Het World Economic Forum, dat van 15 tot en met 19 januari plaatsvond in het Zwitserse Davos, bracht leiders bijeen om belangrijke mondiale kwesties te bespreken. De impact van generatieve kunstmatige intelligentie (AI) is daar een voorbeeld van.

AI-kloof

In iets meer dan een jaar tijd heeft 鈥楪enAI鈥� een razendsnelle ontwikkeling doorgemaakt, van niche technologie naar een onderwerp van wereldwijde discussie. McKinsey dat generatieve AI jaarlijks tot wel 4,4 biljoen dollar aan economische voordelen kan bieden. Bovendien zou het de automatisering van wel 70 procent van de zakelijke activiteiten mogelijk kunnen maken.

Niet alle landen profiteren echter in dezelfde mate van AI. In januari 2023 het World Economic Forum dat de kloof tussen het Noorden en het Zuiden op het gebied van AI groter wordt. Ontwikkelde landen met meer economische slagkracht profiteren meer van de inzet van AI dan landen met minder ontwikkelde economie毛n. Met name China en de Verenigde Staten zien het bruto binnenlands product sterk groeien.

麻豆原创 neemt de leiding

鈥淗et is cruciaal dat bedrijven zoals 麻豆原创, NGO’s en intergouvernementele organisaties een leidende rol nemen in het waarborgen dat niemand achterblijft bij de AI-vooruitgang鈥�, zegt Julia White, Chief Marketing and Solutions Officer bij 麻豆原创. 鈥溌槎乖� zet zich in om deze visie te realiseren door middel van strategische initiatieven en samenwerkingen die gericht zijn op het bevorderen van inclusieve en ethische AI-toepassingen wereldwijd.鈥�

麻豆原创 gaat ongelijkheid onder andere tegen door te zorgen voor:

1. Vertrouwen in technologie

鈥淟anden en regio’s die baanbrekend werk verrichten op het gebied van betrouwbare AI voor het bedrijfsleven zullen een veel snellere en bredere toepassing zien van generatieve AI in bedrijven en bedrijfstakken鈥�, licht Christian Klein, de CEO van 麻豆原创, toe. 鈥淩elevantie, betrouwbaarheid en verantwoordelijkheid zorgen voor het vertrouwen dat nodig is. Ze helpen om vertrouwen te winnen in de technologie waarmee we de grote uitdagingen van deze tijd aangaan.鈥�

Relevantie betreft het toepassen van specifieke bedrijfsgegevens voor nauwkeurige AI-oplossingen. Betrouwbaarheid houdt in dat de output van AI van hoge kwaliteit moet zijn, wat cruciaal is in het bedrijfsleven. Verantwoordelijkheid impliceert dat bij het gebruik van AI rekening wordt gehouden met ethische aspecten zoals privacy en auteursrecht.

麻豆原创’s interne AI Ethics Steering Committee, gesteund door een extern adviespanel, beoordeelt elke AI-toepassing om deze principes te waarborgen. Het openbaar beschikbare van 麻豆原创 onderstreept de toewijding aan ethische AI, in lijn met toekomstige AI-regelgeving zoals de .

2. Educatie en training

De snelle innovatie vereist gerichte scholing en vaardigheidstraining. 鈥淏edrijven als 麻豆原创 brengen nieuwe trainingen en tools uit om de vaardigheidskloof te dichten鈥�, aldus White. 鈥淰orig jaar kondigde 麻豆原创 een ambitieus doel aan om tegen 2025 twee miljoen professionals bij te scholen. Anderhalf miljoen nieuwe cursisten maken inmiddels gebruik van ons , wat betekent dat we op schema liggen om onze doelen gemakkelijk te overtreffen. Maar we stoppen niet. De behoefte en de mogelijkheden zijn te groot.鈥�

麻豆原创 heeft ook de gelanceerd, een centrale hub met AI-diensten en -tools, om ontwikkelaars te ondersteunen in het cre毛ren van AI-gestuurde toepassingen. Bovendien helpt 麻豆原创 wereldwijd mensen met herscholing en het vinden van werk door middel van het -programma, dat met lokale partners en publiek gefinancierde trainingen softwareconsultants, ontwikkelaars en eindgebruikers opleidt.

3. Aandacht voor inclusiviteit

麻豆原创 zet zich ook in voor inclusiviteit, verder kijkend dan de technologiebranche en zich richtend op ondervertegenwoordigde bevolkingsgroepen. Dit blijkt onder andere uit Educate to Employ. Dit programma is een samenwerking met UNICEF en Generation Unlimited en gericht op het cre毛ren van technische carri猫remogelijkheden voor jongeren in Afrika.

