Elke seconde genereert Air France-KLM enorme hoeveelheden nieuwe data, of het nu gaat om passagiers- en cargoboekingen of de uitvoering van vluchten. Deze data bieden waardevolle inzichten die de luchtvaartmaatschappij helpen effici毛nt en effectief te opereren en zijn klanten beter te bedienen.

Denk aan predictive maintenance, waarbij op basis van historische en realtime data wordt voorspeld welke onderdelen van een vliegtuig mogelijk defect raken. Hierdoor kunnen storingen worden voorkomen en blijft het netwerk van vluchten zo stabiel mogelijk. Ook kan de luchtvaartmaatschappij met behulp van data de reiservaring van klanten verder optimaliseren en personaliseren.

Zware taak voor data analisten en scientists

Het beheren van grote hoeveelheden data brengt complexe uitdagingen met zich mee. Het is essentieel om te weten welke data beschikbaar zijn voor verschillende afdelingen, waar deze zich bevinden en wie verantwoordelijk is voor eigenaarschap en datakwaliteit. 鈥淥nze data analisten en scientists besteden momenteel een groot deel van hun tijd aan het zoeken naar antwoorden op deze vragen鈥�, zegt Marjolein Daeter, Product Owner Data Management bij KLM.

Die antwoorden zijn niet alleen nodig om waarde te kunnen halen uit data. Het is ook van cruciaal belang dat de data en het gebruik voldoen aan wet- en regelgeving.

Metadata doorzoekbaar gemaakt

麻豆原创-partner Collibra biedt hier een SaaS-oplossing voor. Met de data catalog die Air France-KLM aan het ontwikkelen is, kunnen medewerkers alle relevante informatie rondom data eenvoudig opzoeken. De gegevens zelf staan daarbij niet in de catalog. In plaats daarvan bevat de catalog metadata, zoals de naam, eigenaar en definitie van de data. Toegang tot de catalog is mogelijk via Single Sign-on.

Naast het opzoeken van informatie, kunnen medewerkers in de toekomst via de data catalog ook toegang krijgen tot de data zelf. 鈥淗et werkt als een winkelmandje waarin je de benodigde data kunt plaatsen. Met de juiste autorisaties hebben medewerkers daarna direct toegang鈥�, zegt Martin Visser, Senior Major Account Executive bij Collibra. Daeter voegt toe: 鈥淒ankzij de implementatie van de data catalog zal dit proces aanzienlijk effici毛nter geworden.鈥�

ESG-data in een overzichtelijke structuur

Een van de belangrijkste voorbeelden van de toepassing van de data catalog bij Air France-KLM is het beheer van ESG-KPI鈥檚 (Environmental, Social, and Governance). Dankzij de data catalog kan Air France-KLM nu vastleggen wat de definities en calculatieregels van ESG-KPI鈥檚 zijn. Daardoor heeft iedere medewerker toegang tot dezelfde, eenduidige informatie. Het zorgt daarnaast voor consistente en transparante rapportages.

Toekomstige AI-initiatieven

鈥淒oor het metadatamanagement te verbeteren, zorgen we ervoor dat onze data betrouwbaar, goed gedefinieerd en toegankelijk zijn. Daardoor kunnen we nieuwe technologie毛n beter benutten en onze positie als innovatieve luchtvaartmaatschappij verder versterken鈥�, concludeert Belinda Bryan, Program Manager Data & AI Governance bij Air France-KLM.

Dit geldt volgens de programmamanager ook op het gebied van AI: 鈥淒ata vormen de kern van elk AI-model, en de kwaliteit en betrouwbaarheid van deze data zijn van groot belang voor de uiteindelijke uitkomsten van AI.鈥�

Partnerschap met 麻豆原创 voor verbeterde datastrategie

Door de integratie van Collibra met 麻豆原创-oplossingen kunnen organisaties hun data nog beter structureren en catalogiseren. Deze koppeling maakt het mogelijk om gegevens vanuit verschillende systemen centraal te beheren, waarbij zowel de governance als de compliance gewaarborgd blijven. Dit partnerschap versterkt de datastrategie van organisaties en biedt een solide basis voor toekomstige innovatie en AI-ontwikkeling.

The post Air France-KLM legt fundament voor AI met sterk metadatamanagement appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Voor wie de bedrijfsflexibiliteit wil realiseren die nodig is om met verandering om te gaan en snel beslissingen te nemen is het van cruciaal belang om een solide gegevensbasis en een sterke informatievoorziening in te richten. Het is uiterst belangrijk om bedrijfsteams te helpen hun gegevensassets goed te benutten en snel te reageren als de manier waarop ze informatie verzamelen en communiceren moet worden aangepast. Alleen dan kan de efficiencyverbetering tot stand worden gebracht die organisaties nodig hebben in tijden van verandering.

