Basiq Dental heeft met succes en ge茂mplementeerd. De nieuwe oplossing stroomlijnt de bedrijfsprocessen, verbetert de datakwaliteit en biedt waardevolle inzichten die de concurrentiepositie van Basiq Dental versterken. Bovendien heeft het bedrijf hiermee een stevige basis gelegd voor AI-functionaliteit. 麻豆原创-partner begeleidde het traject.

is een groothandel in dentale gebruiks- en verbruiksartikelen. Het bedrijf levert aan tandartspraktijken en -ketens over heel Europa en staat bekend om zijn concurrerende prijzen en hoge leverbetrouwbaarheid.

De afzetmarkt is de laatste jaren sterk veranderd, met een toenemende consolidatie van tandartspraktijken. Om te overleven en te groeien in deze competitieve omgeving, moet Basiq Dental bedrijf zich onderscheiden van de concurrentie. Het bedrijf had behoefte aan een betere datavisualisatie om de behoeften van de klanten te begrijpen en gerichte marketingacties te voeren.

Gefragmenteerd

Bovendien kampte Basiq Dental met integratie-uitdagingen. Het IT-landschap was gefragmenteerd. Het bestond uit diverse, niet-ge茂ntegreerde systemen en tools, waaronder een aangepaste SQL-serverdatabase en meerdere custom tools ontwikkeld door het interne IT-team. Door die versnippering had Basiq Dental meerdere 鈥榖ronnen van waarheid鈥� en complexe dataflows. Daardoor was datacontrole en -verificatie een tijdrovend proces.

鈥淥nze oude infrastructuur maakte het moeilijk om snel te reageren op marktveranderingen en beperkte onze mogelijkheden om diepgaande klantinzichten te verkrijgen鈥�, constateert Luuk Nouwens, BI Manager bij het bedrijf. 鈥淲e realiseerden ons dat we een solide en toekomstbestendige oplossing nodig hadden om onze data effectief te beheren en onze klantgerichte strategie毛n te versterken.鈥�

Om deze uitdagingen aan te pakken, koos Basiq Dental voor 麻豆原创 S/4HANA Cloud, in combinatie met 麻豆原创 Datasphere. Die laatste fungeert als een centrale opslagplaats voor alle data van het bedrijf, en is onlangs voorzien van een keur aan nieuwe functionaliteiten. Zo beschikt het datamanagementplatform over een 鈥榢nowledge graph鈥�, waarmee organisaties verborgen inzichten en patronen kunnen ontdekken in hun applicaties en systemen.

Voordelen

De implementatie van 麻豆原创 S/4HANA Cloud en 麻豆原创 Datasphere biedt volgens Nouwens diverse voordelen voor Basiq Dental:

• Betere datakwaliteit en -integriteit –

De gecentraliseerde dataopslag in 麻豆原创 Datasphere zorgt voor een betrouwbare en consistente dataview, waardoor Basiq Dental betere beslissingen kan nemen op basis van data.

• Stevige basis voor AI-toepassingen

麻豆原创 Datapshere is onlangs voorzien van allerlei nieuwe functies die de kwaliteit en de output van Business AI-toepassingen verbeteren. De nieuwe knowledge graph-functie kan rijke verbanden tussen entiteiten in bedrijfsdata leggen. Dat voorziet deze gegevens van belangrijke context en zorgt ervoor dat AI-toepassingen deze data beter begrijpen. Basiq Dental legt hiermee een stevige basis voor AI-functionaliteit, doordat gegevens van de juiste businesscontext zijn voorzien.

• Verhoogde efficiency

De gestroomlijnde processen in 麻豆原创 S/4HANA Cloud leiden tot effici毛ntere processen, waardoor Basiq Dental tijd en geld bespaart.

• Verbeterde klantgerichtheid

Met behulp van de data-inzichten uit 麻豆原创 Datasphere en 麻豆原创 Embedded Analytics in S/4HANA kan Basiq Dental gerichter marketingacties uitvoeren en de behoeften van de klanten beter beantwoorden.

Max Post, consultant data-analyse bij Ctac, benadrukt de impact van deze transformatie: 鈥淒ankzij de integratie van 麻豆原创鈥檚 oplossingen kan Basiq Dental zijn datastrategie herdefini毛ren. Ze kunnen nu naadloos navigeren door de complexiteiten van de tandheelkundige markt, en profiteren van verbeterde inzichten en operationele effici毛ntie.鈥�

Toekomstplannen

Basiq Dental is van plan om de voordelen van 麻豆原创 S/4HANA Cloud en 麻豆原创 Datasphere verder te benutten in de toekomst. Zeker als het gaat om die laatste oplossing. Nouwens: 鈥淲e hebben onlangs ook 麻豆原创 Integration Suite in onze infrastructuur opgenomen. Zo hebben we inmiddels een stevige basis voor groei en toekomstige AI-toepassingen, zoals rapportages over verschillende bronnen heen. Voor nu zijn we dankzij onze gestroomlijnde data-architectuur en geavanceerde analytics beter uitgerust dan ooit om onze marktpositie te behouden en verder uit te bouwen.鈥�

Link podcast:

The post Basiq Dental verbetert klantinzicht en efficiency met 麻豆原创 S/4HANA Cloud en 麻豆原创 Datasphere appeared first on 麻豆原创 Nederland Blogs & Nieuws.

麻豆原创 SE introduceert nieuwe oplossingen die klanten in staat stellen om hun data optimaal te gebruiken voor betere inzichten, snellere groei en meer effici毛ntie in het AI-tijdperk. Nieuwe functies in 麻豆原创 Datasphere, waaronder generatieve AI, maken bedrijfsplanning gemakkelijker door het datalandschap te vereenvoudigen en de interactie met data intu茂tiever te maken.

De innovaties en samenwerkingen die 麻豆原创 vandaag bekendmaakt, stellen organisaties in staat om betekenisvolle data te leveren aan elke dataconsument – met behoud van bedrijfscontext en -logica. Centraal staat de 鈥榖usiness data fabric鈥�, een architectuur die garandeert dat data niet slechts een middel zijn, maar de kern vormen van alle strategische initiatieven.

Automatisering met Joule
麻豆原创鈥檚 AI-copiloot Joule wordt ge茂ntegreerd in 麻豆原创 Analytics Cloud. Dit maakt het automatiseren van rapporten, dashboards en planningen mogelijk. De 麻豆原创 HANA Cloud-vectorfunctionaliteiten die nu beschikbaar zijn, maken deze automatisering mogelijk. Ze combineren grote taalmodellen met alle relevante gegevens van de organisatie.

Betrouwbare en beheerde gegevens zijn essentieel voor het zakelijk gebruik van generatieve AI. 麻豆原创 breidt daarom de samenwerking met Collibra uit om hun AI Governance-platform te integreren met 麻豆原创-data-assets. Dit helpt organisaties bij het beheren van AI-beleid, -processen en -praktijken. Het zorgt ook voor transparantie en verantwoording, en helpt bij het naleven van regelgeving en privacybeleid.

