Aan de slag met data analytics (3) – Wat kan er gebeuren?
De vorige twee blogs gingen over descriptive en diagnostic analytics. Hiermee kan een organisatie verklaren wat er is gebeurd en waarom het is gebeurd. Dit heeft dus alles te maken met ‘terugkijken’. Kennis van het verleden is nodig om het heden te begrijpen. Dit begrip is nodig om een referentiekader te schetsen voor de volgende stappen in data analytics.
In deze blog neem ik je mee in stap drie: predictive analytics. In deze stap vinden we antwoord op de vraag Wat kan er gaan gebeuren?
Wat kan je met predictive analytics?
Op dit moment weet je wat er is gebeurd en waarom het is gebeurd. Er kan nu verteld worden wat er beter had gekund. Maar je gaat pas echte waarde toevoegen aan het bedrijf als je ook kan vertellen wat er gáát gebeuren. Door gebruik te maken van verschillende technieken kun je voorspellingen doen over toekomstige of onbekende gebeurtenissen in je organisatie. Dit doe je op basis van de huidige situatie en feiten (data) uit het verleden. Dit kan gaan over financiële cijfers, maar vooral over de drivers die leiden tot deze financiële cijfers. Denk weer aan het aantal verkochte producten en de prijzen hiervan (zie blog 2: waarom is het gebeurd?). Deze informatie wordt gegenereerd door het reeds ontwikkelde datawarehouse. Door middel van statistische analyses en data mining worden patronen in datasets gebruikt om naar voren te kijken.
In de praktijk houdt dit in dat je geen ellenlange begrotingsprocessen meer hebt, maar je werkt met geautomatiseerde forecast modellen. Deze modellen houden rekening met zowel interne als externe verandering die continue op de loer liggen en een impact kunnen hebben op de performance van jouw organisatie.
In verschillende scenario’s kun je nu bijvoorbeeld meten wat het effect van een tariefstijging is op de omzet. Hierbij wordt onder andere rekening gehouden met prijselasticiteit en externe variabelen zoals het weer, macro economische beslissingen etc.
Met predictive analytics kun je dus forecasten.
Wanneer is mijn organisatie klaar voor predictive analytics?
De eerste twee stappen uit het data analytics model moeten op orde zijn. Pas hierna kan de volgende stap worden gezet. Dit betekent dat de volgende drie onderdelen geregeld moeten zijn: data, kennis en proces.
De data moet gestructureerd klaar staan. Voor degene die betrokken zijn bij het automatiseren is het belangrijk dat zij beschikken over de juiste kennis. Zij moeten de data goed begrijpen, weten wat de drivers in je organisatie zijn en weten hoe de organisatie werkt. Het proces is wellicht het meest uitdagend om te automatiseren. We hebben hier namelijk te maken met mensen die op een andere manier moeten gaan werken. Ondanks dat we veel klaarzetten en een collega alleen nog maar de cijfers hoeft te bekijken en eventueel aan te passen, is een gedragsverandering nodig.
Deze blog is de derde uit een serie van vier over data analytics. Lees ook de laatste blog uit deze serie: prescriptive analytics. Oftewel antwoord vinden op de vraag Hoe laten we het gebeuren?
