Wat is Big Data?

Big data is de term van de huidige digitale wereld. Als bedrijf kunt u profiteren door het juist inzetten van big data. Wij leggen u uit hoe.

In de digitale wereld wordt veel gesproken over ‘big data’, maar wat is dat nu precies? De simpele definitie van big data is data met meer verscheidenheid die in steeds grotere volumes en met meer snelheid aankomt. Dat zijn ook meteen de belangrijkste termen. Eenvoudig gezegd betekent big data: data grotere, complexere datasets die vooral uit nieuwe databronnen komen. Deze datasets zijn zo omvangrijk dat ‘traditionele’ software voor het verwerken van data daar niet mee om kan gaan. Echter kunnen deze enorme hoeveelheden data worden gebruikt om zakelijke problemen aan te pakken die u voorheen niet hebt kunnen aanpakken. Wij leggen graag uit wat big data is en hoe u het kunt inzetten.

Inhoudsopgave

• Kenmerken Big Data
• Geschiedenis
• Gebruikersscenario’s
• Uitdagingen
• Hoe werkt het?
• Best practises
• ERP & Big data

De belangrijkste kenmerken van ‘Big Data’

Eerder werd gesproken over volume, snelheid en verscheidenheid. Dit zijn drie belangrijke termen van big data die meer toelichting vereisen.

Volume

Hier gaat het om om de hoeveelheid data. Met big data zult u grote hoeveelheden ongestructureerde data moeten verwerken. Dit kan data van onbekende waarde zijn; Zoals Twitter-datafeeds en clickstreams op een webpagina monitoort om hun services te verbeteren. Voor sommige organisaties kan dit vele terabytes aan data zijn. Voor anderen bedrijven zijn het zelfs honderden petabytes.

Snelheid

Snelheid is de hoge snelheid waarmee data wordt ontvangen en waarop (misschien) wordt gereageerd. In een normale situatie gaat data op maximale snelheid naar het geheugen, vergeleken met de snelheid waarmee data naar een schijf wordt weggeschreven. Voor sommige slimme producten met internetfunctionaliteit die in realtime of bijna in realtime werken, zijn realtime evaluatie en actie nodig.

Verscheidenheid

Verscheidendheid verwijst naar de vele type data die beschikbaar zijn. Traditionele datatypen werden gestructureerd en pasten perfect in een relationele database. Een relationele database is een type database waarin datapunten worden opgeslagen en dat toegang biedt tot datapunten die met elkaar in relatie staan. Met de opkomst van big data komt data als nieuwe ongestructureerde datatypen binnen bij bedrijven. Voor ongestructureerde datatypen, zoals tekst, audio en video, is aanvullende voorverwerking nodig om de betekenis ervan te kunnen zien en metadata te kunnen ondersteunen.

De juistheid en de waarde van big data

De afgelopen jaren zijn daar nog twee termen bijgekomen: De waarde en juistheid van big data. Data heeft intrinsieke waarde. Maar data is pas nuttig wanneer de waarde ervan wordt ontdekt. En daarnaast niet minder belangrijk: hoe waarheidsgetrouw is uw data en in hoeverre kunt u erop vertrouwen?

Vandaag de dag draait het allemaal om big data. Denk bijvoorbeeld aan enkele van 's werelds grootste technologiebedrijven zoals Google, Facebook en Amazone. Een groot deel van de waarde van die bedrijven komt uit hun data die zij continu analyseren om efficiëntere producten en systemen te produceren en nieuwe producten te ontwikkelen.

Recente technologische doorbraken hebben de kosten van dataopslag en rekenkracht enorm verlaagd, waardoor het gemakkelijker en goedkoper dan ooit is geworden om data op te slaan. 

Het zien van de waarde van big data draait niet alleen om het analyseren ervan. Het is een geheel ontdekkingsproces waarvoor analisten, zakelijke gebruikers en leidinggevenden nodig zijn die de juiste vragen stellen, patronen herkennen, goed onderbouwde aannames doen en gedrag voorspellen. Zo kunnen precieze en gefundeerde beslissingen worden genomen.

