In een snel veranderende wereld, die wordt gekenmerkt door VUCA: Volatility, Uncertainty, Complexity en Ambiguity kunnen organisaties en medewerkers niet langer op zekerheden over de bedrijfsvoering en de aard van werk vertrouwen. Dat heeft invloed op het type training dat nodig is voor vooruitstrevende organisaties en de mensen die er werken.
Onze eigen persoonlijkheid en manieren van denken hebben een aanzienlijke invloed op hoe we verandering binnen onze eigen organisatie waarnemen. De kunst is om je bewust te zijn van de algemene situatie. Door te weten welke vorm van turbulentie je tegenkomt en hoe je die waarschijnlijk zult waarnemen, kun je in de juiste richting en op het juiste moment naar een betere positie sturen. Onzekerheid over de bredere context maakt deze taak zo moeilijk, en dat is dan ook de reden waarom het cruciaal is om een bredere kijk op de organisatie waar je werkt en de haar omringende externe omgeving te hebben.
Organisaties en financieel professionals die efficiënt willen werken en zich in een snel veranderende wereld staande willen houden, ontkomen er dan ook niet aan om technologische innovaties, zoals big data, op een doordachte manier in te zetten.
E-learning: De rol van de financieel professional bij big data
In deze e-learning wordt uiteengezet wat big data is, wat de rol van de financieel professional ten aanzien van big data is en aan de hand van verschillende stappenplannen en praktische tips wordt uitgelegd hoe big data in de eigen organisatie kan worden geïmplementeerd. Na het volgen van deze e-learning bent u onder meer in staat om:
- de belangrijkste randvoorwaarden om met big data aan de slag te gaan op te noemen en toe te lichten;
- een globale toelichting op de techniek achter big data te geven;
- een toelichting op de belangrijkste vormen van data-analyse te geven;
- de beperkingen ten aanzien van het toepassen van big data te benoemen.
>> Bekijk de cursus hier in de catalogus.
>> Al abonnee? Ga hier naar de e-learning in uw dashboard.
Big data
De definitie van big data is niet altijd duidelijk en de term wordt soms ten onrechte gebruikt. Volgens Gartner gaat het om drie kenmerken:
- de hoeveelheid (volume) data;
- de snelheid (velocity) waarmee de data binnenkomen en/of worden opgevraagd;
- de grote onderlinge diversiteit (variety) van de data. Met de grote onderlinge diversiteit van data wordt vooral bedoeld dat de data ongestructureerd zijn en niet in een traditionele database kunnen worden opgeslagen.
In het Engels worden deze kenmerken vaak als de drie V’s van big data aangeduid. Als aan minimaal twee van de drie kenmerken wordt voldaan, wordt in het algemeen over big data gesproken.
Drie andere kenmerken van big data zijn:
- de variatie (variability) in de data; verschillende bronnen kunnen elkaar tegenspreken en het geheel extra compliceren;
- de kwaliteit (veracity) van de data; de ene bron is minder betrouwbaar dan de andere bron;
- de complexiteit (complexity) van de data: de mate waarin ongestructureerde data van verschillende bronnen met elkaar te combineren zijn.
Way of working
Over big data bestaan in het mkb nog misverstanden en vooroordelen. Het zou gaan om enorme hoeveelheden data die met peperdure tools worden geanalyseerd en in fraaie rapporten worden weergegeven. Dat kan natuurlijk, maar dat hoeft niet. Ook een kapper of slager kan met klantgegevens aan de slag en meer omzet genereren als hij of zij bijvoorbeeld weet wie zijn of haar beste klanten zijn. Die zijn met speciale acties of aanbiedingen te benaderen.
Uit onderzoek van Microsoft in samenwerking met Ipsos MORI onder tweeënzestighonderd mkb-medewerkers en vierhonderdtweeëntachtig managers in twintig landen, waaronder Nederland, is gebleken, dat mkb-ondernemingen, die hun zakelijke beslissingen op de uitkomsten van big data-toepassingen baseren, bijna tweemaal zo vaak positiever zijn over hun financiële toekomst dan mkb-ondernemingen, die niet op de uitkomsten van big data-analyses vertrouwen.