Verborgen inzichten blootgelegd
Met de nieuwe 鈥榢nowledge graph鈥� van 麻豆原创 Datasphere kunnen organisaties verborgen inzichten en patronen ontdekken in hun applicaties en systemen. Dit stelt zowel technische als zakelijke gebruikers in staat om de relaties tussen data, metadata en bedrijfsprocessen diepgaand te begrijpen, en verhoogt de effectiviteit van machinelearning- en large language-modellen.

Ge茂ntegreerde planning en analyse
麻豆原创 Datasphere is nu ge茂ntegreerd in 麻豆原创 Analytics Cloud om een uniform systeem voor datamanagement en analyses te bieden. Dit ondersteunt de planning in de hele organisatie. Planners kunnen een flexibel model gebruiken om silo’s in de planning te doorbreken. Ze hebben 茅茅n tool voor datavoorbereiding, modellering en planning.

Daarnaast kunnen zakelijke gebruikers de nieuwe kompasfunctie in 麻豆原创 Analytics Cloud gebruiken. Dit verbetert de resultaten in planning en analyse door datagestuurde simulatie. Organisaties kunnen complexe simulaties uitvoeren via een chatinterface. Dit helpt bij het evalueren van voorspellende uitkomsten en het aanpassen van controleerbare variabelen om het beste plan te vinden.

Dit ondersteunt klanten bij het transformeren van hun planning door financi毛le, operationele, supplychain- en personeelsplanning te verenigen, met een directe koppeling met 麻豆原创-applicaties en gegevens van derden.

Datagedreven transformaties
鈥淗et vastleggen van data om betere beslissingen te nemen, is voor ondernemingen een essenti毛le technologische vereiste die steeds belangrijker wordt nu AI – dat afhankelijk is van kwalitatief hoogwaardige data – elk aspect van het bedrijfsleven revolutioneert鈥�, zegt Juergen Mueller, Chief Technology Officer bij 麻豆原创 en lid van de raad van bestuur. 鈥淥nze nieuwste innovaties binnen 麻豆原创 Datasphere, evenals de nieuwe en uitgebreide samenwerking met Collibra, betekenen een enorme sprong voorwaarts in ons vermogen om klanten te helpen bij het realiseren van intelligente bedrijfstransformaties door middel van data.鈥�

鈥淒e nieuwe innovaties in 麻豆原创 Datasphere helpen klanten om hun datalandschappen te vereenvoudigen en een uniform dataperspectief te behouden鈥�, zegt Bart Van der Biest, Managing Director 麻豆原创 Nederland. 鈥淒it maakt snelle aanpassingen aan marktveranderingen en effici毛nte besluitvorming mogelijk. De nieuwe functies, zoals de copiloot Joule en vector-databasemogelijkheden, zorgen voor constante bedrijfscontext in AI-outputs. Een nieuwe 鈥榢nowledge graph鈥� helpt bij het ontdekken van inzichten en patronen in complexe data. Zo hebben klanten de volledige kracht van hun data binnen handbereik.鈥�

The post 麻豆原创 introduceert data-innovaties voor het AI-tijdperk appeared first on 麻豆原创 Nederland Blogs & Nieuws.

How do you kick off a festival? By setting the right tone from the start, and you can certainly rely on Ronald Hoenink for that. He understands the power of the like no other. BTP feels like a new dawn, a new day, and a new life for organizations. So, he kept his speech short and surprised everyone by taking a different approach. As the lead singer of the 麻豆原创 BTP, he treated the attendees to a fantastic a cappella version of the well-known song ‘Feeling Good.’

Feeling good. Getting curious. Understanding the possibilities of analytics and artificial intelligence (AI). Getting excited about systems that seamlessly integrate, data-driven organizations, and hearing customer stories about how innovation transformed their businesses. And also, being surprised by everything that is possible now and in the future. The 麻豆原创 Discovery Day for Analytics & Integration had it all.

Team Liquid and AI

Take Team Liquid, for example. You can compare Team Liquid to FC Barcelona or Real Madrid, the biggest sports clubs in the world, but in the world of e-sports. Team Liquid’s athletes compete in packed stadiums with millions of viewers around the world. It’s the sport of the new generation, similar to traditional sports but played with a mouse and keyboard. Team Liquid has already earned $44 million in prize money, thanks in part to 麻豆原创. Through machine learning, AI, and predictive analytics, Team Liquid knows what to expect in matches and what the opponent is likely to do. Their foundation is the 麻豆原创 Business Technology Platform. Max ‘Qojqva’ Br枚cker and Jason Luijckx from Team Liquid inspired the attendees of the 麻豆原创 Discovery Day with .

Jesper Schleimann, Strategy & Innovation Officer at 麻豆原创, did the same. He showed what AI can do, what it means for your organization, and how to prepare for it, such as with . “AI doesn’t replace your work,” Schleimann said. “But your work can be taken over by someone who is better at using AI.” His session concluded the first part of the day.

After a short break, attendees split into four rooms for breakout sessions. There was also time for discussion, inspiration, and enjoyment. In the welcoming reception area, a DJ provided pleasant tunes throughout the afternoon. Live illustrators rapidly captured and portrayed attendees. Visitors could also listen in to live podcasts or test their gaming skills with Team Liquid. The 麻豆原创 Business Technology Platform Diamond Game offered attendees the opportunity to discover the possibilities for their organization’s challenges.

Data and layers of music

During the breakout sessions, various small spaces were transformed into inspiring arenas. Attendees gained new insights. For example, did you know that music helps you see data in a different way? Christof Z眉rn talked about it in his session on The Power of Music Thinking. Music consists of layers, each with its own value. By looking at these layers differently, you can see new possibilities. Can you discover all the melodies in your organization’s data?

Wefabricate, an ambitious company in the manufacturing industry, also sees new opportunities. They chose to switch to 麻豆原创 S/4HANA Cloud for their business processes, with McCoy handling the implementation, and they shared their inspiring journey.

Another remarkable collaboration is the one between 麻豆原创 and Google Cloud. Since this year, both parties have been working closely to create an open data offering that simplifies data landscapes and unleashes the power of business data. Eddy Reimerink and Ekaterina Kruse explained how this works and the significant role AI plays in it.

In the breakout sessions, our customers were the artists. Besides Wefabricate, leaders from Versuni, JDE Peet鈥檚, Shimano Europe, ASML, and ProRail also shared their unique developments. Various companies from different industries and sizes, but with ambition as a common denominator. The ambition to grow, innovate, and improve.

麻豆原创 partners Acorel, Capgemini, Collibra, cpmview, Expertum, Google Cloud, Interdobs, McCoy, Rojo and Solace also shared their expertise in various sessions.

Versuni and Interdobs shared how they use smart strategies and data analysis to maximize Versuni鈥檚 performance during Amazon Prime Day using 麻豆原创 Datasphere. These insights will be shared in an upcoming episode of the . Meanwhile, you can explore other episodes featuring Shimano Europe and Acorel .

For those with a specific interest in a 麻豆原创 solution or partner, they could join a session led by an expert. Elton Habits talked about 麻豆原创 Preferred Success, explaining how it helps you get the most out of your 麻豆原创 Business Technology Platform. A hint: a successful implementation is not the finish line; it’s actually just the beginning.

