2. Introductie
• 2015-2017: UMCG Ambulancezorg / RAV Fryslân
• Afstudeeropdracht & ‘proactieve data-analist’
• 2017: Start Devise
• Heldere data-analyses oplossingen voor de spoedzorg
• Intuïtieve dashboards, analyse tools en S&B
optimalisatiemodellen
• Ad-hoc analysevraagstukken en ondersteuning
• Verantwoordelijk voor de inhoudelijke data-analyse van onze
producten
• Vooral geïnteresseerd in hoe ‘analytics’ daadwerkelijk organisaties
kan verbeteren
3. 64.8% van de grote bedrijven investeren 50 miljoen of meer
in Big Data en AI projecten t.o.v. 39.7% in 2018 (Forbes)
4. Wat statistieken:
• 85% van big data projecten faalt (Gartner, 2018)
• NewVantage Partners 2020 Big Data and Executive Survey:
• 26.8% geeft aan een ‘data-cultuur’ te hebben
• 37.8% zegt ‘data-gedreven’ te zijn
• Slechts 14.6% van bedrijven gebruikt AI in de praktijk (Forbes)
• 74% bedrijven wil ‘data-gedreven’ worden, slechts 29% lukt dit (Forrester)
• …
-> Conclusie: het kan beter?
Hoe gaat het in de praktijk?
5. "Waarom hebben organisaties moeite met het toepassen van data-analyse in hun
organisaties?”
"Wat kunnen de data-analisten/informatiemanagers doen om het succes te vergroten?”
6. “Het ontdekken, interpreteren en communiceren van waardevolle patronen in data”
• Data-analyse is een transformatieproces (data -> inzicht)
• Voor de transformatie gebruiken we verschillende tools:
• Dashboards, BI-software, SQL, modellen, presentaties, visualisaties, …
• Data is vanuit dit oogpunt het startpunt
• Inzicht an sich voegt geen waarde toe, er moet een actie uit volgen
Data-analyse
Data-analyse
(analytics)
Data Inzicht Besluit Actie
7. (1) Data: de juiste data voor het inzicht, toegankelijk, goede kwaliteit, …
(2) Data -> inzicht transformatie: data ontsluiting en preparatie, toepassen analytics, maar ook
visualiseren, onderbouwen en rapporteren van resultaten d.m.v. bijvoorbeeld dashboards
(3) Inzicht -> actie: vraagt om vertrouwen in het inzicht, de methode en de data (transparantie) én de
juiste bedrijfscultuur voor sturen op data
(0) Vertalen van de behoefte naar een analyse vraagstuk, de keuze van de juiste methode, data en
manier van presenteren (link tussen praktijk en data)
Data Inzicht Actie
8. De werelden van 'data', 'inzicht' en 'actie’ kunnen in verschillende fases van “volwassenheid” verkeren
Data Inzicht Actie
Data Analytics Organisatie
“Volwassenheid”
9. De organisatie wil wel, maar krijgt het niet
Data Inzicht Actie
Data Analytics Organisatie
“Volwassenheid”
13. Waar moet inzicht in ieder geval aan voldoen om bruikbaar te zijn?
• Relevant
• Helder
• Betrouwbaar
• Op tijd
Actionable inzicht
14. Sluit aan op een duidelijke en relevante behoefte
• Analist: kennis van de praktijk en processen
• Ad-hoc vraag van beslisser
• Is het de juiste vraag?
• Faciliteer PDCA/verbeter cyclus
• Monitor, probleemanalyse en diagnose, verbeterplan
• Kritieke Prestatie Indicatoren (KPI’s)
Relevant
Problem
Diagnosis
Solution
Implementation
Evaluation
16. Ambulances van standplaats Dieverbrug rijden
overschrijdingen buiten haar eigen
“dekkingsgebied”.
-> Voor verbeteren A1-prestatie (doel) voor de
hele regio geeft een hotspot analyse van
overschrijdingen een beter inzicht dan
overschrijdingspercentage per standplaats
Visueel
17. Toegankelijk, begrijpbaar en eenvoudig te interpreteren voor de ‘beslisser’
• Begeleidende tekst: interpreteer resultaten, leg inzichten uit. Link met praktijk
• Communiceer via het juiste kanaal (dashboard, rapport, email, …)
• Logische opbouw van dashboards en rapporten (‘verhaallijn’)
• Gebruik (de juiste!) visualisaties
Helder
19. Vertrouwen opbouwen duurt lang, het afbreken is zo gebeurd
• Consistentie in informatievoorziening!
• Maak inzichten volledig reproduceerbaar
• Eén opgeschoonde en verrijkte databron
• Definities van databronnen en berekeningen
• Data preparatie en verrijking (garbage in -> awesome out)
• Ontbrekende data, uitschieters, foutlabels
• Kwaliteitscontrole en terugkoppeling naar registratie
• Transparantie in rapporten over de definities, methodiek, beperkingen
-> Werk toe naar één waarheid voor iedereen in de organisatie
Betrouwbaar
20. Op tijd
Goed verhaal maar
de beslissing is al
gemaakt
Snel inspelen op behoeften
• Weet wat er spelt
• Managementoverleggen
• Automatiseer (minimaal) de data-preparatie!
• Kost “80% van de tijd”
• Maak standaard workflows en rapportages
• (en automatiseer ze…)
• Automatiseer
21. De ideale data-analist/informatiemanager…
… kan snel behoeften interpreteren en vertalen naar een uitvoerbaar analysevraagstuk, heeft
kennis van verschillende databases, koppelingen, typen data structuren, het omvormen,
prepareren en opschonen van data, het kiezen van de juiste methodiek en het toepassen van
statistiek eneventueel (voorspellende) modellen, kan resultaten op de juiste manier interpreteren,
duiden met de praktijk, visualiseren en goed en helder presenteren.
(én werkt in een organisatie waar de data toegankelijk is en waar een ‘data-gedreven’ organisatiecultuur hangt zodat de inzichten ook
daadwerkelijk worden gebruikt en leiden tot betere acties).
Data Inzicht Actie
22. • Focus op het hele analyseproces, inclusief de rol van de organisatie
• Data -> inzicht -> actie is zo sterk als de zwakste schakel
• Aanschaf van nieuwere software of technieken vaak niet de oplossing
• Zorg eerst voor een solide fundering
• Rapporteren & duiden ('waarom?’)
• Organisatie: periodiek bestuderen van inzichten (PDCA, KPI’s)
• Creëer één waarheid!
• Til stap voor stap de drie werelden van de 'data', 'inzicht' en 'actie' naar een hoger niveau
Kern