麻豆原创 ondertekende ook als een van de eerste bedrijven de die werd gepresenteerd tijdens het World Economic Forum. Dit initiatief, gelanceerd door de Schwab Foundation鈥檚 Global Alliance for Social Entrepreneurship, streeft naar een eerlijkere, duurzamere en meer gelijkwaardige wereld. Door de Pledge te ondertekenen, bevestigen de deelnemers hun inzet voor deze doelen.

鈥淥nze toewijding aan de belofte gaat verder dan corporate responsibility; het gaat over de toekomst van het bedrijfsleven en deel uitmaken van een wereldwijde beweging naar een inclusieve economie鈥�, besluit White. 鈥淗et is een belofte aan ieder individu dat zij een essentieel onderdeel zijn van onze gezamenlijke toekomst.鈥�

The post 麻豆原创 waarschuwt voor toenemende ongelijkheid door AI appeared first on 麻豆原创 Nederland Blogs & Nieuws.

听Veel bedrijven benutten niet alle mogelijkheden die 麻豆原创 te bieden heeft, waardoor de meeste niet het volledige potentieel van hun software benutten. 麻豆原创 streeft naar een intelligente onderneming waarin alle mogelijkheden optimaal worden benut.听

Om deze visie waar te maken, heeft 麻豆原创 het Institute opgericht, dat op maat gemaakte oplossingen zal bieden om bedrijfseigenaren te helpen. Dit kan helpen bij bijvoorbeeld het verbeteren van de datakwaliteit, het optimaliseren van bedrijfsprocessen, het vergroten van klanttevredenheid, het verminderen van uitstoot en het vergroten van de duurzaamheid. De overgang naar een intelligent bedrijf zal de winst van uw bedrijf verbeteren en de winstgevendheid verhogen. Lees verder hoe wij uw bedrijf kunnen helpen.

听“麻豆原创 heeft het Intelligent Enterprise Institute opgericht, dat op maat gemaakte ondersteuning biedt om bedrijfseigenaren het maximale uit hun 麻豆原创-landschap te laten halen.”

Welke gebieden behandelt het Intelligent Enterprise Institute?
Het Intelligent Enterprise Institute biedt expertise op het gebied van:

1. Datamanagement
2. Verbetering van bedrijfsprocessen
3. Ervaringsbeheer
4. Duurzaamheid

Deze vier gebieden worden labs genoemd en zullen verder worden toegelicht in deze blog.

Hoe kan het Data Lab u helpen?
Het Data Lab richt zich op het helpen bij alle data kwesties, uitdagingen of problemen. Of dit nu gaat om een lage kwaliteit van data, het genereren van inkomsten uit big data door het realiseren van nieuwe bedrijfsmodellen of het gebruiken van data voor hyper-gepersonaliseerde klant targeting, het Data Lab kan het allemaal ondersteunen.

Bedrijven willen steeds meer op data gestuurd worden, maar de voordelen kunnen snel teniet worden gedaan door een lage kwaliteit van data. In de VS kost data van lage kwaliteit bedrijven, volgens een artikel van Harvard Business Review, 3.1 biljoen dollar. Dit is natuurlijk een enorm bedrag en kan iedereen overkomen. Een hoogwaardige datakwaliteit maakt bijvoorbeeld betere targeting van relevante klanten in de juiste koopfasen mogelijk om een hogere conversieratio te bereiken of om een solide datamanagement framework op te zetten om ervoor te zorgen dat de data schoon blijft. Om een hogere datakwaliteit te bereiken, hebben we een aanpak ontwikkeld genaamd Business Optimalization Outcome Methodology (BOOM), waarbij tijdens workshops oplossingen voor jouw bedrijf worden ontwikkeld.

Data kan ook worden gebruikt als een bron van inkomsten. We kennen allemaal bedrijven als Google en Facebook die enorme winsten behalen uit data. Maar wist u dat Amazon de op twee na grootste omzet heeft als het gaat om data en advertenties? Amazon is pas sinds 2017 begonnen met het cre毛ren van waarde uit data, maar het is nu het snelst groeiende omzetsegment binnen het bedrijf.

Hoe kan het Proceslab u helpen?
Het Process Lab richt zich op alle bedrijfsprocessen binnen een bedrijf. Dit kan bestaan uit het optimaliseren van de supply chain met uw leveranciers of consumenten, maar ook uit processen op het gebied van financi毛n en HR.

Om deze bedrijfsprocessen te helpen verbeteren, heeft 麻豆原创 nieuwe intelligente 迟别肠丑苍辞濒辞驳颈别毛苍 ge茂ntegreerd, zoals Machine Learning (ML), Intelligent Robotic Process Automation (IRPA), Blockchain, Situation Handlings en het Internet of Things (IoI). Het Machine Learning-algoritme kan bijvoorbeeld ondersteuning bieden bij het voorspellen van productkosten op basis van lopende producten en historische producten. Het zendt een bericht uit in het geval van een verwachte overschrijding van het financi毛le productbudget.

