Waarom analytics soms lijkt op sciencefiction

 
Hoe komt het nu dat analytics op korte termijn niet alleen het paradepaardje van de technologische sector werd, maar een drijfkracht in zo goed als élke industrie? Er zijn verschillende oorzaken, volgens Stephen Gallagher, vicepresident BI bij Avanade, maar de opmars van gebruiksvriendelijke en voordelige analyticssoftware zat er alvast voor iets tussen.
“Voorheen was het analyseren van data een privilege van de grootste bedrijven,” legt Gallagher uit. Hij verwijst naar de eerste, complexe softwarepakketten die gepaard gingen met gepeperde prijskaartjes. “De laatste jaren worden echter ook nieuwe producten op de markt gebracht die minder prijzig zijn, en nu zijn organisaties in staat om aan high-end analytics te doen zonder een hoop geld te spenderen.”
Dankzij een gediversifieerd landschap in analyticsoplossingen kan zowel de kmo als de multinational investeren in een data-oplossing die aan hun behoeften voldoen, en de cloud zorgt ervoor dat ze de investering in on-premises middelen kunnen overslaan. Dat er nu meer data is, dankzij het internet of things, en dat er nu dankzij machine learning data kan verwerkt worden die voorheen onbereikbaar was, werkte versterkend. De rol van analytics werd alleen maar groter.

Scifi-scenario’s

In het gezegende jaar 2017 lijken analytics-toepassingen een nieuw tijdsperk aan te kondigen. Niet langer ligt de focus van analytics op zogenoemde beschrijvende analyse – of descriptive analytics – waarbij naar het verleden wordt gekeken om eventuele resultaten te verklaren. In de plaats daarvan richten oplossingen zich steeds vaker op het voorspellen van resultaten: predictive analytics. Daarmee komen analytics-oplossingen in het vaarwater van sommige tot voor kort louter fictieve voorbeelden.
 
“Veel van de concepten die we nu gebruiken in analytics, zijn niet nieuw: soms worden ze zelfs voor het eerst verkend in films,” licht Nick Millman, managing director Big Data & Analytics Delivery bij Accenture, toe. “Dankzij de snelle ontwikkeling van technologie en de kwaliteit van bestaande datamodellen, lijkt wat nu bouwen op wat we zo’n tien of twintig jaar geleden nog als sciencefiction beschouwden.”
 

Misdaad voorspellen

Hij neemt het kortverhaal The Minority Report als voorbeeld, een werk van gevierd scifi-auteur Philip K. Dick dat in 2002 verfilmd werd. In het verhaal treedt een bijzondere politie-eenheid op om misdaden te voorkomen en de daders te bestraffen, nog voor de misdaad plaatsvindt. In de dystopische setting worden daarvoor drie helderzienden ingeplugd in machines, maar in de echte wereld anno 2017 volstaan data en kwalitatieve modellen om misdaad te voorspellen.
“We werken met enkele security-agentschappen in gelijkaardige toepassingen,” verklaart Millman. “Bijvoorbeeld om te voorspellen welke individuen het meest kans maken om welk type misdaden te plegen.” Op basis van bestaande data kan er bijvoorbeeld worden voorspeld wanneer er kans is op meerdere incidenten, en waar die incidenten zouden kunnen plaatsvinden. Zo kunnen politieagenten ervoor kiezen om op oudejaarsnacht extra mankracht in te zetten in bepaalde buurten om een oogje in het zeil te houden, en incidenten te vermijden.

“Hoe verander ik de toekomst?”

Het zogenaamde ‘predictive maintenance’, of voorspellend onderhoud, werkt volgens eenzelfde principe. Bij predictive maintenance worden bepaalde onderdelen van bijvoorbeeld een leidingsysteem of een fabrieksband voorzien van sensoren. De data kan op basis van eerdere resultaten aangeven wanneer een onderdeel lijdt onder slijtage, waarna het onderdeel vervangen of hersteld kan worden, zonder dat een monteur controles moet uitvoeren. Anders gezegd, het wordt met predictive analytics mogelijk om te voorspellen wanneer een onderdeel de geest geeft, voor het effectief symptomen vertoont.
 
De trend van voorspellende analytics is een kentering in de sector, vat Gallagher samen: “We keken altijd achterwaarts, maar het hele ding draait om inzichten vergaren: hoe verander ik de toekomst?”

