Wat is Augmented Analytics?

Volgens de meest eenvoudige definitie is augmented analytics een vorm van analytics aangevuld (augmented) met kunstmatige intelligentie. Denk hierbij aan machine learning-algoritmes en natural language processing (NLP). automatiseert complexe analytische processen, zoals het voorbereiden van data en verzamelen van inzichten. Met NLP kunnen ongetrainde gebruikers vragen stellen over data, waarop zij via gesproken taal de antwoorden krijgen aangereikt.

Wat maakt augmented analytics zo belangrijk?

biedt in de moderne economie de grootste kansen. Dankzij data-analyse weten bedrijven onder meer wat zij produceren, wanneer zij deze producten het beste op de markt kunnen brengen en hoe hun organisatie zich in de toekomst moet ontwikkelen.

De hoeveelheid data die bedrijven vandaag de dag verzamelen is echter dusdanig groot, dat deze niet langer door uitsluitend mensen kunnen worden geanalyseerd. Ondanks de grote behoefte aan snelle antwoorden kunnen bedrijven door de omvang van datasets niet aan deze vraag voldoen. Technologieën als en zijn nodig voor het extraheren van betekenisvolle inzichten uit .

Meer lezen over Machine Learning in combinatie met data?

Beter samenwerken met het data science team

Het analytische proces bestaat uit handmatige, tijdrovende stappen die dusdanig gecompliceerd zijn dat zij doorgaans alleen door datawetenschappers kunnen worden uitgevoerd. Door datawetenschappers meer tijd te geven voor belangrijkere taken zoals het interpreteren van resultaten, vergroten augmented analytics de waarde die deze analisten leveren. AI- en machine learning-gebaseerde analytics helpt hen verbindingen te ontdekken die zij anders wellicht gemist hadden en diepere inzichten te verkrijgen in minder tijd.

De technologieën ondersteunen ook werknemers in andere analytische functies, variërend van business analisten tot citizen data scientists. AI- en -gebaseerde analytics verbetert hun inzicht en laat hen werk uitvoeren dat voorheen alleen door gespecialiseerde datawetenschappers werd uitgevoerd.

Analytics toegankelijk maken voor ongetrainde gebruikers

Een belangrijk voordeel van augmented analytics is dat ongetrainde werknemers als analist kunnen functioneren. Complexe analytische processen zijn geautomatiseerd en gebruikers kunnen data opvragen door het stellen van eenvoudige vragen. Analytische kennis is dan niet nodig voor het toepassen van geavanceerde analyses. helpt deze werknemers bij het bedenken van de volgende vraag en doet daarnaast suggesties voor onderwerpen waarin zij dieper kunnen duiken.

Met zijn antwoorden op vragen beschikbaar in kant-en-klare datavisualisaties, zoals tabellen, grafieken en kaarten. Gebruikers hoeven deze niet zelf te creëren. Zij kunnen deze visualisaties via eenvoudige commando’s onderzoeken, combineren tot data stories en zijn eenvoudig delen met andere teams en managers. Zonder dat dit specifieke kennis vereist.

Wat zijn de drie vormen van analytics?

Analytics en zijn in recente jaren snel ontwikkeld van geavanceerde tools voor data en analytics professionals tot machine learning-analytics die voor iedereen bruikbaar is.

We maken onderscheid tussen drie vormen van :

1. Traditionele analytics

• Gedreven door IT
• Beperkte autonomie voor gebruikers
• Geavanceerde tools voor data en analyticsprofessionals
• Gericht op grootschalige rapportages

2. Self- service analytics

• Gedreven door de business
• Biedt gebruikers meer autonomie
• Gebruiksvriendelijke interface
• Focus op gebruiker-gedreven inzichten

3. Augmented analytics

• Gedreven door AI en
• Volledige autonomie voor gebruikers
• AI-tools en begeleide processen
• Focus op snelle en diepe inzichten die voorheen verborgen waren
• Aanvulling op de traditionele analytics

Wat zijn de voordelen van Augmented Analytics?

• Data sneller voorbereiden:

Analisten zijn zo’n 80% van hun tijd kwijt aan het voorbereiden van data voor analyses. Zij exporteren grote datasets – met soms wel miljoenen gegevens – en combineren deze, schonen de gegevens op en structureren de data. Bij augmented analytics automatiseert machine learning dit proces. Daardoor houden analisten meer tijd over voor waardevollere activiteiten en neemt het aantal menselijke fouten af.

• Geautomatiseerde analyses:

Machine learning-modellen kunnen complexe analyses automatiseren waarmee datawetenschappers anders weken bezig zijn. Antwoorden en datavisualisaties zijn direct beschikbaar voor gebruikers, die hierdoor minder tijd kwijt zijn aan het doorspitten van . Zij houden hierdoor meer tijd over voor het delen van data stories met het management en het nastreven van verandering.

• Diepere inzichten:

bekijken data op een andere manier dan mensen. Zij kunnen veel grotere datasets vanuit meer perspectieven onderzoeken. Ook kunnen machines statische correlaties, relaties en patronen identificeren die voor het menselijk oog onzichtbaar zijn. Machines kunnen data snel en op grote schaal begrijpen, menselijke intelligentie verrijken met inzichten zonder vooroordelen en gebruikers vertellen waar zij hun aandacht op zouden moeten richten.

• Conversationele analytics:

Met NLP – dezelfde conversationele waarop digitale assistenten als Siri en Alexa zijn gebaseerd – kunnen gebruikers zonder kennis van query-talen of programmeercode op een conversationele manier – spraak bijvoorbeeld- vragen stellen over data. Dankzij natural language generation (NLG) kan de technologie in volledige zinnen antwoorden samenvatten of toelichten, zowel gesproken als geschreven.