Momenteel zijn er al meer dan 100 van deze intelligente use cases beschikbaar. Het spreekt voor zich dat er het komende jaar nog meer use cases bijkomen. Alle bovengenoemde intelligente 迟别肠丑苍辞濒辞驳颈别毛苍 kunnen bedrijfsprocessen aanzienlijk verbeteren en daardoor snel tastbare financi毛le voordelen opleveren. Het Process Lab kan ondersteunen met beoordelingen, ideevorming en inspiratie, maar ook met het gebruik van Proof of Concepts voor innovatieve use cases.

Voor ideevorming gebruikt het Process Lab de BOOM-methodiek. Voor beoordelingen maakt het Process Lab gebruik van 麻豆原创-tools als Process Insights en Signavio.

Waarmee kan het Experience Lab u helpen?
De woorden beleving en klantervaring hoor u de laatste tijd veel. Het Experience Lab behandelt alle onderwerpen op het gebied van ervaringsbeheer in alle belangrijke Intelligent Enterprise-gebieden (dit omvat ervaringen van de klant, werknemer, leverancier, partner, product, systeem en eindgebruikers).

Stel, u heeft een webshop. Bezoekers voegen een product toe aan hun winkelmandje, maar verlaten daarna toch de website. U weet hoeveel mensen afzien van hun aankoop, maar weet u ook waarom mensen de website verlaten of afzien van de aankoop? Het Customer Experience lab kan u daarbij helpen.

Het lab kan u ook helpen met uw managementstrategie, enablement, architectuur en roadmap. Met 鈥楨xperience Management for IT Transformations鈥� beheren we de gebruikerservaring om prouctsucces te garanderen tijdens IT-transformatieproucten door gebruik te maken van Qualtrics. In het Experience Lab kunnen we ook Business Outcome Optimization-sessies uitvoeren om prototyping en natuurlijk proof of concepts te doen.

Hoe kan het Sustainability Lab u helpen?
Op dit moment denkt iedereen aan duurzaamheid en is het een zeer strategisch onderwerp geworden voor de meeste bestuurskamers. Met de toenemende impact van klimaatverandering is het absoluut noodzakelijk dat bedrijven een manier vinden om te verduurzamen. Als enabler biedt 麻豆原创 het Sustainability Service Package en een uitgebreide Sustainability-portfolio, de kern van 麻豆原创’s strategie en visie van de Intelligent Enterprise. Aangezien duurzaamheid een reis is en geen bestemming, begeleidt het Sustainability Lab onze klanten met een aanpak op maat die verschillende fasen omvat die zijn aangepast aan de behoeften van onze klanten. Het doel van het lab is om u te helpen bij het bereiken van nul afval, nul ongelijkheid en nul emissies en tegelijkertijd duurzaamheid winstgevend en winst duurzaam te maken. Dat is wat de Sustainability Lab u kan bieden.

鈥淢aak duurzaamheid winstgevend en winst duurzaam鈥�

Hoe werkt het Intelligent Enterprise Institute?
Zoals eerder vermeld bestaat het uit vier labs, met allemaal hun eigen specialisaties. Deze vier labs passen allemaal heel goed bij elkaar en vullen elkaar aan. Dit betekent dat de labs kunnen worden gecombineerd om aan uw persoonlijke behoeften te voldoen. Als u bijvoorbeeld de kwaliteit van u bedrijfsdata wilt verhogen, maar ook de klantervaring, dan gaan deze twee labs samenwerken en een oplossing cre毛ren. Wil u echter alle vier of misschien maar 茅茅n van de labs gebruiken, dan is dat ook mogelijk. De dienstverlening wordt afgestemd op uw wensen.

Zoals eerder vermeld zijn er 4 gebieden in de vorm van labs waar het instituut zich op richt. U kunt de labs afzonderlijk gebruiken voor uw behoeften, maar ook in combinatie. Over het algemeen is het voordelig om de labs samen te gebruiken, omdat ze elkaar aanvullen en ten goede komen. Wel kunt u aangeven van welke labs u gebruik wilt maken, aangezien de dienst is afgestemd op uw wensen.

Wanneer u de labs heeft gekozen in de afstemmingsbijeenkomst, wordt het bedrijf beoordeeld en onderzocht om mogelijke verbetermogelijkheden te vinden. Als u specifieke problemen heeft die u binnen uw bedrijf opgelost wilt hebben, zullen we in dit gesprek ook mogelijke oplossingen voor deze problemen onderzoeken. Als u ge茂nteresseerd bent, plannen we workshops in met vertegenwoordigers van uw bedrijf, waarin we samen problemen zullen aanpakken en oplossing zullen cre毛ren. Deze workshops zijn speciaal gemaakt voor uw vraagstuk en bedrijf, omdat dit in het verleden de beste resultaten heeft opgeleverd. Na de workshops kan er een prototype oplossing gerealiseerd worden voor uw uitdagingen.