De geschiedenis van big data

Hoewel het concept van ‘big data’ relatief nieuw is, gaat de oorsprong van grote datasets terug tot de jaren zestig en zeventig toen de wereld van data vorm begon te krijgen door de eerste datacenters en de ontwikkeling van de relationele database. Ongeveer rond 2005 begon men zich te realiseren hoeveel data er via Facebook, YouTube en andere online services werd gegenereerd. Hadoop (een open-sourceframework dat werd opgezet om big data-sets op te slaan, te beheren en te analyseren) werd in datzelfde jaar ontwikkeld. De ontwikkeling van open-source frameworks, zoals Hadoop, was een essentieel onderdeel voor de groei van big data omdat ze big data gemakkelijker maken om er mee te werken en het goedkoper is om big data op te slaan. In de jaren daarna is de hoeveelheid big data explosief toegenomen. Gebruikers genereren nog steeds enorme hoeveelheden data, maar het zijn niet alleen mensen die data genereren.

Met de komst van het Internet of Things (IoT) zijn meer objecten en apparaten verbonden met internet, waardoor data wordt verzameld over gebruikspatronen van klanten en productprestaties. Daarnaast wordt door de opkomst van machine learning nog meer data geproduceerd.

Gebruiksscenario’s voor big data

Met big data kunt u een scala aan zakelijke activiteiten van klantevervaring tot analyses aanpakken. Wij hebben een beknopte samenvatting gemaakt van activiteiten die u kunt aanpassen met big data.

Productontwikkeling door big data

Bedrijven zoals Netflix en Amazone gebruiken big data om te anticiperen op de vraag van de klant. Ze bouwen voorspellende modellen voor nieuwe producten en diensten door de belangrijkste kenmerken van vroegere en huidige producten of diensten te rubriceren en de relatie tussen die kenmerken en het commerciële succes van het aanbod te modelleren. Daarnaast gebruiken ze data en analyses van sociale media, testmarkten om nieuwe producten en diensten te plannen, te produceren en te lanceren.

Voorspellend onderhoud

Factoren die mechanische storingen kunnen voorspellen, kunnen diep begraven liggen in gestructureerde data, zoals het jaar, merk en model van apparatuur, maar ook in ongestructureerde data die miljoenen logboekvermeldingen, sensordata, foutmeldingen en engine-temperaturen omvatten. Door deze indicaties van potentiële problemen te analyseren voordat de problemen zich voordoen, kunnen organisaties onderhoud kosteneffectiever inzetten en de uptime van onderdelen en apparatuur maximaal oprekken.

Customer Experience optimalisatie

Er is altijd een strijd om een klant aan te trekken en te behouden. Tegenwoordig is er een duidelijker beeld van de klantervaring dan ooit tevoren. Met big data kunt u data verzamelen van sociale media, webbezoeken, gesprekkenlogboeken en andere bronnen om de interactie-ervaring te verbeteren en de geleverde waarde te maximaliseren. U kunt op basis van big data beginnen met het leveren van gepersonaliseerde aanbiedingen.

Fraude, beveiliging en compliance

Als het om beveiliging gaat, gaat het vaak niet meer over een paar malafide hackers. U zult in de toemkomst met uw organisatie het moeten opnemen tegen groepen zeer geraffineerde hackers. Beveiligingslandschappen en compliancevereisten zijn voortdurend aan verandering onderhevig. Met big data kunt u patronen in data aangeven die op fraude wijzen en grote hoeveelheden informatie samenvoegen om rapportage over regelgeving sneller te maken.

Machine learning

Machine learning is in de digitale wereld momenteel een veelbesproken onderwerp. En data, met name big data, is een van de redenen waarom. We kunnen nu machines iets aanleren in plaats van ze te programmeren. De beschikbaarheid van big data maakt het mogelijk machine learning-modellen te trainen.

Operationele efficiëntie

Operationele efficiëntie haalt misschien niet altijd het nieuws, maar het is het gebied waarop big data de meeste impact heeft. Met big data kunt u de productie, feedback en retourzendingen van klanten en andere factoren analyseren en beoordelen om uitval te verminderen en op toekomstige vragen te anticiperen.

Uitdagingen door big data

Hoewel big data veelbelovend is, zijn er ook uitdagingen.

Ten eerste is big data enorm groot. Hoewel er in de jaren nieuwe technologieën zijn ontwikkeld voor het opslaan van data, verdubbelen de datavolumes ongeveer elke twee jaar in omvang. Organisaties hebben nog steeds moeite om bij te blijven met hun dataverwerking en nieuwe manieren te vinden om die data effectief op te slaan.