The desire to change

But how can you end on a better note than in beauty? So, the final word of this Business Festival belonged to Daan Roosegaarde. With Studio Roosegaarde, he makes the world a bit more beautiful. He asked himself: if you have an idea, how do you know if it’s a good idea? His answer was simple: you never really know. But you should start working on it. Think in terms of possibilities and collaborations. Surround yourself with people who can do things you can’t. Such collaborations lead to remarkable innovations, such as a Smog Tower that cleans polluted air or a luminous bike path in the style of Van Gogh in Nuenen, Eindhoven.

Don’t think in terms of problems but seek solutions and improvements. Because it’s precisely the ability and desire to change things that sets us apart from machines. Get inspired, come up with ideas, and create new melodies. The 麻豆原创 Discovery Day for Analytics & Integration was a step toward the future.

Recap

Curious to relive the highlights of the 麻豆原创 Discovery Day for Analytics & Integration? Watch the aftermovie for a glimpse of the day.

Click the button below to load the content from YouTube.

Always allow YouTube

If you missed the 麻豆原创 Discovery Day for Analytics & Integration this year, mark the date for the next edition: October 10, 2024.

The post Looking back on the 麻豆原创 Discovery Day 2023: The Future of Analytics & Integration appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Data is het nieuwe goud, hoor je weleens. Toch is een datapunt of een dataset niet per definitie waardevol. Want wat die getallen of gegevens precies zeggen, wordt pas duidelijk als je ze voorziet van de juiste context. Als je de gegevens beziet in de business context waarin zij tot stand kwamen, komen ze tot leven. Op dat moment veranderen gewone gegevens in waardevolle informatie waar een organisatie iets mee kan.

Het belang van context wordt nog eens benadrukt als je bedenkt dat veel organisaties data verzamelen buiten hun bedrijfssysteem om. Naast de gestructureerde data in hun ERP-oplossing, produceren en verzamelen ze ook allerlei andere informatie. Denk bijvoorbeeld aan sensordata uit het track & trace systeem.

Goedkope opslag
Dergelijke gegevens worden over het algemeen opgeslagen in een data lake, een cloud platform ter ondersteuning van big data analytics. Azure Data Lake van Microsoft is daar een goed voorbeeld van. Ook geschikt voor het cre毛ren van data lakes is Amazon S3, een platform dat je informatie op laat slaan in zogenaamde Buckets. Voor het bewaren van grote hoeveelheden ruwe data is dergelijke goedkope opslag een prima medium. Op het moment deze data geanalyseerd moet worden, wordt het lastiger. Dan ontstaat namelijk de noodzaak voor contextuele informatie.

Neem nou het eerdergenoemde track & trace systeem. Bij het verzenden van een pakketje wordt de zending voortdurend gescand. Elke scan zegt iets over de locatie waar een bepaalde barcode zich bevindt. Zonder de bijbehorende gegevens uit je bedrijfssystemen zijn die afzonderlijke scans zijn niets waard. Wanneer je de scans echter koppelt aan verzenddata, orderdata, klantgegevens en andere informatie uit je ERP-omgeving, krijgen die scans waarde. Dan ontstaat er immers een beeld van de precieze reis die een zending aflegt. Bovendien wordt het mogelijk om te berekenen wanneer het pakketje precies afgeleverd wordt.

Hoe breng je nou 谩l die gegevens op zo鈥檔 manier samen dat je ermee kunt gaan werken? Je zou ervoor kunnen kiezen om informatie uit je bedrijfssysteem te exporteren naar het data Lake. Als je de informatie uit je 麻豆原创 omgeving haalt en samenvoegt met al die andere gegevens, zou je ermee kunnen gaan rekenen. Het is technisch zeker mogelijk. Toch is die oplossing niet ideaal. Want bij het exporteren van gegevens uit je bedrijfssysteem, gaan contextuele zaken zoals het onderliggende model, relaties, historie en generieke meta data niet mee. Daarmee verliest die informatie zijn waarde.

Daarom wordt de ge毛xporteerde data vaak opnieuw gestructureerd, opnieuw gefilterd en opnieuw geaggregeerd. Dat is echter een behoorlijk bewerkelijk en daarmee ook behoorlijk duur proces dat bovendien gevoelig is voor fouten. Het komt er in de basis op neer dat datgene wat 麻豆原创 van nature meelevert, opnieuw opgebouwd wordt. Hoewel er scenario鈥檚 zijn waarin het exporteren van data uit een 麻豆原创 landschap noodzakelijk is, is het in veel gevallen ongewenst en onnodig.

麻豆原创 BTP brengt alles samen
Gelukkig is er een oplossing: het 麻豆原创 Business Technology Platform. Dit platform stelt organisaties in staat om alle noodzakelijke stappen te doorlopen om data 鈥� zowel 麻豆原创 data als externe gegevens 鈥� te analyseren. Maar dan wel m茅t behoud van de oorspronkelijke business context. Door slim gebruik te maken van de mogelijkheden van 麻豆原创 HANA, 麻豆原创 Data Warehouse Cloud, 麻豆原创 Data Intelligence en 麻豆原创 Analytics Cloud wordt het mogelijk om volledige data-to-value ketens op te zetten. Zo鈥檔 keten zorgt er stap voor stap voor dat een datapunt daadwerkelijk waarde krijgt. Dat begint bij het verzamelen, combineren en analyseren van gegevens en wordt gevolgd door het verrijken, opslaan en inzetten ervan.

Meer weten?
Vind je dit interessante materie? Bekijk dan die plaatsvond op 20 april 2022. Of van die dag. Deze boeiende presentaties geven je onder meer inzicht in de datastrategie毛n van Philips Domestic Appliances en AkzoNobel. We zijn druk bezig met de organisatie van de volgende Data to Value Day. Wil je deze dag bijwonen?

The post Geef waarde aan gegevens in je data lake zonder kopje onder te gaan appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Waar haal jij je boodschappen? Ga je naar de Albert Heijn, Jumbo, Plus of Lidl? Of laat je jouw boodschappen bezorgen? Wanneer je jouw boodschappen haalt, dan kies je waarschijnlijk voor een supermarkt die in de buurt zit. Als je kiest voor bezorgen zijn er andere redenen waarom je voor de ene of de andere aanbieder kiest. Dan zijn het gemak van de app of de gebruiksvriendelijkheid van de webshop bepalend voor jouw keuze. Op dit moment worden de meeste boodschappen nog fysiek gedaan. Het aantal boodschappen dat online wordt besteld, schommelt tussen de 5 en 7 procent. Dat betekent dat nabijheid nog steeds de belangrijkste factor is.听 De meeste mensen kunnen door die verzadiging kiezen uit meerdere supermarkten.

