vroeger echt niet meer dan 20 miljoen regels in een tabel kon stoppen – want anders kwam je query niet meer terug – kunnen we tegenwoordig tot miljarden regels gaan en het systeem blijft enorm snel. BW maakt gebruik van het 51·çÁ÷HANA-platform en is een mooie schil om 51·çÁ÷HANA heen voor het bouwen van een data warehouse. De nieuwste versie van BW, BW/4HANA is volledig geoptimaliseerd voor het gebruik van het 51·çÁ÷HANA platform en bieden we geen data warehousing op conventionele databases meer aan. Maar je hebt wel nog bepaalde BW-skills nodig om een data warehouse te kunnen bouwen, en deze zijn schaars.

Meer weten over datamanagement?

Leer hoe u uw bedrijfsgegevens beheert, bestuurt en integreert om analyses en inzichten te optimaliseren met een demo voor database- en gegevensbeheer.

De toekomst ligt in bij Data Warehouse Cloud

Onze CEO Christian Klein benadrukte het recent nog in zijn visie voor de komende jaren; de toekomst van 51·çÁ÷ligt echt in de Cloud. Daar ligt de focus voor de komende jaren. Business applicaties uit de Cloud die, als je ligt te slapen, worden geüpdate door 51·çÁ÷en waarin je ‘s-ochtends een nieuwe set aan functionaliteit in terugvindt.

Dit is precies wat de Data Warehouse Cloud is: Data warehousing the Spotify way. Een data warehouse-applicatie die je niet installeert en configureert, maar aanzet. Waarin je met verschillende bronnen kan connecteren, zowel SAP als niet SAP. Waarin iedereen of iedere afdeling binnen je organisatie zijn eigen plek heeft via zogenaamde . In zo’n space kunnen collega’s die geen technische skills hebben echt zelf live virtueel modellen ontwikkelen op de originele data. Datamodellen kunnen worden gedeeld met andere afdelingen en zodoende hoeft het wiel niet meerdere keren uitgevonden te worden.

De gebruiker als uitgangspunt

is gemaakt met de business user als uitgangspunt. Een business user die z’n weg kent met Microsoft Excel en die iets snapt van het combineren van tabellen, kan op dezelfde manier waarop hij of zij nu een playlist maakt in Spotify, een datamodel maken. Dit kan gebruikt worden voor lijstjes, dashboards of zelf advanced analytics. Zo kunnen ze bij PWC bijvoorbeeld nu .

Via de Spaces kan IT een oogje in het zeil houden. Je kan zien hoeveel opslag disk en memory er wordt gebruikt, hoeveel modellen er worden gemaakt en of deze worden gebruikt. Zo niet, dan zet je ze in de vrieskist. Op die manier hou je ook nog de kosten binnen de perken. En je hebt geen schaarse development kennis meer nodig om meer waarde te halen uit je data. Met 51·çÁ÷Data Warehouse Cloud komen de business en IT dus dichter bij elkaar.

Meer weten?

The post Data warehousing the Spotify way appeared first on 51·çÁ÷Nederland Blogs & Nieuws.