Het onderzoek liet zien dat van de ondervraagde Nederlandse mkb-ondernemingen die op het gebruik van data vertrouwen zestig procent zich succesvol op het werven van nieuwe klanten richt. Bij de mkb-ondernemingen die geen gebruik maken van data, ligt dat percentage op slechts drieëndertig procent. Verder geven datagedreven mkb-ondernemingen vaker aan bestaande relaties goed te kunnen onderhouden: zestig procent, tegen vierenveertig procent van de mkb-ondernemingen die dat niet doen.
In de tweede plaats is het verstandig om medewerkers in het omgaan met data te trainen. Slim omgaan met techniek en data kan helpen bij het zien van kansen en mogelijkheden en bij het nemen van de juiste beslissingen. Het onderzoek liet zien dat achtenveertig procent van de Nederlandse datagedreven mkb-ondernemingen gebruik maakt van technologie om de productiviteit te verhogen, tegen tweeëntwintig procent van de mkb-ondernemingen die geen inzicht in data heeft. Ook zijn ondernemingen die op data vertrouwen, vaker geneigd om te zeggen dat technologie ervoor heeft gezorgd dat de werknemersvaardigheden erop vooruitgingen. Dat zijn duidelijke cijfers.
Tot slot kunnen ondernemingen data gebruiken om nieuwe producten, diensten of businessmodellen te initiëren, waardoor ze een voorsprong op hun concurrenten kunnen nemen. Van de op data vertrouwende Nederlandse mkb-ondernemingen is vierenzestig procent ervan overtuigd dat digitale technologie hen helpt innovatiever te zijn, tegenover negenenvijftig procent van de mkb-ondernemingen die data niet in hun voordeel gebruiken.
Veel mkb-ondernemingen zien zeker mogelijkheden om meer met hun data te doen. Het ontbreekt hen echter vaak aan de juiste kennis en vaardigheden. Daarom is het belangrijk om stapsgewijs te werk te gaan en te experimenteren. Daarbij is het raadzaam de volgende vier adviezen op te volgen:
- bewaar zoveel mogelijk data, vooral klantdata, en probeer trends te ontdekken en ideeën op te doen;
- zorg voor een actuele website; dat is hét visitekaartje van de organisatie. De website moet actueel, relevant en responsief zijn;
- durf te experimenteren;
- begin klein en bouw alles langzaam op. Rome is ook niet in één dag gebouwd.
Tot slot zou het goed zijn om de stap naar cloud computing te maken. Dan heeft de organisatie geen zorgen meer over veiligheid, beheer, updates en patches en houdt ze tijd over voor de zaken die er echt toe doen.
Stappenplan voor groeikansen met big data
Big data impliceert een datagedreven aanpak in plaats van een hypothese-gedreven aanpak van de traditionele wetenschappelijke methode, waarbij causaliteit door correlaties wordt vervangen en de onderzoeksvraag ‘waarom’ iets gebeurt wordt vervangen door ‘wat’ er gebeurt. Dat leidt tot nieuwe kennis en inzichten en een toegenomen begrip.
De Wetenschappelijke Raad voor het Regeringsbeleid heeft uit de literatuur de in figuur 1 opgenomen belangrijke kenmerken van big data gedestilleerd.
| Kenmerken van big data | |
| Data | Omvang van de data Ongestructureerde en/of gestructureerde data Combinatie van verschillende databronnen |
| Analyse | Data-gedreven analyse: er wordt gezocht naar patronen in de data zonder vooraf opgestelde hypothesen Inzicht in het verleden (retrospectief), het heden (real time / nowcasting) en de toekomst (predictive analyses / forecasting) |
| Gebruik | Ontschotting van domeinen: data uit het ene domein worden gebruikt voor beslissingen in een ander domein ‘Actionable knowledge’: conclusies op geaggregeerd niveau kunnen worden toegepast voor beslissingen op groeps- of individueel niveau |
Figuur 1. Kenmerken van big data (Wetenschappelijke Raad voor het Regeringsbeleid)
Om een organisatie met big data op weg te helpen kan het volgende stappenplan voor groeikansen met big data worden gevolgd:
- Formuleren van het doel;
- Beschrijven beschikbare interne data;
- Bepalen relevante externe bronnen;
- Uitvoeren van de data-analyse.