Daarom hebben we experts op het gebied van datamanagement en -strategie bij elkaar gebracht om belangrijke onderwerpen en trends te bespreken die de manier veranderen waarop bedrijven het volledige potentieel van data als waardevolle bedrijfsasset benutten.

Luister naar deze (Engelstalige) podcastserie over alles wat met data te maken heeft!

Ontdek de nieuwe podcasts en luister alsnog naar de onderwerpen die u misschien hebt gemist.

U kunt naar de podcasts luisteren op , , , en

Preview van seizoen 6: podcasts over datastrategie, use cases en gerelateerde oplossingen van 麻豆原创

In deze aflevering wordt het waarom, wat en hoe van 麻豆原创 Signavio Process Intelligence beschreven. Ook de integratie tussen 麻豆原创 Signavio Process Intelligence en 麻豆原创 Data Intelligence komt aan bod.聽 Sprekers: Silvio Arcangeli, Senior Director 麻豆原创 Signavio Process Intelligence en Ginger Gatling, Senior Director Data Management Solution Marketing bij 麻豆原创

In deze aflevering wordt 麻豆原创 Signavio ge茂ntroduceerd. Er wordt uitgebreid ingegaan op Signavio, de belangrijkste onderdelen van de oplossing en hoe 麻豆原创 en Signavio samenwerken om processen te verbeteren.
Sprekers: Silvio Arcangeli, Senior Director 麻豆原创 Signavio Process Intelligence en Ginger Gatling, Senior Director Data Management Solution Marketing bij 麻豆原创

Deze podcast gaat over de basis waarover bestuurders, vooral van bedrijven waarbij data van oorsprong geen grote rol spelen, moeten beschikken om te kunnen omgaan met de belangrijkste kansen en risico’s, dieper naar informatie te kunnen graven en toezichtsverantwoordelijkheden op het gebied van data te kunnen nakomen. Luister naar de inzichten van , 鈥渢he Data Doc,鈥� President bij Data Quality Solutions, en , Enterprise Data Management & Data Strategy Innovator bij 麻豆原创.

Luister naar dit interactieve gesprek tussen vrouwen die hun hele carri猫re werkzaam zijn geweest in datagerelateerde functies, met onder andere , VP of Global Marketing and Solutions bij 麻豆原创, , Senior Director in Data Management bij 麻豆原创, , Product Marketing Manager bij AWS en , Senior Director in Data Management bij 麻豆原创. Zij delen hun mening over hoe datamanagement er vandaag de dag voorstaat, tips voor een carri猫re als dataspecialist en inzicht in het belang van pleitbezorgers voor het gebruik van data in verschillende sectoren.

In deze aflevering wordt ingegaan op documentverwerking, het partnerschap met OpenText en een recent ROI-onderzoek naar kostenvermindering, prestatieverbetering en een effectieve migratie naar S/4HANA.
Sprekers: Sheila McCarthy, Senior Global Director for Marketing and Solutions en Ginger Gatling, Senior Director, 麻豆原创 Solution Marketing

Deze podcast is een vervolg op aflevering 51, waarin we de services voor datamanagement van 麻豆原创 Business Technology Platform hebben besproken. In deze aflevering maken we kennis met een bedrijf waarbij ge茂soleerde en niet-gekoppelde data zonder bedrijfscontext een uitdaging vormden. In de podcast wordt verteld hoe 麻豆原创 Business Technology Platform, en meer in het bijzonder de bijbehorende data- en analyseservices, zijn gebruikt om bedrijfscontext toe te voegen aan de bestaande wildgroei van gegevens en zo onderbouwde beslissingen mogelijk te maken.
Sprekers: Silvio Arcangeli, Senior Director Platform & Technology Product Strategy bij 麻豆原创, Axel Schuller, Data Management Solution Management Lead bij 麻豆原创, Ginger Gatling, Senior Director Data Management Solution Marketing bij 麻豆原创

Wist u dat de afstemming van financi毛le gegevens een vereiste is voor elk 麻豆原创-implementatieproject? Wat houdt dit in en waarom moet elke organisatie er aandacht aan besteden? Luister hoe Syin Tan, Kevin Zheng, Lucas Morris en Sam Bannigan van Deloitte鈥檚 Data Practice de kosten, risico’s en compliancevereisten van financi毛le afstemming bespreken en hoe ze 麻豆原创 Data Intelligence inzetten om deze kritische succesfactor de baas te blijven.
Sprekers: Kevin Zheng 鈥� Data Specialist bij Deloitte Consulting, Syin Tan 鈥� Finance and Data Specialist bij Deloitte Consulting, Lucas Morris 鈥� Finance Specialist bij Deloitte Consulting