Wil u ook uw bedrijfsvoering optimaliseren en het maximale uit uw 麻豆原创-landschap halen, neem dan contact met ons op. U kunt ook contact met ons opnemen via uw Technical Quality Manager (TQM), die verantwoordelijk is voor uw Max Attention contract.

The post Ontdek hoe het Intelligent Enterprise Institute uw bedrijf kan helpen appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Vertrouwen cre毛ren, is zeggen wat je doet en doen wat je zegt. Politieke prioriteiten vertalen naar activiteit-gebaseerde plannen en begrotingsplannen aan het begin van het jaar. Om die plannen en begrotingen vervolgens gericht uit te voeren. En aan het einde van de periode te rapporteren over de uitvoering, de kosten, de (maatschappelijke) opbrengsten en de redenen waarom gedurende het jaar bepaalde prioriteiten gelegd zijn.

En precies daar gaat het vaak mis. Want de inzet van veiligheidsorganisaties valt nou eenmaal niet zo nauwkeurig te plannen. Wanneer de Maas buiten zijn oevers treedt en dorpen onder water lopen, komt iedere dienst in actie. Er moet gehandeld worden. Er moeten mensen gered en dijken gebouwd worden. De operatie krijgt altijd prioriteit, daar gaat het geld naartoe. Als ergens behoefte aan is 鈥� boten, zandzakken, een helikopter, extra mensen 鈥� dan wordt dat geregeld. Wat de financi毛le impact van die inzet is, is op dat moment minder belangrijk. Gelukkig maar. Want dat is wat wij als burgers op dat moment van de overheid vragen.

Daar komt bij dat de financi毛le impact van zo鈥檔 inzet op dit moment nauwelijks inzichtelijk te maken is. Het is simpelweg te ingewikkeld. Daardoor worden belangrijke beslissingen niet genomen op basis van datagedreven afwegingen, maar op basis van de mate van urgentie die gevoeld wordt. Hoewel dat begrijpelijk is, zou het toch mooier zijn als dit soort ingrijpende keuzes onderbouwd gemaakt wordt, ook onder extreme druk.

Uiteindelijk moeten die inzichten er toch komen. Aan het einde van de periode moet immers inzichtelijk gemaakt worden hoe de dienst de beschikbare middelen heeft ingezet en waarom. En d谩n wordt het lastig. Want dan blijkt opeens dat de inzet tijdens de overstromingen een zware financi毛le wissel getrokken heeft die de rest van het jaar te voelen was.

Niemand lijkt zich daar gedurende het jaar enige zorgen over te maken. Dat verandert pas wanneer er aan het einde van de periode rode cijfers gepresenteerd worden. Of wanneer blijkt dat de dienst politieke prioriteiten niet heeft gevolgd en gemaakte afspraken niet kon nakomen, simpelweg omdat de budgetten uitgeput waren.

Afstand

We zien dit vaker bij diensten in het veiligheidsdomein. Wat in mijn ogen vooral ten grondslag ligt aan die uitdaging, is de afstand die bestaat tussen de bedrijfsvoering enerzijds en de operatie anderzijds. De financieringsstrategie en juiste allocatie van budgetten heeft direct impact op de mate van gereedheid. Het is daarom van belang om strategie, financi毛n en operatie naadloos met elkaar te verbinden.

Het is voor veel organisaties heel lastig om snel duidelijk te maken wat de daadwerkelijke kosten van een bepaalde inzet zijn en welke effecten dit vervolgens heeft op de beschikbare budgetten. Het is zo lastig omdat de informatie die voor zo鈥檔 berekening nodig is, vaak in verschillende en spreadsheets zit. Mogelijk is die informatie ook nog eens versnipperd over verschillende regionale organisaties. Het maken van een scenario op basis van 谩l die gegevens is een hels karwei dat ook nog eens behoorlijk foutgevoelig is.

Vertrouwen begint met financi毛n

Vertrouwen komt te voet en gaat te paard. Wat veel mensen zich niet beseffen, is dat vertrouwen begint en eindigt met financi毛n, ook bij organisaties in het veiligheidsdomein. Missieprioriteit en bedrijfsvoering gaan hand in hand. Organisaties zouden veel meer vertrouwen kunnen winnen bij de politiek, de maatschappij en hun eigen organisatie als ze grip zouden hebben op hun cijfers en als ze dit ook laten zien. Dat betekent dat ze bij een kleine of grote inzet direct in beeld hebben wat de kosten of investeringen zijn en welke budgetten aangesproken moeten worden. Zo kan ook van tevoren transparant worden gemaakt wat de (financi毛le) consequenties zijn van bepaalde besluiten of gebeurtenissen.