Formuleren van het doel
De eerste stap bestaat uit het formuleren van het doel, de use case. In deze stap wordt beschreven wat de organisatie ten aanzien van de klant, het product of de dienst, het proces of de positie van de organisatie in de markt en in de maatschappij wil verbeteren. In figuur 3 zijn voorbeelden van vragen opgenomen, die met (big) data kunnen worden beantwoord.
Beschrijven beschikbare interne data
De tweede stap bestaat uit het beschrijven welke data de organisatie digitaal beschikbaar heeft. Data wordt op een groot aantal verschillende manieren vastgelegd.
Bepalen relevante externe bronnen
De derde stap bestaat uit het combineren van stap 1 en 2 om te bepalen welke informatie de organisatie nog niet digitaal beschikbaar heeft en het beoordelen welke externe bronnen relevant zijn om aan die informatie te komen.
Ten aanzien van eigendomsrechten kan onderscheid worden gemaakt tussen open data en gesloten data. Open data zijn meestal voor of door de overheid en wetenschappelijke instellingen verzameld. Het gaat bijvoorbeeld om gemeenten, provincie en rijk, de Europese Unie of overheden van andere landen. Ook organisaties, die uit publieke middelen worden gefinancierd, zoals hogescholen, TNO en Rijkswaterstaat, stellen hun data vaak beschikbaar.
Gesloten data zijn data van derden die al dan niet tegen betaling worden aangeboden. De data
Uitvoeren van data-analyse
In de analysefase wordt beoordeeld hoe de data tot een antwoord op het doel, de use case, kunnen worden gecombineerd en gevisualiseerd. Organisaties kunnen daar zelf mee aan de slag, maar soms is het verstandig om een specialist in te schakelen. Er zijn eenvoudige analysetools en softwareprogramma’s, zoals Google Analytics, Tableau en Qlik View beschikbaar om gebruiksvriendelijk data te analyseren en te visualiseren. Organisaties kunnen ook derden, zoals universiteiten of hogescholen, onderzoeksinstellingen, zoals TNO, expertisecentra, particuliere data-analisten of een analysebureau inschakelen om een onderzoeksvraag, een use case, te beantwoorden. Organisaties kunnen ook beoordelen of een analyse al eens door een brancheorganisatie, ketenpartner, sectorvertegenwoordiger of regionaal ondernemers initiatief is uitgevoerd. Organisaties kunnen daardoor van de ervaringen van anderen leren, mogelijk samenwerken in het analyseren van data en expertise delen of gezamenlijk een derde, zoals een universiteit, hogeschool, onderzoeksinstelling als TNO benaderen of gezamenlijk een dienst bij een commerciële partij inkopen.
De meeste tools bieden de mogelijkheid om uitkomsten grafisch te visualiseren in de vorm van grafieken, tabellen, kaartjes en andere overzichten.
Auteur: Drs. R.M. Kieft RA is zelfstandig gevestigd onder de naam Bureau voor Administratie en Controle Kieft (BACK) bv te Hoofddorp.
Finance Academy E-learning
Leeromgeving Finance Academy E-learning bevat cursussen met een breed scala aan onderwerpen die voor controllers van belang zijn. Met het platform kunt u uw leerdoelen verwezenlijken en kennis vergaren om op de toekomst voorbereid te zijn volgens de nieuwe richtlijn voor Permanente Educatie. Maak nu kennis en profiteer van 10 procent korting op een abonnement. U kunt ook geheel vrijblijvend een gratis e-learning proberen om de omgeving te leren kennen.