Deze podcast verkent de belangrijkste services voor datamanagement die beschikbaar zijn op het 麻豆原创 Business Technology Platform. Het gaat hierbij onder andere om het catalogiseren van data en om metadatabeheer, data-integratie en dataverwerking. We bespreken ook hoe deze services worden gebruikt binnen het data- en analyticsportfolio van het 麻豆原创 Business Technology Platform. Luister om te worden bijgepraat over datamanagementservices en hoe je ze kunt inzetten.
Sprekers: Silvio Arcangeli, Senior Director Platform & Technology Product Strategy bij 麻豆原创, Axel Schuller, Data Management Solution Management Lead bij 麻豆原创, Ginger Gatling, Senior Director Data Management Solution Marketing bij 麻豆原创

Sodales Solutions bouwt oplossingen voor het gezondheids-, veiligheids- en milieubeheer van bedrijven en doet dat met behulp van 麻豆原创 Business Technology Platform (麻豆原创 BTP). Door met 麻豆原创 BTP te blijven innoveren, profiteert Sodales maximaal van onbenutte kansen. Luister naar wat dit ‘麻豆原创 BTP-rolmodel’ te vertellen heeft en kom meer te weten over onder andere hun kijk op innovatie, hun idee毛n over de 麻豆原创 Store en hun wervingscriteria.

Het datavolume groeit steeds sneller. De kosten en risico’s van het beheer van al die data gaan verder dan opslag alleen. Luister naar het gesprek tussen , CEO van Auritas, en , Senior Director for Solution Management, Business Technology Platform bij 麻豆原创, over hoe en waarom de levenscyclus van data moet worden beheerd en daarbij tegelijkertijd de kosten van middelen, eigendomsverplichtingen, risico’s en compliance in evenwicht moeten worden gehouden.

In deze aflevering praten directieleden van 麻豆原创, IDC en 麻豆原创-partner Rizing over de meerwaarde die het Business Technology Platform van 麻豆原创 (麻豆原创 BTP) partners oplevert. Onder leiding van (Director, Software Channels & Ecosystems bij IDC) voeren (CTO, Rizing) en (Global VP Partner Solution Advisory, 麻豆原创) een goed onderbouwd gesprek over de bevindingen van de IDC Partner Success Guide, waarin de bedrijfs- en technologieacceleratoren worden besproken waarover partners kunnen beschikken dankzij 麻豆原创 BTP. Er worden onderwerpen besproken zoals de manier waarop Rizing innoveert met 麻豆原创 BTP, het bereik van het platform en de impact op de customer lifetime value, en de programma’s die 麻豆原创 met 麻豆原创 BTP aanbiedt om partnersucces mogelijk te maken. Luister vandaag nog naar de podcast om meer te weten te komen.

Ratan Yedla en van VASPP Technologies bespreken hoe Commodity Price Prediction werkt met 麻豆原创 Data Intelligence. Ze bespreken hoe modellen op basis van AI (Artificial Intelligence) en ML (Machine Learning), die op basis van patronen uit het verleden, externe gebeurtenissen en IoT-data toekomstige prijzen voorspellen, worden gebruikt om prijzen nauwkeuriger te voorspellen, zodat er betere inkoopbeslissingen kunnen worden genomen en organisaties kosten kunnen besparen. VASPP Technologies heeft dit gedaan tijdens de 麻豆原创 Data Intelligence-contentsprint.

en van DataXstream bespreken hoe Intelligent Automation (IA) wordt gebouwd en welke voordelen 麻豆原创 Data Intelligence heeft voor MLOps. Het team bespreekt het probleem dat groothandelaren tegenkomen wanneer ze grote offertes en bestellingen nauwkeurig en effici毛nt proberen af te handelen. Voorheen waren daar Customer Service Representatives (CSR’s) voor nodig die de GUI van 麻豆原创 begrepen en jarenlange sectorervaring hadden en die dan uren besteedden aan het invoeren van data. Bij Intelligent Automation wordt gebruikgemaakt van optische tekenherkenning (OCR) om tekst in de ML-modellen van Xilin in te lezen. Xilin vertelt over de natural language processing (NLP)-technieken die worden ingezet en over de voordelen van het ontwikkelen van pipelines voor machine learning in 麻豆原创 Data Intelligence. Kathleen en Xilin eindigen met een gesprek over de toekomst van Intelligent Automation en de mogelijkheden die machine learning biedt om meer deals binnen te halen en de koopervaring van de klant te verbeteren.