Ik kan in het dorp kiezen uit Albert Heijn, Jumbo en Lidl. Deze drie supermarkten bevinden zich allemaal op vergelijkbare afstand van mijn huis. Voor mij is afstand dus geen factor als ik boodschappen ga doen. Emotioneel kies ik vaak voor Albert Heijn omdat mijn zoon daar de vakken vult, maar ik kies ook vaak voor Jumbo vanwege het gevoel dat ik daar goedkoper uit ben. Maar mijn Perlenbacher Weizen haal ik bij de Lidl. Je hebt zelf vast ook een bepaalde voorkeur. Misschien ga je voor het uitgebreide assortiment en de prijswinnende groenteafdeling. Misschien vind je prijs belangrijk en dan vooral de laagste. Of misschien vind je het juist belangrijk dat jouw supermarkt waarde hecht aan sustainability.

Emotionele binding cre毛ren en data vergaren

Het is heel interessant om te onderzoeken hoe supermarkten die emotionele binding met hun klanten kunnen sturen. Veel grootgrutters gebruiken hiervoor hun eigen app. Albert Heijn bijvoorbeeld heeft een praktische app met allerlei handige functies voor boodschappenlijstjes en sparen. Je kan zelfs een premium abonnement afsluiten waarmee je extra korting krijgt op biologische artikelen, sneller spaart en gepersonaliseerde aanbiedingen ontvangt. Dat is mooi en handig voor jou. Maar het is n贸g mooier voor de supermarkt. Want jij geeft de supermarkt beschikking over 谩lle data die jij genereert. Informatie die de supermarkt kan gebruiken om het assortiment, de services, de prijzen, de inrichting en de algehele beleving te optimaliseren. Dat vergt heel wat dataprocessing. Enerzijds om de app kloppend te houden en alle orders en inkomende informatie soepel te verwerken. Anderzijds om te zorgen dat er ook daadwerkelijk iets gebeurt met al die informatie en er daadwerkelijk van te leren. Wat was de impact op de omzet van al die persoonlijke aanbiedingen? Hoe kunnen we het de volgende keer n贸g beter doen?

Nieuwe samenwerkingen en belevingen

Nog niet zo heel lang geleden was big data vooral een hobbyproject van een aantal data scientists met een Hadoop cluster op de twaalfde verdieping van het hoofdkantoor die patronen in grote datasets probeerden te vinden. Tegenwoordig zie je data (we noemen het niet eens meer 鈥榖ig鈥�) integraal wordt toegepast binnen de belangrijkste core business processen. Datagedreven werken is van doorslaggevend belang geworden om de slag om de consument te winnen.

Ze moeten wel. De supermarktdekking in Nederland is behoorlijk verzadigd. Dat ik zelfs in mijn relatief kleine dorp op een paar minuten rijden van drie supermarkten woon, zegt genoeg. Voor een vierde supermarkt is geen ruimte meer. De oude strategie – zoveel mogelijk winkels openen – werkt niet meer. Wat w茅l werkt, is de introductie van nieuwe samenwerkingen en het cre毛ren van nieuwe contactmomenten en belevingen. Denk bijvoorbeeld aan de slimme samenwerkingen tussen Esso en Spar of Albert Heijn en BP waarbij benzinestations zich ontwikkelen tot servicestations waar je ook terecht kunt om boodschappen te doen of op te pikken. Ook hier is data van doorslaggevend belang. Wil het concept winstgevend zijn dan moet je zorgen voor het juiste assortiment en de juiste bevoorrading. Data kan je hierbij helpen.

Je gaat ervanuit dat dit onder controle is. Maar hoe kan het dan toch zo zijn dat het in de aanloop naar Pasen bij mijn lokale supermarkt net leek alsof hun bevoorrading gebaseerd was op het gedrag tijdens de coronalockdown van een jaar geleden? Er lag onder andere een enorme hoeveelheid gourmetschotels die allemaal in de aanbieding moesten om er maar vanaf te komen. Alsof de algoritmes zich baseerden op het gedrag van de consumenten in de lente van 2020 en 2021, toen iedereen de paasdagen thuis vierde.

Gelden de oude patronen niet meer?

Dat brengt me echter bij een interessante vraag. Uit bovenstaand voorbeeld blijkt historische data niet zaligmakend is. Je mag gerust zeggen dat de wereld de afgelopen drie jaar behoorlijk veranderd is. De pandemie zorgde voor een enorme verschuiving in de bestedingspatronen van consumenten. De pandemie met daarna het vastlopen van de Ever Given in het Suezkanaal veroorzaakte bovendien een wereldwijde logistieke crisis waar we nog steeds last van hebben. Het importeren van goederen is veel duurder geworden omdat het huren van zeecontainers drie keer zo duur geworden is. Het valt me ook op dat er veel supermarkten meer lokale producten promoten.

Na de lockdowns volgde de oorlog in Oekra茂ne die ook een behoorlijke impact heeft op de prijsstelling van producten in de supermarkt en de beschikbaarheid van artikelen, onder meer omdat de gasprijs enorm gestegen is, wat weer van invloed is op de productiekosten van goederen in de supermarkt. Het landschap waarin supermarkten opereren is enorm veranderd. Dat is ook van invloed op consumentengedrag, zij zien natuurlijk ook dat de prijs van de inhoud van het boodschappenmandje enorm is gestegen.

Oude patronen gelden niet meer. Ik ben zelf ook anders boodschappen gaan doen. De onzekere situatie werkt door in de hele keten en zal het aankoopgedrag van consumenten enorm gaan be茂nvloeden. Hoe? Dat weet niemand. Ook de data niet.

Korter op de bal

Om datagedreven te werken in een sterk veranderde markt moet je kort op de bal spelen. Met Pasen het gemiddelde van drie jaar inkopen, werkt niet meer. Je data scientists moeten voortdurend speuren naar trends en ontwikkelingen. Het is zaak dat je precies weet wat er aan de hand is. Om vervolgens in te spelen op die bewegingen. Welke artikelen worden geraakt door aankomende stijging van importkosten, gasprijs of vogelgriep? Hoe moeten we hiermee omgaan? Moeten we hogere voorraden aanhouden of vervangende producten aanbieden?

hoe je data vorm kan geven en je strategie daarop aan kan passen met behulp van 麻豆原创 Business Technology Platform.

Dat vraagt in mijn ogen om drie dingen. Ten eerste vraagt het om het verzamelen van alle denkbare data uit je organisatie, maar zeker ook daarbuiten. Zowel kassa-informatie over afgerekende winkelmandjes en gegevens uit de app, als ook maatschappelijke trends en mondiale ontwikkelingen. Denk aan klimaatverandering, nieuwe of terugkomende ziektes, financi毛le crises die impact kunnen hebben op het assortiment. Het vraagt om nieuwe, geavanceerde technologie die je helpt om die gegevens supersnel te verwerken en te analyseren. En het vraagt om mensen die de juiste vragen kunnen stellen en weten hoe ze die uit al die ruwe data de juiste kennis kunnen destilleren. Ook moet deze nieuwe kennis teruggebracht kunnen worden naar de core retailprocessen in de hele retailketen, zoals merchandise-planning, supplychain, category management en natuurlijk de reclame-uitingen. Pas d谩n ben je in staat om te sturen op basis van realtime inzichten. En dan ben je bovendien in staat om de loyaliteit van je klant te verdienen. Op basis van de data van gisteren. En niet op de verouderde kennis van Pasen vorig jaar. Pas d谩n wordt data-driven retail de sleutel tot groei en misschien nog belangrijker, tot overleven.