Het accuraat anticiperen op en schuiven met capaciteiten en budgetten om te voldoen aan actuele situaties is hierbij cruciaal; net als de verantwoording hierop. Het zou helemaal geweldig zijn als er meerdere scenario鈥檚 gemaakt kunnen worden. Vervolgens kunnen alle betrokkenen op basis van deze berekeningen onderbouwd de juiste keuzes maken. Of ze kunnen de politiek en de maatschappij op basis van deze cijfers en conclusies verzoeken om aan te geven wat de prioriteiten zijn.

Ter Apel of toch niet?

Het Amsterdamse politiekorps gaf daar in de zomer van 2022 een mooi voorbeeld van. Het korps moest extra mensen leveren voor de screening van asielzoekers in Ter Apel. Dat deed het korps, maar vervolgens wel dat de inzet ten koste zou gaan van de aanpak van andersoortige problemen in de hoofdstad. Hetzelfde geldt ook voor Defensie die te elfder ure een moest inrichten om Ter Apel te ontlasten. Ook dit was niet te voorzien.

Door het zo transparant te maken, werd heel duidelijk dat het aanpassen van prioriteiten tot de realiseerbare mogelijkheden behoort, maar dat het ook gevolgen heeft. Je ziet maar zelden dat een dienst op deze manier opereert. Toch schept juist deze aanpak vertrouwen. Je krijgt immers het gevoel dat degenen die over deze beslissing gaan, in control zijn. Ze hebben grip op hun data. Ze weten immers precies waar ze tegenaan gaan lopen als hun mensen naar Ter Apel gestuurd . Daardoor weten ze de juiste mensen in te zetten, met het gewenste resultaat. Bovendien kunnen ze ons, de burger, informeren over de consequenties van die keuze. Daardoor groeit ons begrip van de dynamiek waar dit soort organisaties mee te maken heeft.

Management heeft hier een belangrijke taak. Welke prioriteiten zijn vandaag belangrijk en hoe zit dat morgen? Moet er extra capaciteit naar Ter Apel of toch naar Amsterdam? Accurate planning van (operationele en financi毛le) scenario鈥檚 is van groot belang om te voldoen aan maatschappelijke prioriteiten. Inzichten uit deze processen maken dat veiligheidsorganisaties beter en sneller kunnen reageren op maatschappelijke veranderingen en daardoor veiligheid kunnen garanderen, zowel op straat als digitaal. Veiligheidsorganisaties zijn nu aan zet om dit inzicht te geven en het benodigde vertrouwen op te bouwen.

Focus op prioriteiten

Toch zien we dat veel organisaties in het veiligheidsdomein de meest basale vragen niet kunnen beantwoorden, laat staan dat ze in staat zijn om op basis van actuele ontwikkelingen slim budgetten toe te kennen en daar transparant verantwoording over af te leggen. Focus op de prioriteiten in combinatie met grip, controle en inzicht kortom, leidt tot een effectievere, gemotiveerde organisatie. Wanneer zich een situatie voordoet, wil je direct inzichtelijk kunnen maken wat de keuzes zijn en welke financi毛le middelen daarmee gemoeid zijn. Up to date financieel inzicht leidt tot betere beslissingen over inzet van menskracht en materieel. Je wil kunnen zien wat de opties zijn. Niet met behulp van spreadsheets maar met goed doorgerekende scenario鈥檚. En als we voor optie A, B of C gaan, wil je bovendien precies kunnen zien wat effecten van die keuze zijn. Medewerkers vanuit bedrijfsvoering spelen hierin een belangrijke rol. Zij kunnen de heldere inzichten aanleveren ten aanzien van de gestelde prioriteiten en budgetten. Hierbij kunnen zij het bestuur behoeden voor overschrijdingen of het niet voldoen aan afspraken. Wanneer je de plannen vervolgens uit gaat voeren, kun je de vinger voortdurend aan de pols houden. Zo laat je zien dat je echt 鈥榠n control鈥� bent en goed onderbouwd de juiste dingen doet. Met meer vertrouwen als resultaat.

Ben je werkzaam in het veiligheidsdomein? Dan hoor ik graag hoe jij voor vertrouwen zorgt in de organisatie, bij de politiek en het publiek. Lukt het jou om te zeggen wat je doet en te doen wat je zegt? Of heb je daar juist moeite mee? Laat het me weten!

The post Zorg voor veiligheid en vertrouwen door operationele inzetbaarheid, missie en financiering te combineren 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.

De afkorting NFT staat voor non-fungible token (NFT). Wanneer iets 鈥榝ungible鈥� is, is het vervangbaar. Een kilo goud bijvoorbeeld, is prima te vervangen door een andere kilo goud. Geld, olie en suiker zijn ook fungible. De originele Nachtwacht daarentegen is non-fungible. Net als een genummerd limited edition merkhorloge of een in beperkte oplage gemaakte sneakers.