Als u graag meer wilt weten, kunt u hier extra bronnen en informatie vinden:

Dit is een vertaald blog, het origineel kunt u lezen.

The post 麻豆原创 Let’s Talk Data Podcast Serie – Seizoen 6 is nu beschikbaar! appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Nog niet zo lang geleden hadden consumenten het woord ‘cookie’ weleens gezien tijdens het surfen, maar wisten ze niet wat ermee werd bedoeld. Dat is verleden tijd. Recente door bedrijven als Google en Apple en een groeiend aantal datalekken hebben voor een kentering gezorgd. De omgang met klantgegevens en het geven van toestemming voor het gebruik van die gegevens zijn onderwerpen die spelen bij klanten. Hoe je je voorbereidt op en en (nog belangrijker) hoe je daarover communiceert, is een onderdeel geworden van de service aan klanten. Zij eisen transparantie op het gebied van gegevensbeheer, en ze zien hoe je reageert op een mogelijke dreiging. Gestolen gegevens horen per slot van rekening niet thuis in de klantervaring.

First-party datastrategie: voorbereiden op een

De klok tikt. Third-party cookies behoren steeds meer tot het verleden. Is jouw bedrijf er klaar voor? We onderzoeken best practices voor het beheer van first-party klantgegevens.

Alles draait om toestemming: de businesscase voor een transparant customer data management (CDM)

Als het gaat om CDM, dan is het belangrijk om naar het complete verhaal te kijken.

De zijn persoonlijk en belangrijk voor hun klanten. Klanten geven meer om hun gegevens dan om je marketingactiviteiten. Dit is een waarheid die bedrijven onder ogen moeten zien. Is het vertrouwen eenmaal geschonden, dan is er geen HTML-e-mail, aanbieding of evenement waarmee je de schade kunt herstellen.

De verzamelde gegevens zijn voor klanten meer dan grondstoffen voor marketingcommunicatie of personalisering. Ze vormen hun identiteit. En ze hebben te veel alarmerende verhalen gehoord om de bescherming van die gegevens niet serieus te nemen. Met een transparant gegevensbeheer kun je een . Maak hiervoor een .

Onthoud: klanten willen meewerken aan gegevensbeheer

Klanten zijn niet onwillig om hun gegevens te delen. Ze willen alleen begrijpen waarom je ze verzamelt, en hoe je ze gaat gebruiken. Transparant gegevensbeheer bevordert dat begrip.

Hoe voer je een transparanter gegevensbeheer in?

Bij het schrijven van een tekst geldt 鈥榮how, don鈥檛 tell鈥�. Het is iets wat ik al op de middelbare school leerde. Vertel er niet over, maar lever de bewijzen. Als het op transparantie van gegevens aankomt, moet je beide doen. Je moet doen wat je zegt, en zeggen wat je doet.

Hier volgen drie stappen om te komen tot een gegevensbeheer dat transparant, duurzaam en waardevol is voor je bedrijf en je klant:

1. Sluit aan bij het doel van je bedrijf
2. Schrijf en publiceer een missieverklaring voor gegevensbeheer
3. Implementeer effectieve oplossingen voor toestemmingsbeheer

Laten we hier wat dieper op ingaan:

Sluit aan bij het doel van je bedrijf

Het doel van je bedrijf moet de basis vormen van alles wat je doet, van het schrijven van teksten voor social media tot het nemen van strategische zakelijke beslissingen. Het maakt deel uit van het DNA van je bedrijf.

Met welk doel is de onderneming ooit gestart? Het leven van je klanten makkelijker maken? Een betekenisvolle verandering in de wereld teweegbrengen? Opleiden, inspireren, helpen?

Bekijk beheer van klantgegevens eens vanuit die optiek. Door je doel als leidraad te gebruiken bij het nemen van belangrijke beslissingen, kun je ervoor zorgen dat je handelen in lijn is met je langetermijndoelen.

Schrijf en publiceer een missieverklaring voor gegevensbeheer

In een missieverklaring voor gegevensbeheer geef je duidelijk en openbaar aan wat je doet om de gegevens van klanten te beschermen. Dit lijkt misschien een kleine stap, maar die biedt wel twee belangrijke voordelen:

• Het dwingt je team om op 茅茅n lijn te komen en in duidelijke bewoordingen te communiceren waar je bedrijf voor staat.
• Door de verklaring te publiceren, geef je aan dat je transparantie omarmt en bereid bent om verantwoording af te leggen. Zodra de verklaring openbaar is, hebben mensen iets om je acties aan te toetsen.