The post Hoe data supermarkten helpt in hun groeistrategie appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Hoeveel tijd ben je op dit moment kwijt om je integrale business planning voor de komende 12 of 36 maanden te maken, door finance te laten checken en weer terug te brengen naar de supply chain? Bij veel klanten duurt dit twee tot drie weken. Dat komt doordat de afdelingen werken in verschillende spreadsheets die ze handmatig verrijken en daarna pas doorzetten. Omdat je data verrijkt in Excel moet je de input steeds 鈥榲ertalen鈥� naar de specifieke manieren waarop de afdelingen data invoeren en gebruiken. Zo blijven er stuwdammen tussen de verschillende schakels in de keten bestaan die voor vertraging zorgen. Hoe los je dat op?

De voordelen van een vrije datastroom

Door verschillende IT-oplossingen onderling te integreren, stroomt informatie naadloos van de ene oplossing en afdeling, naar de andere. Bijvoorbeeld van operatie naar finance. Dit is de heilige graal van bijna iedere organisatie. Vanuit 麻豆原创 perspectief is dat het speerpunt en de basis voor onze 鈥樷�� aanpak.

De dam tussen de processen verdwijnt hiermee. De output van het ene proces stroomt vrij en onbewerkt door als input naar volgende proces. Bijvoorbeeld van inkoop naar logistiek. In zo鈥檔 digitale organisatie versnel en verbeter je besluitvorming en vergroot je je commerci毛le impact. Je bent immers sneller in staat te reageren op leveranciers, klanten en interne verstoringen.

Van binnen naar buiten

Deze samensmelting van silo鈥檚 trek je in de ideale wereld ook door naar buiten toe. De planning die je intern maakt, deel je via software met je leveranciers. Zij kunnen de informatie rechtstreeks inlezen in hun systeem zodat je daar ook weer een handmatige slag kwijtraakt. En zo kun je met de business networks, zoals 麻豆原创 Ariba, planningsdata delen met leveranciers en klanten en direct laten verwerken in de planningssystemen. Daarmee realiseer je ook hier doorlooptijdverkorting en haal je weer een handmatige slag uit het systeem.

Je leveringsproces volledig geautomatiseerd

Door je supply chain steeds verder te automatiseren en data vrij te laten stromen, werk je toe naar touchless orders: bestellingen zonder menselijke tussenkomst. Van bestelling tot verwerking en levering. Dit betekent dat de software je processen verwerkt die standaard verlopen, zodat je medewerkers zich alleen nog bezig hoeven te houden met de uitzonderingen. Daarbij is het belangrijk dat je data altijd en overal klopt, zodat je het niet handmatig hoeft te verrijken. Randvoorwaardelijk hierbij is dat je een goed transactiesysteem hebt die deze samenwerking ondersteunt.

Daarnaast moet het systeem je gaan helpen met het afvangen van afwijkingen binnen bepaalde marges. Door je processen te ondersteunen met machine learning en artificial intelligence kan de software steeds meer afwijkingen binnen kleine marges zelf leren op te lossen.

Op naar Industry 4.NOW

Door je IT-systemen te koppelen en 茅茅n geheel te laten vormen, doorbreek je silo鈥檚. Zo kun je steeds verder automatiseren en doorgroeien. Je hoeft hiervoor niet naar 茅茅n compleet platform voor je hele organisatie, maar zoek wel een goede balans tussen standaard en best-of-breed. Met in de kern een ERP systeem dat als 鈥榟ub鈥� tussen de verschillende functionele domeinen en systemen de doorstroming mogelijk maakt.

Dit is ook onze visie op de toekomst van de maakindustrie, vanuit het principe. Het afbreken van silo鈥檚 tussen verschillende 麻豆原创 oplossingen die in domeinen worden ingezet, zoals onderhoud, productie en opslag, gaat verder dan smart manufacturing. Het gaat over de omslag van transactionele naar datagedreven processen, de toekomst van productiviteit en alles wat daarbij komt kijken.

Meer weten over Industry4.NOW en de praktische toepassing ervan? In mijn volgende blog bespreek ik best practices in Industry 4.NOW. Je kunt je vragen natuurlijk ook direct aan me stellen via paul.tolboom@sap.com.

听

The post Stuwdammen tussen silo鈥檚? Laat je data stromen! appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Het belang van Big Data analytics

De echte waarde wordt gemeten door de mate waarin u deze kunt analyseren en begrijpen. (AI), en moderne database迟别肠丑苍辞濒辞驳颈别毛苍 maken het in realtime visualiseren en analyseren mogelijk, wat tot actiegerichte inzichten leidt. Met behulp van zetten bedrijven hun data aan het werk. Het helpt hen bij het ontdekken van nieuwe kansen en cre毛ren van nieuwe business modellen.

Wat is gestructureerde en ongestructureerde data?

zijn over het algemeen verdeeld in drie categorie毛n op basis van hun structuur en hoe eenvoudig (of juist niet) zij kunnen worden ge茂ndexeerd.

1. Gestructureerde data: van alle soorten gegevens kunt u deze data het eenvoudigst organiseren en zoeken. Het kan gaan om onder meer financi毛le gegevens, logbestanden van en demografische details.
2. Ongestructureerde data: deze categorie data omvat onder meer social media-posts, audiobestanden, afbeeldingen en open reacties van klanten.
3. Semi-gestructureerde data: Semi-gestructureerde data is een tussenvorm tussen gestructureerde en ongestructureerde data.

Bronnen van Big Data

De hoeveelheid dingen die data genereren groeit in een verbluffend tempo en varieert inmiddels van satellieten tot broodroosters. Voor categorisatie worden databronnen doorgaans echter verdeeld over drie categorie毛n:

• Sociale data: Sociale data worden gecre毛erd door reacties, posts, afbeeldingen en in toenemende mate video op social media-platformen. Ondanks dat trends in social media elkaar razendsnel opvolgen en onvoorspelbaar zijn, blijft de hoeveelheid data die social media-platformen cre毛ren stijgen.
• : -apparaten en -machines zijn uitgerust met sensoren en kunnen gegevens digitaal versturen en ontvangen. Onderzoeksbureau IDC voorspelt dat in 2025 zo’n 40 miljard -apparaten in gebruik zijn wereldwijd. Naar verwachting zijn deze apparaten verantwoordelijk voor de helft van alle digitale gegevens die wereldwijd worden gecre毛erd.
• Transactionele data: Deze gegevens behoren tot de meest snel veranderende en groeiende data wereldwijd. Als je denkt aan alle aankopen en banktransacties wereldwijd, krijg je een beeld van het immense volume aan data dat wordt gecre毛erd. Transactionele data bestaan in toenemende mate uit semi-gestructureerde gegevens en omvatten bijvoorbeeld afbeeldingen en reacties. Dit maakt het beheer en de verwerking complexer.