Het is niet voldoende om alleen de data op te slaan. Data moet op een juiste waardevolle manier worden gebruikt en dat hangt af van het beheer van die data. Er komt veel kijken bij het actualiseren en het opschonen van data, en bij het kijken of de data waardevol is om te analyseren. Datawetenschappers besteden veel van hun tijd aan het beheren en voorbereiden van data voordat deze daadwerkelijk kan worden gebruikt.

Hoe werkt big data?

Met big data krijgt uw organisatie nieuwe inzichten die nieuwe kansen en bedrijfsmodellen openen. Aan de slag gaan omvat drie belangrijke activiteiten:

1.  Integreren

Big data brengt data uit een groot aantal bronnen en applicaties samen. Traditionele mechanismen voor data-integratie, zoals extraheren, transformeren en laden (ETL, extract, transform, load), zijn over het algemeen hier niet geschikt voor. Er zijn nieuwe strategieën en technologieën nodig om big data-sets op terabytes of zelfs petabytes te analyseren. Tijdens de integratie moet u de data binnenhalen, verwerken en ervoor zorgen dat ze zijn opgemaakt en beschikbaar zijn in een vorm waarmee uw bedrijfsanalisten aan de slag kunnen.

2.  Beheren van data

Voor big data is opslag nodig. Uw opslagoplossing kan zich in de cloud en/of op een locatie bevinden. U kunt uw data in elke gewenste vorm opslaan en uw gewenste verwerkingsvereisten en benodigde verwerkingsengines op aanvraag naar die datasets overbrengen. Veel mensen kiezen hun opslagoplossing op basis van waar hun data zich op dat moment bevindt. De cloud wint gaandeweg aan populariteit omdat het uw huidige compute-vereisten ondersteunt en u in staat stelt om zo nodig bronnen op te starten.

3.  Analyseren

Uw investering in big data betaalt zichzelf terug wanneer u uw data analyseert en ernaar handelt. U krijgt alles helder met een visuele analyse van uw datasets. Door alle bevindingen te delen binnen uw organisatie kunt u een gelijke groei creëren door de organisatie heen.

Best practices voor big data

Als u big data binnen uw organisatie wilt inzetten, hebben wij enkele belangrijke best practices samengesteld die u meenemen in uw proces.

Big data afstemmen op specifieke bedrijfsdoelen

Met uitgebreidere datasets kunt u nieuwe ontdekkingen doen. Daartoe is het belangrijk om nieuwe investeringen in kennis en vaardigheden, organisatie of infrastructuur te baseren op een sterke bedrijfsgestuurde context om lopende projectinvesteringen en financiering te garanderen. Om te kunnen bepalen of u op de goede weg bent, moet uw organisatie zich afvragen op welke manier big data uw belangrijkste zakelijke prioriteiten en IT-prioriteiten ondersteunt en mogelijk maakt. Voorbeelden zijn bijvoorbeeld onder meer inzicht in het filteren van weblogboeken om e-commerce-gedrag te begrijpen, het distilleren van sentimenten uit sociale media en interacties met klantenondersteuning.

Verlicht het tekort aan kennis en vaardigheden met normen

Een van de grootste hindernissen om daadwerkelijk te profiteren van een investering in big data, is een tekort aan kennis en vaardigheden. U kunt dit risico verkleinen door ervoor te zorgen dat big data-technologieën, overwegingen en beslissingen worden toegevoegd aan uw IT-governanceprogramma. Door uw aanpak te standaardiseren, kunt u de kosten beheersen en middelen inzetten. Organisaties die big data-oplossingen en -strategieën implementeren, moeten hun vaardigheidseisen vroeg en regelmatig beoordelen en moeten proactief mogelijke tekortkomingen op het gebied van vaardigheden aangeven. Deze kunnen worden aangepakt door bestaande krachten te trainen of bij te scholen, nieuwe krachten in te huren en adviesbureaus in te schakelen.

Kennisoverdracht optimaliseren met een centre of excellence

Gebruik een centre of excellence-aanpak om kennis te delen, toezicht te houden en projectcommunicatie te beheren. Of big data nu een nieuwe of groeiende investering is, de werkelijk en bijkomende kosten kunnen door de hele onderneming worden gedragen. Door gebruik te maken van deze aanpak, kunnen de mogelijkheden van big data en de algehele looptijd van de informatiearchitectuur op een meer gestructureerde en systematische manier worden vergroot.