Je CDM-missieverklaring stemt overeen met de missieverklaring, de doelstellingen en de visie van je bedrijf. Ze beantwoordt de vraag: hoe draagt je omgang met klantengegevens bij aan je missie, visie en aan het bereiken van je doelen?

Implementeer effectieve oplossingen voor toestemmingsbeheer

Genoeg 鈥榲erteld鈥�. Nu is het tijd om in actie te komen. bieden je klanten de controle over hun persoonlijke gegevens, waardoor een vertrouwensrelatie ontstaat. Ze kunnen er ook voor zorgen dat je voldoet aan alle wet- en regelgeving op het gebied van gegevensbescherming.

Als je een investering in een platform voor klantgegevens overweegt, kijk dan naar een . Dit geeft je klanten de ultieme controle en zorgt ervoor dat als zij hun voorkeuren wijzigen, de wijzigingen in je hele systeem worden bijgewerkt – in elk kanaal en op elke afdeling.

Door verandering te omarmen en te laten zien dat je begrijpt hoe belangrijk de persoonlijke informatie van je klanten is, leg je een basis voor duurzame klantrelaties en stel je je bedrijf in staat om in de toekomst veerkrachtiger te zijn.

Bouw een vertrouwensrelatie op met je klanten en leg de basis voor groei.聽

Of lees in dit e-book hoe je klantvertrouwen wint als het gaat om het verzamelen van data.

The post Transparant datamanagement: zo werk je aan een duurzame klantrelatie appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Hoe geweldig dat 360-gradenbeeld van de klant ook klinkt, de waarde voor de business blijkt uiteindelijk toch gering. De enorme hoeveelheden data hebben zich niet vertaald naar een beter inzicht in de klant.

Door nieuwe privacywetgeving is de situatie nog complexer geworden. Er gelden nieuwe regels voor het verzamelen, opslaan en verwerken van klantgegevens. Hierdoor nemen de risico鈥檚 rondom 鈥榢en je klant鈥�-programma鈥檚 toe, terwijl de resultaten weinig tastbaar blijven.

Het 360 graden-concept moet plaatsmaken voor een nieuwe benadering.

Maak gebruik van klantprofielen voor een consistente CX

Zie de klantervaring (CX) als een ketting waarbij elke schakel staat voor een interactie tussen je klant en je merk. Elke positieve interactie voegt een schakel toe en maakt de ketting sterker. Maar er is slechts 茅茅n negatieve ervaring voor nodig 鈥� een verroeste of beschadigde schakel 鈥� om de ketting te breken.

De opkomst van het 360-gradenbeeld

In de jaren 90 . Dit wordt ook wel de 鈥榮ingle source of truth鈥� of 鈥榞olden record鈥� genoemd. Simpel gezegd staat deze term voor de missie om alles over een klant te weten te komen door zijn of haar data te verzamelen.

In dezelfde tijd vonden er veel overnames en fusies plaats, waardoor allerlei grote conglomeraten ontstonden. Hierdoor moesten IT-afdelingen een verzameling losse systemen beheren. Met al die systemen en datasilo鈥檚 konden organisaties geen volledig beeld van de klant krijgen. De klantervaring leed daaronder.

Deze uitdagingen leidden ertoe dat organisaties hun hoop vestigden op het 360-gradenbeeld van de klant.

Helaas werd het technologielandschap alleen nog maar complexer. Met de komst van het nieuwe millennium verging de wereld niet, maar er veranderde wel veel. Zo maakte Alibaba in 2001 voor het eerst winst, en breidde Amazon zijn activiteiten uit van boekenverkoop naar nog veel meer. De multichannelervaring deed zijn intrede.

De klant centraal stellen: het belang van CX in het datatijdperk

Klantgerichtheid is het proces waarbij de klant centraal staat bij alles wat een organisatie doet. Om klantgericht te zijn, moeten merken het gebruik van een platform voor klantdata overwegen. Waarom is dat zo belangrijk?

Vanaf 2010 verplaatste e-commerce zich steeds meer naar mobiele apparaten. Het tijdperk van digitale transformatie versnelde de groei aan systemen, kanalen en data. Een bedrijf gebruikt , verspreid over verschillende CX-applicaties en groepen binnen de organisatie.

De afgelopen jaren hebben de deeleconomie en on-demandplatforms de interactie tussen consumenten en merk veranderd. De hoeveelheid data(typen) die organisaties moeten verwerken en begrijpen is ge毛xplodeerd, met nieuwe dataformaten zoals vragenlijsten, social posts op TikTok en YouTube-video鈥檚. Personalisering, de mogelijkheid tot aanpassingen en realtime klantbetrokkenheid zijn nu de norm.

