Home Data & Storage Hyperconverged analytics: de toekomst voorspellen met data

Hyperconverged analytics: de toekomst voorspellen met data

TIBCO -
53
dainamics

Terugkijken om het succes of falen van je zakelijke beslissingen te evalueren kan nuttig zijn. Maar het geeft je alleen een beeld van hoe je het wel of niet hebt gedaan. Dit, zonder richting te geven aan waar je naartoe gaat en hoe het in de toekomst zal gaan. Het vermogen om terug te kijken op het verleden was vroeger een fundamentele waarde voor analyses. Tegenwoordig worden innovaties in analytics gebruikt door bedrijven die dingen in realtime willen bekijken. En dit willen gebruiken om te voorspellen en te begrijpen wat er morgen waarschijnlijk gebeurt.

Inzicht hebben in het verleden, heden en de toekomst geeft een holistisch beeld en toont de ware kracht van analytics. Het is de samensmelting van deze drie die de basis vormt van hyperconverged analytics. Kort gezegd, hyperconverged analytics stelt concurrerende bedrijven in staat om te reageren op gebeurtenissen en data op het moment dat het plaatsvindt, met de snelheid van de business en wanneer de waarde het hoogst is.

Serieus aan de slag met analytics

In het verleden investeerden organisaties in analytics omdat ze hun historische data wilden begrijpen, wat nog altijd een goed startpunt is. Maar om vooruit te komen en serieus aan de slag te gaan met analytics, heb je een basis nodig die je inzicht geeft in het verleden, het heden en de toekomst. Dit is op papier een geweldig idee, maar in de praktijk blijkt dit lastig wanneer je gebruikmaakt van data en nieuwe datatypes uit verschillende delen van het bedrijf. Het samenbrengen van teams vereist een ‘dorps’-mentaliteit, waarbij wordt erkend dat er allerlei verschillende soorten kennis en deskundigen nodig zijn om waarde toe te voegen aan de analyse.

Het samenbrengen van teams is waar de grootste uitdaging ligt voor hyperconverged analytics. De tweede uitdaging is waar je je data vandaan haalt. Iedereen heeft zijn plaats in dit holistische en uitgebreide analytics-landschap en dat geldt ook voor jouw data. Met historische data kun je rapporten en dashboard-weergaven maken om te begrijpen wat er is gebeurd. Toch is het veel complexer om te voorspellen en beslissingen te nemen op basis van live data en naar streaming data te luisteren, deze te monitoren en ernaar te handelen.

Een solide fundament voor data

Hyperconverged analytics versmelt databronnen tot een fundament en verenigt ze, zodat je ermee kunt voorspellen. Vergelijk het met het samenbrengen van alle data in jouw dorp in één centrale ‘bron’ waar iedereen zijn ‘water’ gaat halen – door centralisatie ontstaat er één pure databron.

Dit wordt ondersteund door het gebruik van oplossingen voor data-virtualisatie. Deze oplossingen brengen niet alleen data bij elkaar, maar bepalen ook hoe gebruikers verbinding maken met de data en filteren vervolgens op streaming data. Bij hyperconverged analytics ga je een stap verder en combineer je deze data met data science-oplossingen die je de inzichten en kennis geven die nodig zijn om voorspellingen te doen.

Terug naar de basis

Het bouwen van een waterput is een proces bestaande uit meerdere lagen, waaronder de sponsoring van het project, het budget, de technische expertise en het gereedschap. Je hebt alle belanghebbenden in je ‘dorp’ nodig. Het concept dat alles wat oud is weer nieuw is, klopt echt als je probeert te profiteren van hyperconverged analytics. We praten al sinds de jaren ’90 over goed masterdata-management en datakwaliteit. En als dit niet goed geregeld is, zul je merken dat teams in verschillende richtingen worden getrokken en dat projecten die op data vertrouwen, mislukken. Het duurt veel langer voordat projecten van de grond komen, omdat teams dataproblemen oplossen terwijl ze tegelijkertijd modellen en applicaties bouwen.

Als je de waterkwaliteit in de put niet test, kun je het hele dorp vergiftigen. Datamanagement klinkt misschien niet zo aantrekkelijk als analytics, maar als deze basis niet aanwezig is zal zelfs rudimentaire analyse een hele klus zijn, laat staan hyperconverged analytics.

Een waardepropositie

Het is belangrijk dat je toegang hebt tot data met de snelheid van de business. Dit is realtime data en deze snelheid bepaalt vervolgens de time-to-value van jouw organisatie op basis van de interpretatie van die data. Als je terugkijkt en ook kijkt naar wat er vandaag gebeurt, kun je aannames gaan doen over morgen. Als analytics in het spel is, is het verschil dat deze aannames niet gebaseerd zijn op meningen, maar op feiten. Hier ligt de oorsprong om de toekomst te voorspellen op basis van patronen uit data.

