- Hans Gerritse
- Fjodor Buis
Besluitvorming ondersteunen met business analytics
Een positief effect van de bigdatahype is dat bedrijven de waarde van business analytics zijn gaan inzien. Hot ITem geeft met Future Facts antwoord op de groeiende vraag naar gespecialiseerde analyticsdiensten die de besluitvorming kunnen ondersteunen en daadwerkelijk in de operationele processen kunnen worden geïmplementeerd.
Hot ITem is in hart en nieren een databedrijf, stelt directeur Rob Honing. “We weten al achttien jaar heel goed hoe je data opslaat en beschikbaar stelt in de vorm van informatie, hoe je deze informatie koppelt aan de besturing en hoe je data kunt analyseren om verbeterpotentieel te vinden in de operationele processen. Steeds belangrijker daarbij wordt de vraag hoe je business analytics effectief kunt inzetten als ondersteuning voor besluitvorming. En dan met name analytics waarmee je kunt voorspellen – predictive analytics – en die je kunt implementeren in de operationele processen: prescriptive analytics.”
“Voor die specifieke analyticsdiensten is een ander type mens met andere expertise nodig: data scientists met een wiskundige, statistische of econometrische achtergrond. Binnen het bestaande Hot ITem-consortium bleek het lastig om het business-analyticswerkveld verder te ontwikkelen en uit te bouwen. Vandaar dat we hebben besloten om er een aparte businessunit van te maken, die onder de naam Future Facts zelfstandig opereert onder de Hot ITem-vlag. Het managementteam van Future Facts BV wordt gevormd door Adil Bohoudi, Joost de Jonge en Laurens Koster, die allen meer dan tien jaar ervaring in dit werkveld hebben. Onder hun leiding zal Future Facts extra focus geven aan de business-analyticsactiviteiten en deze verder ontwikkelen en uitbouwen.”
Waarde uit data
“We zien een aantal bewegingen die de ontwikkeling van business analytics in de hand werken”, legt Future Facts-directeur Laurens Koster uit. “Als eerste zijn de computer- en storagesystemen buitengewoon krachtig geworden, waardoor je heel grote hoeveelheden data en algoritmes kunt verwerken. Tegelijkertijd zie je dat het echte, vooral statistische analysewerk langzamerhand van de zolderkamer af komt en steeds meer in businessprocessen wordt geadopteerd. Bedrijven gaan in toenemende mate aan de slag met statistische analyses om daarmee hun besluitvorming te ondersteunen: hoe kan ik vanuit mijn historische data voorspellen wat er straks gaat gebeuren.”
Koster benadrukt dat dit niets anders is dan een tussenstation om steeds meer inzicht te krijgen, steeds meer patronen te vinden waarmee met hogere zekerheid in de toekomst kan worden gekeken. “Ik noem het bewust een tussenstation, want het voorspelmodel moet nog worden geïmplementeerd in de organisatie, waarbij je moet zorgen dat het ook daadwerkelijk gebruikt gaat worden. De data scientists van Future Facts moeten dus niet alleen fantastische analyses kunnen maken, maar ze moeten daarnaast in staat zijn om op seniormanagementniveau uit te leggen wat de businesswaarde is voor die organisatie en hoe je dat dan implementeert in de bedrijfsprocessen.”
Op die twee verschillende facetten van data-analyse richt Future Facts zich, aldus Koster, en hij illustreert dat met een voorbeeld. “We zijn bezig met een project in het onderwijs om het intakeproces voor nieuwe studenten te optimaliseren op basis van een voorspelmodel. Als je al bij binnenkomst kunt voorspellen welke studenten succesvol zullen zijn en welke niet, dan kan daar in de onderwijsprocessen rekening mee worden gehouden. Future Facts heeft voor een grote onderwijsinstelling een voorspelmodel ontwikkeld waarmee we van een grote groep instromende studenten op basis van bepaalde kenmerken en kwalificaties direct kunnen aangeven dat ze de gekozen opleiding moeiteloos zullen doorlopen.” Door dit inzicht te vertalen naar concrete verbeteracties, levert dit de onderwijsinstelling een flinke besparing op.”
Honing vult aan: “Je ziet dat je hiermee de traditionele manier van denken goed onderbouwd kunt doorbreken, waardoor je het intakeproces anders kunt inrichten en ook echt ziet wat het oplevert. Het streven is om de doorstroming van studenten te optimaliseren. Zeker nu de overheid de kwaliteitscriteria en het bekostigingsstelsel flink heeft aangescherpt, is het des te belangrijker dat een student de gekozen opleiding in de vastgestelde periode voltooit. En het is zeker ook goed voor de reputatie van een onderwijsinstelling, want hoe meer mensen je kunt selecteren die met zekerheid slagen, hoe hoger het slagingspercentage wordt.”
‘Hot ITem geeft met Future Facts extra focus aan analyticsdienstverlening’
Herbruikbare voorspelmodellen
Het voorspelmodel dat Future Facts hier heeft geïmplementeerd is een herbruikbaar model, dat in elke onderwijsinstelling kan worden toegepast, benadrukt Koster. “Het model is in staat om behalve voorspellingen te maken ook automatisch beslissingen te nemen waarmee het proces efficiënter verloopt; we noemen dit ‘smart decisioning’. En niet alleen in het onderwijs is het model toepasbaar, maar in principe bij elke organisatie waar mensen een intake- of beoordelingsproces doorlopen. We zijn nu aan het praten met een klant om het voorspelmodel in te zetten in het orderproces om wanbetalers vroegtijdig te detecteren en daarop te anticiperen.”
“We zijn langzaamaan op weg naar een wereld waarin we vanuit data-analyse steeds meer ondersteunend gaan werken voor besluitvorming”, merkt Honing tot slot op. “We gaan dus steeds meer proberen om onze besluiten op basis van goede analyses te nemen, maar je houdt altijd de menselijke kant – intuïtie, onderbuikgevoel – en de ethische kant. Daar komen steeds meer (privacy)richtlijnen voor, omdat we tegen de grenzen aanlopen van wat wel of niet mag en wat we vinden dat ethisch nog kan. De regelgeving gaat steeds meer inspelen op onze nieuwe gedigitaliseerde samenleving, waar we veel meer doen met steeds grotere hoeveelheden data. Het is van belang om hier vroegtijdig in het ontwerpen van oplossingen rekening mee te houden.”