Tegelijkertijd stellen klanten hogere eisen aan de communicatie met merken. Ze verwachten dat een bedrijf weet wie ze zijn. Ze willen alleen relevante content, op het juiste moment en de juiste plek. En het bedrijf moet transparant zijn over de verzameling en het gebruik van hun data.

360-gradenbeeld van de klant in de praktijk

In de afgelopen dertig jaar hebben veel merken het 360-gradenbeeld van de klant een sleutelrol toebedeeld in hun groeistrategie毛n. Maar de voordelen hiervan zijn nooit echt volledig tot wasdom gekomen.

Verkopers en merken stellen de creatie van een 360-gradenbeeld gelijk aan het elimineren van systeemsilo鈥檚 die over de jaren zijn opgebouwd. Deze silo鈥檚 leiden tot veel frustratie en gemiste kansen binnen organisaties, in het bijzonder bij IT-teams. Het klinkt aantrekkelijk om af te rekenen met silo鈥檚 en ze te vervangen door 茅茅n magisch beeld van de klant.

Maar het verwijderen van systeemsilo鈥檚 is voor veel bedrijven geen realistische doelstelling. Het sluit simpelweg niet aan bij de manier waarop ze werken en is veel te duur.

De werkelijkheid is dat elk systeem in een IT-omgeving van een bedrijf een forse investering vertegenwoordigt, en in een specifieke businessbehoefte voorziet. Geen enkele oplossing kan:

1. de juiste data en inzichten destilleren om goed getimede marketingmails te versturen
2. de beste aanbevelingen tonen op basis van de laatste aankoop van de klant
3. anticiperen op interacties met de klant na een aankoop

Claimen dat een 360-gradenbeeld van de klant d茅 oplossing is voor deze problemen is niet eerlijk naar de organisatie toe. Die systeemsilo鈥檚 gaan nergens heen.

Context is alles

In tegenstelling tot wat vaak wordt gedacht hoeven we niet alles te weten over de klant. We hoeven alleen maar te weten wat relevant is om een positieve impact te realiseren op de winstgevendheid en duurzame groei.

Voor realtime klantbetrokkenheid moeten softwareoplossingen wendbaar zijn. Dat is simpelweg niet het geval als ze constant enorme hoeveelheden data moeten analyseren. Moderne CDP-oplossingen nemen dit harde werk uit handen. Ze brengen de data samen, analyseren ze en halen de relevante inzichten naar boven op basis van usecases.

Benieuwd naar de voordelen van een CDP-oplossing?

The post Waarom het 360-gradenbeeld van de klant een utopie is appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Wat is Data Management?

Data management helpt bedrijven om de data up to date te houden, op te slaan, te beveiligen en natuurlijk gemakkelijk te gebruiken.

Waarom wordt Data Management steeds belangrijker?

Met de grote hoeveelheden data () waar organisaties tegenwoordig mee te maken hebben, is een betrouwbaar data management systeem noodzakelijk. Bedrijven over de hele wereld heroverwegen de manier waarop ze zaken doen – ze moeten in een snel tempo beslissingen nemen en hebben daarvoor toegang nodig tot tijdige en nauwkeurige informatie van binnen en buiten hun organisatie. Toch doet maar聽liefst 聽nog te weinig met hun data.

Gegevensbeheeroplossingen spelen een cruciale rol. Ze vormen de basis voor datagestuurde intelligentie met de mogelijkheid om gegevens snel en eenvoudig te beheren, besturen en integreren in gedistribueerde landschappen. Als bedrijf kun je met Data Management anticiperen op risico’s en betere bedrijfsresultaten behalen.

Wat zijn de drie belangrijke data trends van nu?

Een datagedreven organisatie:

Zet data in de cloud

Ontdek en waarom deze een stuk goedkoper zijn.

Werk met intelligente data

Intelligente data als machine learning en artificial intelligence worden steeds meer de norm. Het gebruik van deze intelligente technologie is alleen mogelijk wanneer data goed beheerd wordt.

Gebruik een ge茂ntegreerd data platform

Grote kans dat jouw organisatie nog bij die 74% hoort die over een te complex datalandschap beschikken. Met een centrale database bevindt alle data zich op 茅茅n plek waardoor deze beter beheerd kan worden, er effici毛nter gewerkt wordt en er geen data silo’s ontstaan.

Welke ontwikkelingen spelen er binnen data management?