• Directe business context:

Inzichten zonder business context kennen geen waarde. -algoritmes kunnen door inachtneming van de intentie en het gedrag van gebruikers inzichten met context leveren waarop acties kunnen worden gebaseerd. Doordat breder beschikbaar is kunnen managers en ervaren werknemers inzichten verrijken met hun uitgebreide kennis en begrip van business modellen en operationele processen.

Use cases

revolutioneert bedrijfsprocessen. Wat betekent dit echter in de praktijk? We zetten enkele voorbeelden van use cases voor augmented analytics voor de financiële afdeling, sales, marketing, logistiek, HR en debiteurenafdeling op een rij.

Financieel: Een business analist kan augmented analytics inzetten voor het voorspellen van declaraties voor verschillende afdelingen.

Sales en marketing: leveren sales- en marketingteams rijkere klantprofielen op en helpen bij het snel identificeren van cross- en up-sellkansen.

Productie: Een analist van een staalfabrikant kan augmented analytics inzetten voor het voorspellen, monitoren en controleren van de kosten in vijf verschillende Europese fabrieken.

HR: HR-managers kunnen met behulp van de technologie het personeelsverloop voorspellen, de oorzaken hiervan in kaart brengen en actie ondernemen voor het behoud van goed presterende werknemers.

Debiteurenafdeling: Medewerkers van de debiteurenafdeling kunnen met behulp van late betalingen voorspellen, de juiste strategie betalen voor het innen van achterstallige betalingen en de cashflow continu in de gaten houden.

Meer weten over augmented analytics?

The post Wat is Augmented Analytics? | Definitie en voordelen appeared first on Â鶹ԭ´´ Nederland Blogs & Nieuws.

Bumble Bee Foods

Een praktijkvoorbeeld is voedselbedrijf , dat consumenten de zekerheid geeft dat zij verse, veilige en duurzaam gevangen vis- en schaaldieren eten. Dit doet het bedrijf met behulp van een cloudplatform.

De informatiestroom begint zodra de vis op zee is gevangen, schoongemaakt, gedateerd en gecertificeerd als fair trade. Zodra de vis bij een koper van Bumble Bee in een lokaal dorp aankomt, worden data over de vangst ingevoerd in het van het bedrijf. Het platform brengt de vis- en schaaldieren gedurende het volledige proces van verwerking tot verscheping in beeld.

kunnen deze informatie inzien, doormiddel van het scannen van een QR-code op de verpakking van Bumble Bee producten. Zij zien direct om welke soort vis het gaat, hoe en waar deze is gevangen en zijn fairtrade-status. Daarnaast geeft de website toegang tot recepten, de biografie van de visser en informatie over zowel de voedselkwaliteit als economische en sociale impact op vissersgemeenschappen.

National Hockey League

Een ander voorbeeld is de (NHL), dat ieder team toegang geeft tot dezelfde analytische mogelijkheden. Zij maken hiervoor gebruik van een cloudplatform, dat via een iPad-app toegankelijk is voor coaches. Via de intuïtieve app kunnen zij in real-time statistieken bekijken. De app geeft hen onder meer inzicht in de vermoeidheid van spelers, tijd op het ijs, succesratio tegenover specifieke tegenspelers en prestaties bij het doorgeven van de puck.

De beslissingen en strategieën die coaches baseren op deze informatie kunnen concurrentievoordeel opleveren. Real-time statistieken geven inzichten die het team en de coaches kunnen helpen bij het beschermen van spelers. Bijvoorbeeld tegen blessures, voorspellen van acties van tegenstanders en het creëren van competitieve strategieën.

VINCI Energies

Het derde voorbeeld is . Het internationale bedrijf nam tien jaar lang bedrijven over die bouwkundige, facilitaire en IT-diensten leveren. Dit leidde tot complexiteit. Zo was het interne beheer van zijn 77.000 werknemers verdeeld over ruim 1.800 business units in 53 verschillende landen. Iedere dochteronderneming beschikte over zijn eigen ERP-systeem en functionele applicaties, bedrijfsprocessen, analyticsmethodologieën en terminologieën.

wilde complexe projecten – die vaak jaren in beslag nemen – beter kunnen volgen en beheren. Het groeiende netwerk van bedrijven dat onderdeel uitmaakt van de organisatie is daarom nu geïntegreerd. Het bedrijf standaardiseert hiermee de wijze waarop dochterondernemingen hun uitgaven, inkomsten, urenregistratie en zowel projectkosten als -status rapporteren. De nieuwe werkwijze verbetert het beheer van de organisatie. Tegelijkertijd behoudt het bedrijf zijn decentrale bedrijfscultuur. Zodat dochterondernemingen zelf de projecten en klanten kunnen selecteren die aansluiten bij hun business.

geeft managers daarnaast real-time inzicht in de staat van hun business. Wat hiervoor een veel betere techniek is dan het gebruik van batch data. Het bedrijf zet ook intelligente technologieën zoals ML in voor bijvoorbeeld het geautomatiseerd combineren van bankverklaringen met facturen van klanten.

Meer weten?

De praktijkervaringen van Bumble Bee Foods, de NHL en VINCI Energies laten zien dat het implementeren van een cloudplatformen met diensten die specifiek zijn ontworpen voor de business loont. Benieuwd naar de mogelijkheden?

The post Business Technology Platform: Een duidelijke winnaar in de Experience Economy appeared first on Â鶹ԭ´´ Nederland Blogs & Nieuws.