Vijf kenmerken die Big Data defini毛ren

Dat een dataset groot is, betekent niet automatisch data het om Big Data gaat. Voor een kwalificatie zijn er vijf kenmerken waarnaar je kunt kijken:

• Volume: Hoewel volume zeker niet het enige kenmerk is het ‘big’ maakt, is het een belangrijk kenmerk.
• Snelheid: Data die voorheen werden gecre毛erd moesten – vaak handmatig – worden ingevoerd in een traditioneel databasesysteem voordat deze geanalyseerd of opgevraagd konden worden.
• Vari毛teit: Datasets die uitsluitend bestaan uit gestructureerde data zijn niet per definitie Big Data, ongeacht hoe groot de datasets zijn.
• Waarheidsgetrouw: Hoewel bedrijven met behulp van moderne verbazingwekkende hoeveelheden gegevens kunnen verzamelen en analyseren, zijn deze alleen waardevol indien zij accuraat, relevant en tijdsgebonden zijn.
• Waarde: bieden de mogelijkheid tot het verzamelen en opvragen van gegevens die meetbare voordelen kunnen opleveren voor de bottom line en operationele veerkrachtigheid.

Meer weten? Bekijk de .

Voordelen van Big Data

• Snelheid en nauwkeurigheid: Met behulp van moderne oplossingen kunnen bedrijven met een ongekende snelheid en nauwkeurigheid ruwe data omzetten in relevante inzichten.
• Ontwikkeling van producten en diensten: Productontwikkelaars kunnen inzetten voor het analyseren van ongestructureerde data, zoals klantreviews en culturele . Zo kunnen zij snel inspelen op de markt.
• Predictief onderhoud: Het analyseren van Big Data van verbonden dringt de onderhoudskosten tot 40% terug, blijkt uit internationaal onderzoek van McKinsey.
• Customer Experience: Groeiende bedrijven verzamelen actiever gegevens over klantervaringen dan bedrijven die geen groei kennen, blijkt uit onderzoek van Gartner uit 2020. Met behulp van Big Data analytics kunnen bedrijven de klantervaring verbeteren en personaliseren.
• Veerkracht en risicomanagement: Big Data-inzichten helpen bedrijven bij het anticiperen op risico’s en voorbereiden op het onverwachte.
• Kostenbesparingen en effici毛ntie verbeteren: Het toepassen van Big Data analytics op alle processen binnen de helpt bedrijven niet alleen bij het identificeren van ineffici毛ntie, maar ook bij het implementeren van snelle en effectieve oplossingen.
• Verbeterde concurrentiepositie: Met behulp van inzichten uit Big Data kunnen bedrijven kosten besparen, klanten tevredenstellen, betere producten maken en de bedrijfsvoering innoveren.

Kenmerken van Big Data

AI en Big Data

Het beheer is afhankelijk van systemen die de kracht leveren voor het verwerken van grote hoeveelheden losse en complexe informatie, en destilleren van waarde hieruit. Big Data en zijn dan ook onderling met elkaar verbonden. Big Data zou weinig praktisch nut hebben indien AI deze niet kan organiseren en analyseren. is tegelijkertijd afhankelijk van de breedte van de datasets die onderdeel uitmaken van Big Data voor het leveren van actiegerichte inzichten via .

Machine learning en Big Data

-algoritmes defini毛ren de inkomende data en identificeren patronen hierin. Deze inzichten ondersteunen besluitvorming door de business en het automatiseren van processen. Machine learning gedijt op Big Data. Hoe robuuster de datasets die worden geanalyseerd, hoe groter de kans dat het systeem hiervan kan leren en zijn processen verder kan ontwikkelen.

Big Data-迟别肠丑苍辞濒辞驳颈别毛苍

Verschillende zijn gerelateerd aan en helpen bij het profiteren van de voordelen hiervan. Enkele op een rijtje:听听

Big Data-architectuur

Net als architectuur in de bouw levert het de blauwdruk voor het fundament op basis waarvan het bedrijf zijn gegevens beheert en analyseert.

Big Data-analytics

Dit proces maakt betekenisvolle datavisualisatie mogelijk dankzij het gebruik van datamodellering en -algoritmes die specifiek ontworpen zijn.

Big Data en Apache Hadoop

Hadoop is een opensourceraamwerk voor het beheren van gedistribueerde verwerking van Big Data op een netwerk van verbonden computers. In plaats van 茅茅n grote computer voor het opslaan en verwerken van alle data, zetten Hadoop-clusters meerdere computers in die de gegevens parallel . Zij maken onderdeel uit van een nagenoeg oneindig schaalbaar netwerk.

Datalakes, datawarehouses en NoSQL

Traditionele SQL-databases in spreadsheet-stijl worden gebruikt voor de opslag van gestructureerde data. Ongestructureerde en semi-gestructureerde Big Data vereisen een unieke opslag- en verwerkingsmethode, aangezien deze gegevens zich niet lenen voor indexatie en categorisatie. Datalakes, datawarehouses en NoSQL-databases zijn allen databronnen die niet-traditionele databases kunnen beheren.

In-memory databases

Traditionele disk-gebaseerde databases zijn ontwikkeld met het oog op SQL en relationele . Hoewel zij geschikt zijn voor de verwerking van grote hoeveelheden gestructureerde gegevens, zijn zij simpelweg niet ontworpen voor het opslaan en verwerken van ongestructureerde data. Met in-memory databases vindt de verwerking en analyse volledig plaats in het RAM-geheugen, waardoor de data niet vanaf een disk-gebaseerd systeem hoeft worden opgevraagd.

Hoe het werkt

Het levert waarde op indien het relevante en actiegerichte inzichten aanreikt die de business meetbaar verbeteren. Bij hun voorbereiding op een moeten bedrijven zeker stellen dat hun systemen en processen voldoende klaar zijn voor het verzamelen, opslaan en analyseren.

Meer weten? Volg de belangrijkste datatrends!

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

De vraag naar energie groeit sterk en is inmiddels een bepalende factor voor de toekomst van energiebedrijven. Die moeten een enorme veranderslag maken in de manier van energie opwekken, opslaan en leveren. Dat kan deze bijzonder asset intensieve sector niet zonder technologie en data-inzicht. Wil je als bedrijf in de Energy & Utilities-industrie klaar zijn voor de toekomst, dan zul je datagedreven moeten werken. In dit blog leg ik uit waar je op moet letten om van jouw digitale transformatie in de energiesector een succes te maken.

Reserveer een rol voor slimme technologie in je organisatie

Terwijl nutsbedrijven hard werken aan hun transformatie loopt de levering van energie en het onderhoud aan assets als gasleidingen, windmolenparken en transformatorhuizen gewoon door. Downtime heeft een enorm negatief gevolg op het functioneren van onze maatschappij. Het devies? 鈥楰eeping the lights on鈥�, te allen tijden.

Om klanten doorlopend energie te kunnen garanderen, is het nu meer dan ooit zaak om als energiebedrijf je datahuishouding op orde te hebben en slimme een grotere rol toe te bedelen in je organisatie. Want juist real time data-inzicht zorgt ervoor dat je je assets zo optimaal mogelijk kunt inzetten en slimmer en predictiever kan werken. Om dat te bereiken heb je om te beginnen een central asset register nodig, waarin je alle essenti毛le data van je assets verzamelt.