Machine Learning

麻豆原创 is constant bezig met nieuwe innovaties en integraties. Zo is een van de focusgebieden nu het operationaliseren van machine learning. Om dit te doen, hebben we de kracht van 麻豆原创 Data Hub en 麻豆原创 Data Intelligence gecombineerd in 茅茅n oplossing die kan worden ge茂mplementeerd in de cloud en op locatie, waardoor het eenvoudiger wordt om machine learning-modellen te operationaliseren.

Een ‘central hub’ tegen ambigu茂teit

Toegang hebben tot een centrale opslagplaats voor zakelijke termen en definities is essentieel om ambigu茂teit te overwinnen en een gedeeld begrip van sleutelconcepten in een organisatie te bevorderen. Om deze reden heeft 麻豆原创 een nieuwe zakelijke woordenlijst ge茂ntroduceerd in Deze nieuwe mogelijkheid wordt geleverd met sjablonen om te helpen bij het maken en defini毛ren van nieuwe termen en om ze in categorie毛n te groeperen. Gebruikers kunnen ook expertbeoordelingen ophalen, gegevens profileren, datalijn volgen en impactanalyses uitvoeren.

Kwaliteitsregels in masterdata

We erkennen allemaal dat de kwaliteit van stamgegevens essentieel is voor effici毛nte operaties en ge茂nformeerde besluitvorming. Toch is het defini毛ren van kwaliteitsregels vaak een ontmoedigende taak die veel vergaderingen en uitwisselingen tussen bedrijfseenheden en datateams met zich meebrengt. Met 麻豆原创 Master Data Governance op 麻豆原创 S/4HANA 1909 kunnen gebruikers nu machine learning gebruiken voor het minen van kwaliteitsregels in masterdata. De integratie met de rule repository maakt het vervolgens mogelijk om de nieuwe regels zonder vertraging toe te voegen aan een master data-proces.

The post Wat is Data Management? appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Beslissen in een tijd van recessie

Het is moeilijk om in een economische recessie zwaarwegende beslissingen te nemen om jouw bedrijf draaiende te houden. En dat is nog moeilijker als jij degene bent die verantwoordelijk is voor bezuinigingen. Inzicht in de juiste data kan je helpen om betere beslissingen te maken.

Datakosten reduceren

In dit blog leg ik je graag uit hoe jouw data je in het hier en nu kunnen helpen. Het vizier is nu meer dan ooit scherp gericht op het verbeteren van bedrijfsresultaten.

Minder ervaren managementteams die moeten bezuinigen, doen dat gewoon door personeel te ontslaan. Niet omdat ze dat leuk vinden, maar omdat ze eenvoudigweg geen andere manieren om te besparen kunnen bedenken. Hiermee vloei je echter niet alleen goed talent af, wat toekomstig herstel en het moraal van medewerkers schaadt, maar doe je ook niets aan verborgen ineffici毛ntie. En dat betekent dat je met dezelfde overheadkosten als voorheen, maar met minder mensen moet werken.

is misschien niet het eerste hulpmiddel waar je aan denkt als je de onkosten met twintig tot dertig procent moet zien te verlagen. Dat is omdat de meeste datakosten verborgen zijn. Het zijn nagenoeg onzichtbare onkosten die bedrijven in goede tijden tolereren. Maar nu je in de problemen zit, is het van essentieel belang dat je ze elimineert.

Verbeter de datakwaliteit

Hier is een voorbeeld van wat datakwaliteit kan doen. Ik heb onlangs samengewerkt met een groot internationaal chemisch bedrijf dat in 茅茅n聽聽maar liefst 6000 verschillende betalingsvoorwaarden had, zoals een korting van twee procent bij betaling binnen 25 dagen. Als je met wereldwijde ondernemingen werkt, maar verschillende en niet-geharmoniseerde betalingsvoorwaarden hanteert voor lokale vestigingen, dan is het onmogelijk om KPI鈥檚 zoals Days Sales Outstanding, te optimaliseren.

Evenzo maken duplicaat materialen in聽ERP-systemen聽het onmogelijk om voorraad te rationaliseren en optimaliseren. We hebben recentelijk gewerkt met een bedrijf dat reserveonderdelen aan klanten in de olie- en gassector levert. Na twee weken ontdekten we dat dertig procent van de producten in hun catalogus gedupliceerd was. En daarmee bespaarden we hen duizenden dollars aan onnodige voorraad.

Door eenvoudige dingen zoals de kwaliteit van聽aan te pakken, kun je de jaarlijkse uitgaven bij leveranciers met twee procent verlagen, de kosten van voorraad in de leveringsketen met tien tot vijftien procent reduceren, tot twintig procent op de kosten van financi毛le afsluiting besparen en het aantal Days Sales Outstanding met tien procent verbeteren.