Vier trends

Als zij zelf naar de toekomst van analytics kijken, kunnen Millman en Gallagher vier trends ontwaren die de evolutie van de tools zullen sturen.
 
Een voor de hand liggende factor is artificiële intelligentie, zegt Nick Millman. “AI krijgt veel publiciteit, en meestal denken mensen dan aan robots en al die ongein, maar in data en analytics, speelt AI nog een andere rol.” Slimme computersystemen worden in de toekomst vaker ingezet voor ‘data wrangling’, meent de dataspecialist. Bij data wrangling worden data klaargemaakt om geanalyseerd te worden: voorlopig betekent dat dat ze handmatig in een ander formaat omgezet moeten worden dat geschikt is om er analytics-tools op los te laten. “Denk aan de grote, ingewikkelde bedrijven waar de data uitgestrekt is over meerdere, verschillende systemen, geïnstalleerd op verschillende tijdstippen. Met machine learning kunnen we die data al veel sneller organiseren en begrijpen.”
 
 
Daarnaast ziet Millman heil in ‘design thinking’. Gebruikers nemen geen genoegen meer met complexe apps: inmiddels is iedereen het gewend om in één oogopslag te zien hoe een applicatie werkt, en er meteen mee aan de slag te kunnen. Die verwachtingen worden doorgetrokken naar zakelijke apps, en ook analytics-tools zijn genoodzaakt om te buigen voor de wil van de gebruiker. “De manier waarop je UX en visualisatie-technieken toepast om mensen door het analyticsproces te ‘loodsen’ is heel belangrijk in de adoptie van analytics.’
 

Gallagher voegt daaraan toe dat ook de manier waarop we analytics zullen gebruiken, en het tempo waarin we dat doen, een verandering zullen doorgaan. Hij heeft het over stemgestuurde interfaces en realtime analytics. “We gebruiken steeds meer onze stem om apparaten te controleren zoals de Amazon Echo. Voor analytics kan dit interessant zijn op plaatsen waar ze bijvoorbeeld wel een internetverbinding hebben, maar niet per se toegang tot de traditionele apparatuur voor analytics, zoals ziekenhuizen.” Daarnaast zullen realtime en embedded analytics ervoor zorgen dat bijna elk aspect van ons leven wordt begeleid door ‘live’ analytics. “Vandaag kunnen we met de nieuwe databronnen en de kracht van de cloud à la minute datafeeds analyseren en voorspellingen doen.” Denk maar aan connected cars, voegt hij toe, voertuigen die gigantische hoeveelheden data kunnen vergaren en die eventueel met elkaar kunnen delen op de weg.

Wat met privacy?

Privacy noemt Gallagher de ‘olifant in de kamer’. De wetgeving evolueert trager dan de technologie die het zou moeten reguleren, en worstelt dan ook om de implicaties van grootschalige data-analytics bij te benen. “We moeten rond de tafel zitten om te evalueren wat er vandaag gaande is in de analytics-sector, want dat zal de volgende jaren vormgeven. De snelheid waarmee die zaken vooruitgaan, maakt het echter een uitdaging.”
 
In de opkomende GDPR-wetgeving zit ook een kans verscholen voor bedrijven om te evalueren hoe ze omgaan met de data van klanten. “Het gebruiken van data kan zowel akelig als verstandig zijn: een klant kan denken over hoe makkelijk het is dat een product hem wordt aangeraden op het moment dat hij het nodig heeft, of hij kan zich afvragen hoe het mogelijk is dat een organisatie hem zo in de gaten houdt,” meent Millman. Het gaat volgens hem niet enkel om wat juist is volgens het wetgevende kader, maar ook wat geschikt is in het perspectief van de klant. “Veel van ons groeiden op met Google, en je aanvaardt het feit dat Google je activiteiten bestudeert, maar dat is niet het geval voor vele andere bedrijven.”
 
“Omdat de regulering niet kon volgen met de voortrazende evolutie van analytics, werd de industrie bovendien bijna zelf-regulerend. Het ging zelf de grenzen bepalen van wat het met data wel en niet kon,” gaat Millman verder. Hij is optimistisch over de uitkomst van de GDPR. “Hoe meer we kunnen afspreken waar die grenzen liggen, hoe beter.”
 
//www.smartbiz.be/achtergrond/169338/big-data-2017-deze-6-trends-moet-je-kennen/