Gebruik een central asset register als fundament voor je bedrijfsprocessen

Een asset register is ideaal om complexe en verschillende vormen van data samen te brengen, te beheren en te benchmarken. Daarnaast biedt het die onmisbare single source of truth: het fundament voor eenduidig inzicht.

De huidige grids zijn niet gebouwd om te voorzien in de gedecentraliseerde energiegeneratie en 鈥搊pslag, die de energietransitie met zich meebrengt. Iedereen met zonnepanelen is tegenwoordig immers een energieproducent. Het register is gemaakt om snel inzicht te kunnen krijgen in de performance en status van al je assets. Ook die bij particulieren in je netwerk. En, ook wanneer het gaat om duurzame energie die qua opwek afhankelijk is van bijvoorbeeld weersomstandigheden.

In de toekomst, en met het opwarmen van de Aarde, komen er ongetwijfeld nog legio andere nieuwe technieken bij voor opwek en opslag. En zal ook de vraag naar elektriciteit veranderen om zo de toenemende hitte te kunnen bestrijden. Het gebruik van sensoren, historische data en 鈥� zowel preventief of predictief 鈥� is daarom belangrijk om een kosteneffici毛nte en veilige energieopslag en distributie te garanderen. De van die sensoren kun je eveneens onderbrengen in je register en combineren met andere informatie om zo 鈥� real-time 鈥� vraag en aanbod van energie beter af te stemmen.

Optimaliseer de performance van assets met slim datamanagement

Je asset register is ook essentieel als basis voor onderhoud. Een belangrijke kostenpost voor asset intensieve organisaties. Een algoritme kan je helpen om een voorspelling te maken over waar en wanneer onderhoud nodig is of wanneer je onderdelen in je productiestraat moet vervangen. Zo kan downtime worden voorkomen en ook financi毛le tegenvallers worden ondervangen.

Maak je gebruik van nieuwe ? Gebruik dan data uit je asset register in combinatie met je internet-of-things-data afkomstig van bijvoorbeeld sensoren. Al deze gecombineerde data op 茅茅n digitaal platform鈥� inclusief bijvoorbeeld condition based data, historische data en geografische locatiedata (GIS) 鈥� vormen de basis om slimme voorspellingen te maken en om de performance van je assets te optimaliseren.

Alliander ging je voor in slim databeheer

Dat een goed georganiseerd central asset register nutsbedrijven daadwerkelijk een flinke voorsprong in de markt oplevert, bewijst de use case van Alliander. Deze organisatie kon dankzij dit fundament, dat als basis dient voor haar bedrijfsprocessen, aanmerkelijk slimmer en sneller werken. Nieuwe gasstations kunnen sneller worden geplaatst dan voorheen (van 5 dagen naar een kwartier) en ook de uptime van assets schoot omhoog doordat er effici毛nter onderhoud kon worden gepleegd.

Hoe Alliander dat voor elkaar kreeg? Niet door 鈥榓lleen maar鈥� een central asset register te implementeren. Er zijn meer stappen nodig om klaar te zijn voor de toekomst en je asset register zo optimaal mogelijk te benutten:

• Zorg ervoor dat je asset register op orde is en al je asset data niet verspreidt in allerlei Excel sheets staan.
• Structureer je asset register zodanig dat je data integer en traceerbaar blijven. Deze masterdata vormen namelijk je 鈥榮ingle source of truth鈥� die in elk bedrijfsproces gebruikt wordt.
• Begin met het opzetten van . Een digital twin is een manier om een digitale kopie te maken van een fysiek object 鈥� bijvoorbeeld een windmolen 鈥� om zo te simuleren, testen en onderhoud te voorspellen.
• Gebruik een om je operationele data te combineren met experience data. Met slimme analytics tools haal je hier inzichten uit waar je snel op in kan spelen.
• Verdiep je in de mogelijkheden van nieuwe technologie zoals, AI, Machine Learning, Virtual en Augmented Reality en (RPA).

Je transformatie is datagedreven, geen twijfel mogelijk

Slim omgaan met data is dus een belangrijke factor in deze duurzame energietransitie. Data van sensoren, onderhoudsdata, consumptiedata uit slimme meters en experiencedata (van bijvoorbeeld social media) van klanten, medewerkers en leveranciers samengevoegd, bieden idealiter real-time, en voorspellende inzichten. Met als resultaat lagere onderhoudskosten, meer productiviteit en meer veiligheid. Om dit te realiseren, is een digitale transformatie nodig. En deze transformatie is bij uitstek datagedreven en intelligent!

Meer weten? Ik help je graag of download de whitepaper 鈥榯he Intelligent Enterprise for the utilities industry鈥�

The post Datagedreven werken: de toekomst voor energiebedrijven appeared first on 麻豆原创 Nederland Blogs & Nieuws.

wordt voor steeds meer doeleinden gebruikt. Bovendien cre毛ren we allemaal samen steeds grotere hoeveelheden data, die bedrijven opslaan, verwerken en interpreteren. Enerzijds is die data afkomstig uit standaardprocessen. Daarnaast is door technologische ontwikkelingen een hele nieuwe wereld ontstaan die voor allerlei extra informatie zorgt, zoals sensordata en experience data.

Automatiseren met menselijke maat

Die kunnen bijvoorbeeld gebruikt worden om processen verder te automatiseren, zoals met machine learning of (RPA). Hierbij nemen machines steeds meer taken over die voorheen door mensenhanden gedaan werden. Dit is prima voor herhalende taken waar verder geen mensen meer aan te pas komen. Maar waar mensen interacteren met technologie, moet menselijkheid een belangrijke factor blijven. Want als je te ver doorslaat in automatisering kan die automatisering ook onpersoonlijk en kil aanvoelen voor de mensen die ermee te maken krijgen. Daarin komt de verantwoordelijkheid van de Chief Data Officer (CDO) of Chief Technology Officer (CTO) om de hoek kijken.

Mensen zijn uniek en willen daarin (h)erkend worden. De vraag is hoe je uniek, en dus menselijk, blijft in een wereld die steeds verder standaardiseert en automatiseert. Hoe breng je de harde datakant in evenwicht met de zachtere mensenkant, zodat data je effici毛ntie 茅n tevreden klanten en medewerkers opleveren? Het begint bij het centraal zetten van je medewerker en klant in de ontwikkelingen binnen je bedrijf.

Kies de juiste datastrategie

Als CDO ben je verantwoordelijk voor het succes van de datastrategie van jouw organisatie. Dat doe je door je datastrategie weloverwogen te kiezen en in te richten. En daarbij je klant en medewerker als uitgangspunt te nemen. Hiervoor is geen vast recept. Elk bedrijf heeft zijn eigen soorten data, van geweldige hoeveelheden kassabonnen tot sensoren in de productielijn. Daardoor heeft dus ook elk bedrijf een eigen databehoefte.