Data Cleansing-as-a-Service

Ja, ik weet wat je denkt. Datakwaliteit verbeteren is moeilijk en je kunt geen IT-oplossing kopen om verborgen datakosten uit de weg te ruimen omdat je uitgaven bevroren zijn. Daarom heeft 麻豆原创 een Data Cleansing-as-a-Service聽ontwikkeld, met een vaste tijdslijn, gegarandeerd succes, geen investeringsuitgaven en geen commitment voor de lange termijn. Bekijk de korte video鈥檚 voor meer details聽听&补尘辫;听听.

Door聽een complete audit van de datakwaliteit te geven, inclusief opschoning, continue monitoring en verbetering, kan je heel gemakkelijk verborgen problemen met datakwaliteit aan het licht brengen, deze aanpakken en volgens een herhalend en gecontroleerd proces implementeren. En daarmee verhoog je de datakwaliteit 茅n verlaag je de uitgaven aanzienlijk.

Of je nu het aantal datafouten moet terugdringen of de kosten van processen, voorraad, marketing, sales, verzending of transport en naleving moet verlagen, je kunt de onderliggende dataproblemen die van invloed zijn op de bedrijfseffici毛ntie, snel verhelpen.

Eerst meer lezen over wat datamanagement is? Lees dan dit blog

Lees ook mijn blog over .

The post Hoe data je gaat helpen om beter te beslissen in onzekere tijden appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Verschillende cijfers wijzen erop dat bedrijven meer tijd kwijt zijn aan beperkingen en obstakels van AI dan dat zij waarde halen uit de technologie:

• Zo maakt 84% van de klanten zich zorgen over de kwaliteit van data waar algoritmes mee werken
• Een vergelijkbare groep (86%) stelt daarnaast niet de maximale waarde uit hun data te halen
• Ruim driekwart (74%) geeft toe dat hun datalandschap dusdanig complex is dat dit hun flexibiliteit beperkt.

Levensader van AI

Bij een robotstofzuiger is voorwerk – zoals het aan de kant zetten van stoelen – de sleutel tot een goed resultaat. Bij AI is dit niet anders. De technologie maakt gebruik van complexe rekenmodellen en geavanceerde rekenkracht om resultaten te leveren. Deze berekeningen en hardware zijn afhankelijk van data, die de levensader van AI vormen. Zonder een goede grip op databeheer kan AI dan ook geen optimale resultaten opleveren.

is uitdagend. Zo is data opgeslagen op verschillende locaties, verspreid over cloud en on-premise systemen. Tegelijkertijd neemt de hoeveelheid data waarover bedrijven beschikken explosief toe. Zo verzamelen sensoren en steeds meer gegevens. Bedrijven staan dan ook voor de uitdaging data uit een groot aantal bronnen te combineren. AI moet deze gegevens verzamelen, integreren en combineren met onder meer afbeeldingen, video’s, audiobestanden en tekstbestanden.

AI beter schaalbaar maken

Het simpelweg beheren van al deze integraties en verwerken van verschillende type data (zoals audio, beeld en tekst) vereiste voorheen het gebruik van meerdere tools. Hier komt nu verandering in. Een nieuwe generatie cloud oplossingen maakt AI schaalbaar over de gehele organisatie door drie kritieke elementen te beheren:

• De data die je nodig hebt, ongeacht de locatie of het soort data
• Het ontwerp van machine learning algoritmes met de tools en raamwerken die data science-teams willen gebruiken
• De uitrol van machine learning met behulp van cloud containers, zodat IT AI snel kan uitrollen, beheren en de volledige end-to-end levenscyclus van AI kan automatiseren

AI is een teaminzet die co枚rdinatie en samenwerking vereist tussen:

• Gebruikers die de behoeften van de organisatie en diens klanten begrijpen
• Data scientists die weten waar data zijn opgeslagen en hoe deze zijn gestructureerd
• De data Science-teams die begrijpen hoe zij waarde uit data kunnen extraheren

Ieder lid van het AI-team moet samenwerken om een maximale productiviteit en snelheid te realiseren. Zij krijgen hierbij ondersteuning van software die functionaliteiten bevat voor governance, het beheer van metadata en machine learning transparantie. Deze aanpak stelt je in staat zeker te stellen dat de resultaten van hun inzet uitlegbaar, begrijpbaar en betrouwbaar zijn.

Wil je meer weten over het belang van data management en AI? Lees dan ook het blog ‘Wat is Data Management?’

The post Waarom Artificial Intelligence nergens is zonder data intelligence appeared first on 麻豆原创 Nederland Blogs & Nieuws.