De grootste opbrengst is het afstemmen van ongestructureerde data op gestructureerde data

Het is zeker waardevol om big data op zich te analyseren. Maar u kunt zelfs nog grotere zakelijke inzichten krijgen door big data te verbinden met en te integreren in de gestructureerde data die u momenteel al gebruikt.

Of u nu big data van klanten, producten, apparatuur of de omgeving vastlegt, het doel is om meer relevante data te verkrijgen en analytische samenvattingen toe te voegen, wat tot betere conclusies leidt. Er is bijvoorbeeld een verschil in het onderscheid maken tussen alle klantsentimenten en het klantsentiment van alleen uw beste klanten. Daarom zien velen big data als een integrale aanvulling op hun bestaande business intelligence-mogelijkheden.

Houd er rekening mee dat de analytische processen en modellen van big data zowel bij mensen als machines kunnen worden gebruikt. De analytische mogelijkheden van big data omvatten statistieken, ruimtelijke analyses, semantiek, interactieve ontdekkingen en visualisaties. Met behulp van analytische modellen kunt u verschillende soorten en bronnen van data met elkaar in verband brengen om associaties en zinvolle ontdekkingen te doen.

Afstemmen op het bedrijfsmodel in de cloud

Voor big data-processen en gebruikers van big data is toegang tot een heel scala aan bronnen voor zowel experimenten als het uitvoeren van productietaken nodig. Een big data-oplossing omvat alle datagebieden, inclusief transacties, referentiedata en samengevatte data. Analytische sandbox-omgevingen moeten op aanvraag worden gemaakt om vrijuit en zonder zorgen analyses te kunnen maken zonder de hoofddata te veranderen, want het laatstse zou ervoor zorgen dat de data niet meer zuiver is en ook niet meer te herstellen is. Resource Management is van cruciaal belang om de controle over de volledige datastroom te garanderen, inclusief voor- en nabewerking, integratie, samenvattingen in de database en analytische modellering. Een goed geplande levering van privéclouds en openbare clouds en beveiligingsstrategieën speelt een belangrijke rol bij het ondersteunen van deze veranderende vereisten. Daarom is het belangrijk dat management van het begin af meedenkt zodat na het inzetten van big data de juiste doelen worden bereikt.

ERP en Big data

Big Data gaat zoals vanzelfsprekend over data. Het is natuurlijk fijn als de data op een centrale plek beheerd en beveiligd wordt. ERP-software maakt dit mogelijk. Een ERP-systeem fungeert als een centrale database. Wij leggen u uit wat ERP is en wat het kan betekenen samen met big data.

Wat is ERP?

De afkorting ERP staat voor ‘Enterprise Resource Planning’. Een ERP-systeem automatiseert en verbindt bedrijfsprocessen binnen een organisatie. Een ERP-systeem is een tool die zorgt voor een hogere productiviteit binnen de organisatie, doordat veel processen binnen dit informatie- en managementsysteem geautomatiseerd kunnen worden. Alle gegevens en data van de verschillende afdelingen binnen een organisatie worden opgeslagen in een centrale database, waardoor ze altijd voor iedere medewerker inzichtelijk zijn.

De voordelen van ERP en big data

ERP kan worden ingezet om het werken met big data te vergemakkelijken. Een ERP-systeem neemt enkele voordelen met zich mee wanneer een organisatie werkt met veel data. Een aantal van die voordelen zijn als volgt:

Veiligheid door een centrale database

Door alle gegevens in het bedrijf te centraliseren, wordt het gemakkelijker om deze op slechts één plek te beschermen. Anders zou dit op veel verschillende plaatsen afzonderlijk moeten worden beveiligd, wat een enorme inspanning zou betekenen.

Een uniforme werkwijze

Een ERP-systeem zorgt ervoor dat elke medewerker op dezelfde wijze werkt, waardoor veel tijd gewonnen wordt en kwaliteitsstandaarden behaald worden.

Rapportages

Alle bedrijfsprocessen van een bedrijf kunnen worden gemonitord en geanalyseerd via een ERP-systeem. Rapporten met de resultaten van deze analyses kunnen met een druk op de knop automatisch worden aangemaakt. De rapporten kunnen dienen als basis voor besluitvorming.