Het is hier een mooi voorbeeld van. Het bedrijf werkt al 75 jaar aan waterinnovatie, gedreven door de sterke relatie met haar klanten. De eerste stap in die goede relatie is het kloppend houden van adresgegevens van klanten. Met de juiste gegevens laat Moen haar processen vloeiend verlopen en voorziet het haar klanten van uitstekende service.

De manier waarop je data verzamelt, bewaart en inzet, vloeit voort uit de doelstellingen die je als bedrijf wil bereiken. Zoals bijvoorbeeld de experience die je klanten en medewerkers biedt. Die doelstellingen zijn het startpunt voor een goede datastrategie. Je benadert de data dus vanaf de kant van de use case, niet vanuit de datakant. Van daaruit werk je verder op basis van de volgende vragen:

1. Wat maakt mij als bedrijf uniek? Waarin zijn wij 茅cht anders dan anderen en hoe merken klanten en medewerkers dit?
2. Hoe kunnen data en automatisering ons helpen om die unieke punten nog verder te verbeteren? Denk aan een betere experience voor klanten en medewerkers, betere producten of betere service.
3. Welke data verzamel ik op dit moment al en welke data heb ik aanvullend nodig om bovenstaande mogelijk te maken?
4. Waar in mijn organisatie kan ik een kleine, overzichtelijke pilot starten?

Een pilot zoals in vraag 4 helpt je vooral bij de lancering van nieuwe idee毛n: door ze eerst op kleine schaal te testen, haal je de eerste kinderziektes al uit het systeem en heb je een proof of concept dat als leidraad dient voor de organisatiebrede invoering ervan. Bovendien maakt cloudtechnologie het mogelijk om met een klein budget een pilot uit te voeren.

Menselijkheid in je automatisering

Met de juiste datastrategie breng je de menselijkheid in je automatisering waar je klanten en medewerkers naar op zoek zijn. Alle die je daarvoor gebruikt, moet je op een goede manier opslaan en structureren. Groeien en innoveren vraagt namelijk om kloppende masterdata. Vervolgens is het de kunst om die correcte data te vertalen naar concrete inzichten die je helpen je organisatie te verbeteren

Meer weten over een juiste datastrategie?

The post CDO, houd je automatisering menselijk! appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Data lake: ruw en ongestructureerd

zijn een hot topic. Een dergelijke oplossing voor data-opslag is goedkoop, je kunt er grote hoeveelheden data van elk type format in kwijt en je kunt er geavanceerde analyses met diverse tools op los laten. Ruimte voor innovatie en experimenteren dus. Het nadeel? Data lakes kenmerken zich doordat data ruw en ongestructureerd wordt opgeslagen. Ideaal voor , clickstreams en machinedata. Maar, een data lake leent zich daardoor niet echt voor het opslaan van gestructureerde data. Doe je dat wel, dan raak je alle referenties en verbanden tussen die gegevens kwijt. Zonde.

Je data lake wordt al snel een data swamp

Maak je gebruik van een data lake? Dan heb je data scientists nodig om analyses uit te voeren en algoritmes op je lake los te laten. Doe je dat niet, dan zit je met een datamoeras. Alle data die erin wegzakken, vind je onmogelijk terug. Wil je sales, inkoop, onderhoud of elke andere afdeling in je organisatie vanuit je lake van inzichten voorzien, dan heb je verschillende tussenstappen nodig om dat te bereiken. Om weer structuur 鈥� en dus vindbaarheid 鈥� terug te brengen in data worden er daarom vaak verschillende datalagen bovenop een data lake aangebracht. En dat lijkt weer verdacht veel op die traditionele data warehouses uit het verleden.

Data driven werken met alleen een data lake? Niet te doen

Klinkt paradoxaal toch? Je stopt al je gestructureerde data uit diverse bronnen in een chaotisch meer en vervolgens ga je het opnieuw ordenen. Bovendien leidt dat ook nog eens tot extra kosten 鈥� die je juist wilde besparen 鈥� en is de data die je 鈥榦proept鈥� in je systeem altijd verouderd. Want het gestructureerd aan de oppervlakte brengen van die gegevens in je data lake kost nou eenmaal tijd.

Datagedreven werken als organisatie is er niet bij als je enkel gebruik maakt van een data lake. Want je business heeft niet zoveel aan inzichten van gisteren in een economie waarin je snel moet beslissen op basis van de actualiteit. Een data lake is daarom niet de meest ideale bron voor snel 鈥� of liever nog: real-time 鈥� inzicht. Benader daarom je informatielandschap eens op een andere manier. Een intelligente manier. Met ruimte voor structuur en executie 茅n creativiteit.

Neem een voorbeeld aan de natuur

Waarom zou je alleen je rechterhersenhelft gebruiken als je met je linkerhelft erbij twee keer zo intelligent met je kennis om kunt gaan? En, om maar meteen het bruggetje naar mijn oplossing te maken: wat als je die linker- en rechtercapaciteiten voor elk type gebruiker beschikbaar kunt maken? Structureer je datalandschap daarom naar het beste voorbeeld, recht uit de natuur: je brein. Oftewel: een intelligent data platform.

Net als je brein heeft een intelligent data platform een logische en creatieve kant. Met de creatieve kant kan het zowel grotere contexten 鈥榸ien鈥� als out-of-the-box idee毛n genereren op basis van data. Die kun je vervolgens in de praktijk loslaten op de gestructureerde kant van je platform. De plek waar je gerichte vragen stelt aan het systeem en kant-en-klare inzichten kunt opdiepen.

Meer weten over data?

In deze gids vind je tips over hoe jij de beste datastrategie kan samenstellen. Onderscheid jouw bedrijf met een succesvolle datastrategie.

De bouwstenen van een intelligent data platform

Waar dit platform concreet uit bestaat? Door een lake met een logisch 听te combineren, cre毛er je een intelligent data platform. Zo profiteer je van alle voordelen van data science en traditionele analyses. Kortom: 茅cht het beste van twee datawerelden.

Met je data lake vol ruwe gegevens experimenteer en innoveer je. Met name je data scientists en engineers zijn bezig in die hoek. Niet alle data in je lake zijn namelijk direct interessant voor je verschillende bedrijfsonderdelen. Sommige van die wel. Die breng je daarom ook onder in je logisch data warehouse. Daar sla je voornamelijk tactische en strategische data op. Door niet alles in dat gestructureerde systeem op te slaan, blijft het licht in gebruik en kan het daardoor snel 鈥� en dus real-time 鈥� vragen van onder meer business analisten en andere gebruikers uit je organisatie beantwoorden.

Creatief en logisch: investeer in een intelligent data platform

Investeer je in een langetermijnsamenwerking tussen die 鈥榟ersenhelften鈥� in data-opslag? Dan investeer je in een intelligent data platform, waar je zowel creatief als logisch mee aan de slag kunt. Intelligent datamanagement waarmee je niet alleen slagvaardiger bent, maar waarmee je ook klaar bent voor toekomstige innovaties op het gebied van data science en data-analyses.

Meer weten?

The post De data lake-hype voorbij: tijd voor een Intelligent Data Platform 听 appeared first on 麻豆原创 Nederland Blogs & Nieuws.