Wanneer je dorp zijn water uit maar één put haalt, kunnen de leiders van het dorp gelijk zien of het water goed is voor de stad of niet. In het geval van data stelt een gecentraliseerde dataverzameling je in staat te begrijpen hoe je de systemen in de hele organisatie kunt schalen. Je kunt de oplossingen samenstellen die nodig zijn om toegang te krijgen tot de data, en jouw data-scientists kunnen dezelfde emmer gebruiken om water te halen. Op deze manier kunnen ze algoritmen of modellen hergebruiken die anderen hebben gebouwd en jouw time-to-value versnellen. Het is bijvoorbeeld niet slim om een ​​nieuw klantsegmentatiemodel te maken als een team in het Verenigd Koninkrijk er al een heeft gebouwd. Met een hyperconverged analytics-omgeving krijg je het inzicht dat nodig is om te zien wat er is gemaakt en nog belangrijker, om het te hergebruiken.

Het hergebruik van analytics-componenten kun je vergelijken met samenwerken in een dorp. Gebruikmaken van wat al is gebouwd, is een uitgangspunt waarop ModelOps is ontstaan. In dit model putten we uit herbruikbare analysekaders, die afhankelijk zijn van alle inwoners van het dorp en niet van de kracht van één iemand. Voor een hyperconverged analytics-omgeving moet een bedrijf ModelOps omarmen om waarde te benadrukken.

Implementaties standaardiseren

Je data veranderen elke minuut. Dit is de reden dat we moeten migreren naar hyperconverged analytics en nog belangrijker, de reden waarom we data-acties, -processen en -oplossingen moeten standaardiseren. Als je omarmt dat iedereen in het dorp een rol speelt, van de leider tot de data-scientists, analisten en data-beheerders, dan kom je een stap dichterbij het creëren van unificatie tussen systemen en mensen.

Het implementeren van een hyperconverged analytics-omgeving, of het creëren van een waterput, is niet alleen een centrale plek maken om je data te bewaren. Dat is slechts één onderdeel van alle voordelen: betere consolidatie, beheer, standaardisatie, controle en hergebruik. Dit alles wordt gedaan om sneller op data te reageren en sneller waarde toe te voegen aan jouw bedrijf.

Concurrerend platform

Een voorbeeld van deze aanpak is AA Ireland, de nummer één aanbieder van pechhulp in Ierland. Als verzekeraar moeten ze datamodellering-technologie gebruiken om de dekking nauwkeurig te bepalen. Dit gebeurt op basis van een aantal belangrijke factoren voor elke polishouder, inclusief risico, terwijl de prijs concurrerend en aantrekkelijk blijft voor potentiële klanten. AA Ireland heeft een concurrerend platform gebouwd dat niet alleen heeft bijgedragen aan het verlagen van de totale kosten, maar ook de flexibiliteit biedt om eigenaar te zijn van de inputs en configuratie van het hele systeem.

Hierdoor verhoogde AA Ireland zijn winstgevendheid: de omzet steeg met 22% door zich op de juiste klanten te richten, op een manier die het risico verlaagde en de conversieratio’s verhoogde. Het bouwde voort op klantinzichten om de relaties met polishouders te verdiepen, de retentie te vergroten en programma’s te ontwikkelen voor cross-selling in aanvullende productlijnen. Deze aanpak heeft eraan bijgedragen dat het bedrijf is getransformeerd van verzekeringsmakelaar naar een platformbedrijf dat expert is in het oplossen van data-uitdagingen om bedrijfsactiviteiten uit te breiden, inkomsten te verhogen en marktaandeel te vergroten.

Het idee achter hyperconverged analytics is dat de business de snelheid waarmee data veranderen omarmt en één centrale basis en expertisecentrum heeft om op die veranderingen te reageren. Door modellen correct te beheren en op te merken dat het koopgedrag vandaag opmerkelijk anders is dan een jaar geleden, wordt het bedrijfsleven wendbaarder wat betreft productontwikkeling en het versnelt de time-to-value. Op deze manier kun je ervoor zorgen dat de waterput in jouw dorp nooit opdroogt en dat elke persoon zijn of haar rol blijft spelen en weet wat er in het verschiet ligt.

Shawn Rogers, VP Analytics Strategy, TIBCO

LAAT EEN REACTIE ACHTER

Please enter your comment!
Please enter your name here