Een non-fungible token kan gebruikt worden als bewijs van eigendom van een digitaal werk. Dat kan een jpg-bestand zijn. Maar ook bijvoorbeeld een tweet, een video, een muziekbestand of een item uit een game.听 Feitelijk is een NFT een dat vastgelegd wordt in de blockchain. Het smart contract bevat een beschrijving van het digitale werk. In dat contract staat bijvoorbeeld ook de maker vermeld. Maar het contract kan ook beschrijven hoe er moet worden afgerekend wanneer het digitale object verkocht wordt. Misschien leg je bijvoorbeeld vast dat de maker van het werk altijd 5% van de doorverkoopsom ontvangt. Dat is bijvoorbeeld heel fijn voor kunstenaars omdat ze dan blijven profiteren van de waardestijging van hun werk.

Een Chanel met een digitaal paspoort

Vooral de kunstwereld lijkt in een enorme transformatie te zijn beland door deze technologische ontwikkeling. Maar ook de luxemarkt zoals mode en design ziet kansen, zoals de eerdergenoemde overname door laat zien. Hier ontstaat een heel ecosysteem omheen, van kleinere spelers zoals en .

Wat is nu de kans die deze merken zien? NFT鈥檚 scheppen allerlei interessante mogelijkheden om de digitale en de fysieke wereld nog naadlozer in elkaar over te laten lopen, met een beter behoud van merkwaarde. Je zou je bijvoorbeeld best voor kunnen stellen dat je een tas van Chanel koopt waar je een non-fungible token bij krijgt. Zo鈥檔 tas heeft dan z鈥檔 eigen digitale paspoort. De tas is ook online draagbaar, bijvoorbeeld in het Metaverse. Maar het token fungeert ook als certificaat van echtheid in de fysieke wereld. Ook als Chanel niet meer bestaat, leeft het paspoort voort op een blockchain. Koop je de tas tweedehands? Dan geeft dat paspoort extra zekerheid over de authenticiteit van de tas. NFT鈥檚 geven een fysiek product dus niet alleen een extra dimensie, maar helpen ook in de strijd tegen namaak.

Het nieuwe normaal

Consumenten zijn de laatste jaren veel digitaler gaan leven. Het gebruik van social media is een vast onderdeel van ieders leven geworden, net als bijvoorbeeld e-commerce en videobellen. De behoefte van de mens om zich in de fysieke wereld te identificeren met bepaalde kleding en accessoires, manifesteert zich ook in de online wereld.

Misschien gaat een kleding- of schoenenmerk wel een samenwerking aan met Fortnite en kan je jouw karakter voorzien van de schoenen die je ook in het echt draagt. Vergelijk het maar met gamers die ook zwaarden, kleding, schilden of wapens kopen om hun digitale karakter aan te kleden. Die digitale spullen zijn vervolgens ook weer aan anderen door te verkopen en – waarom niet – mee te nemen naar andere platforms. Daarmee zijn NFT鈥檚 ook een belangrijke bouwsteen geworden voor het succes van nieuwe platforms zoals het Metaverse of Microsoft Mesh.

De verwevenheid van de digitale en de fysieke wereld wordt het nieuwe normaal en online verkoopplatformen moeten deze trend adopteren. Bij 麻豆原创 doen we veel onderzoek naar dit soort technologische ontwikkelingen en de toepassingen ervan. Wij verwachten dat je in de nabije toekomst een winkelmandje afrekent met fysieke en/of digitale producten waarna je automatisch de bijbehorende digitale echtheidscertificaten in je 鈥� ontvangt 鈥� met 麻豆原创 technologie is zo鈥檔 use-case al tot realiteit te brengen.

Kansen voor retail loyaliteitsprogramma鈥檚

Ook op het gebied van loyalty zijn NFT鈥檚 voor modemerken en andere retailers heel interessant. NFT鈥檚 zijn uniek en aan de persoon gelinkt, niet te vervalsen of te dupliceren. Je zou je best voor kunnen stellen dat eigenaars van een digitaal paar schoenen van Nike lid worden van een speciale club brand ambassadors die korting krijgen op producten, voorrang bij de lancering van nieuwe schoenen en het merk online uitdragen. Wij worden heel enthousiast van dit soort opties om onze online presence op deze manier te verrijken. Andersom kunnen merken als Nike of Starbucks vaste klanten ook belonen met NFT鈥檚 die je dan weer kan sparen in je wallet.

Feiten van bron tot klant vastleggen

Een andere belangrijke en interessante toepassing van NFT鈥檚 in retail is traceerbaarheid en transparantie in de supply chain. Wanneer bijvoorbeeld een schoenfabrikant de toeleveranciers vraagt om grondstoffen en halffabricaten van een digitaal token te voorzien, wordt iedere schoen een optelsom van NFT鈥檚 die het verhaal van de schoen vertellen. Misschien is de zool gemaakt van duurzaam geproduceerd rubber, zijn de veters van eco-vriendelijk katoen en is het nylon gemaakt van gebruikte visnetten. De herkomst van het product is feilloos terug te brengen tot de verschillende bronnen. Per schoen kun je dan heel nauwkeurig aangeven wat de ecologische footprint ervan is.

Dit is relevant voor alle industrie毛n en al realiteit geworden voor enkele 麻豆原创 klanten. Bij 麻豆原创 ontwikkelden we , een robuuste oplossing om feiten vast te leggen en over te dragen binnen de hele supply chain, van bron tot klant. Terwijl het materiaal door de toeleveringsketen beweegt, verhuizen de bijbehorende tokens van de wallet van de ene schakel in de supply chain naar de andere. Een voorbeeld waar deze technologie al succesvol wordt ingezet, is bij de .

Zie jij de kans met NFT鈥檚?

Blockhain, smart contracts en NFT鈥檚 zijn relatief nieuwe concepten waarmee wereldwijd volop ge毛xperimenteerd wordt. De van Gartner laat zien dat de NFT-hype op dit moment zijn hoogtepunt bereikt heeft. In deze fase zijn er mensen bereid om te betalen voor de NFT van de eerste tweet van Twitter-oprichter Jack Dorsey. Maar het betekent vooral dat de belangrijkste use cases met NFT鈥檚 de komende tijd boven komen drijven en gaan groeien. Wij zien de technologie steeds relevanter en belangrijker worden. Er ontstaan nieuwe kanalen waar retailers en klanten elkaar treffen, en nieuwe productdimensies die nu nog nauwelijks voor te stellen zijn. Alle ingredi毛nten om NFT鈥檚 een plaats te geven in het nieuwe normaal van (mode)retailers zijn immers aanwezig. De onderliggende technologie is er. En wij weten bij 麻豆原创 als geen ander hoe we die technologie koppelen aan de dagdagelijkse processen van retailers.

Over een paar jaar zijn non-fungible tokens de gewoonste zaak van de wereld. Daarom is het zaak om je nu al te gaan verdiepen in de materie en na te denken over de manier waarop jij NFT鈥檚 strategisch in zou kunnen zetten voor jouw merk.

Vind je het leuk om eens met ons te brainstormen over NFT鈥檚 en de manier waarop je non-fungible tokens een plaats geeft in jouw processen? En ben je benieuwd naar de ervaring die 麻豆原创 heeft met NFT鈥檚 en de onderliggende technologie?

The post NFT’s: een gouden belofte voor modemerken en andere retailers 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.

Terug naar mijn realiteit. Ik bezoek wekelijks organisaties om met hen in overleg gaan. Wat als toegevoegde waarde kan opleveren, staat nog in schril contrast met wat de hedendaagse mogelijkheden zijn. Zoals al veelvuldig beschreven: technologie is onomkeerbaar en zal de basis zijn van ons dagelijkse leven. Als het dat al niet is…

Technologie is onomkeerbaar

De vraag is echter: hoe ga je hiermee als organisatie om? En waar kan sturing geven aan de inzet van ? Voor mij is dat al geen vraag meer, er is namelijk geen weg terug. Wel kan HR sturing geven aan de adoptie van technologie; dit gaat zowel het 鈥榣even鈥� van de medewerker veranderen als het inzicht van de HR-professional op de organisatie.

Als medewerker interacteer ik dagelijks met technologie en word ik geacht het te gebruiken. Maar waarom benut ik bepaalde tools nu meer dan andere? Gebruiksvriendelijkheid is een voorwaarde, net als het feit dat het waarde toevoegt aan mijn dagelijkse werk. Daar zit volgens mij de essentie en daarop kan HR inzetten!

De kansen voor ? Ontdek in kleine teams waar technologie impact kan hebben. Doe dat vooral samen met verschillende disciplines, waardoor je een breder draagvlak kunt cre毛ren. En als ik dan toch een voorzet mag geven, ge茂nspireerd op collega鈥檚 die onlangs een interactieve workshop gaven over het thema鈥� een !

Zaterdagavond.

Ik plof samen met mijn vrouw op de bank, nadat het laatste bezoek eindelijk is vertrokken鈥�

鈥淗ey Google: zet muziek aan.鈥�

Wij zijn allemaal digi-proof!

Meer weten over generatie Alpha en tech? Lees mijn over TikTok en HR!

The post Waar kan technologie impact hebben? appeared first on 麻豆原创 Nederland Blogs & Nieuws.

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. Technologie毛n 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 迟别肠丑苍辞濒辞驳颈别毛苍 ondersteunen ook werknemers in andere analytische functies, vari毛rend 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 cre毛ren. 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 financi毛le 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 麻豆原创 Nederland Blogs & Nieuws.

Wat is het verschil tussen digitization en digitalization?

Het kan afhangen van de organisatie of branche. In sommige bedrijfstakken is het onderscheid erg duidelijk, terwijl op andere gebieden verwarring bestaat over de twee termen. Het gevolg? Beide termen worden onderling uitwisselbaar gebruikt. In dit blog zal ik proberen het betekenisverschil te verduidelijken zodat je deze termen met vertrouwen kunt gebruiken.

Wat is digitale transformatie?

Digitale transformatie is de verandering die een organisatie doorgaat wanneer deze digitaliseert. Volgens is digitale transformatie “de acceptatie van digitale technologie om diensten of bedrijven te transformeren, door niet-digitale of handmatige processen te vervangen door digitale processen of door oudere digitale technologie te vervangen door nieuwere digitale technologie”.

Naarmate de digitalisering evolueert, wordt de klantgerichtheid verscherpt

De voor digitization is verschillend: “… de weergave van een object, beeld, geluid, document of signaal (meestal een analoog signaal) door een reeks getallen te genereren die een afzonderlijke set van zijn punten of voorbeelden beschrijven. Digitization betekent simpelweg de conversie van analoog bronmateriaal naar een numeriek formaat. 鈥� De Wikipedia-definitie voor digitalization verwijst echter naar digitization. Het is een goed begin, maar uiteindelijk versterkt het alleen de onduidelijkheid.

De -woordenlijst gaat nog een stap verder in het toekennen van betekenis. Het definieert als ‘het gebruik van digitale 迟别肠丑苍辞濒辞驳颈别毛苍 om een 鈥嬧�媌edrijfsmodel te veranderen en nieuwe inkomsten en waardeproducerende kansen te bieden; het is het proces van overstappen naar een digitaal bedrijf. 鈥� Net als Wikipedia zegt Gartner ook: “ is het proces van het veranderen van analoge naar digitale vorm.”

“Bij 麻豆原创 hebben we tientallen jaren ge’digitized'”, zegt Uwe Riss, Senior Onderzoeker voor Digital Business, Research & Innovation Hub St. Gallen, 麻豆原创, in een interview met 麻豆原创 News getiteld Digital Business Modeling: A Structural Approach Towards Digital Transformatie. 鈥淣u zijn we op weg naar digitalization, wat anders is. Digitalization, of digitalisering, heeft de effici毛ntie van onze processen vergroot; digitalisering betekent dat bedrijven nu technologie gebruiken om met mensen in contact te komen om precies aan hun specifieke behoeften te voldoen. 鈥�

Riss legt uit dat digitalisering het grootste potentieel heeft om onze manier van leven te veranderen. “Als eenvoudig voorbeeld kan het betekenen dat een bijna onzichtbare technologie ons helpt het restaurant te vinden dat we leuk vinden of het vervoer dat we nodig hebben, waar we ook zijn en op elk moment – en tegelijk.”

Zoekopdrachten op digitalization zijn in opkomst

Toch is er onduidelijkheid over het gebruik van deze voorwaarden. Een diepgaande duik in Google Analytics onthulde dat hoewel Google Zoeken beide termen herkent, ze soms door elkaar worden gebruikt in zoekresultaten – een beetje zoals synoniemen. Zoekstatistieken kunnen veel onthullen over hoe termen tegenwoordig echt worden gebruikt.

De klantentest

Tevreden dat ik voor eens en altijd een einde kon maken aan alle verwarring tussen digitization en digitalization, deelde ik dit onderzoek met mijn manager. Zoals managers soms doen, bracht hij me in verwarring met een simpele en belangrijke vraag: ‘Maar kan het klanten iets schelen?’

Ik moest erachter komen. Hiervoor had ik een nietsvermoedende proefpersoon nodig.

Thuis in de keuken was mijn man druk bezig heen en weer te rennen en te wisselen tussen spatels terwijl hij de kinderen hun eten opdiende. Als CEO in een Duits -bedrijf met een nieuwe, hypermoderne -achtige fabriek – en een 麻豆原创-klant – leek hij een goed persoon om te vragen: “Maak jij onderscheid tussen digitization en digitalization?”

‘Nee,’ zei hij schouderophalend.

‘Zie je als natuurkundige enig verschil?’ Omdat natuurkundigen soms een verschil zien dat de rest van ons misschien mist.

‘Nou – laat me even nadenken – en niet als natuurkundige’, keek hij naar het plafond en droogde zijn handen af 鈥嬧�媜p een keukenhanddoek. ‘Als ik een document scan, digitize ik het. Maar ik zou een fabriek digitaliseren.’

Dit blog verscheen eerder op de global news.sap.com website. Klik hier om het oorspronkelijke artikel te bekijken.

The post Digitization vs. Digitalization – Wat is het verschil? appeared first on 麻豆原创 Nederland Blogs & Nieuws.