Vijf stappen om van data-analyseprojecten een succes te maken
02-03-2017 | door: Wouter Hoeffnagel
Deel dit artikel:

Vijf stappen om van data-analyseprojecten een succes te maken

Een recent rapport van Dimensional Research en Snowflake Computing wijst uit dat 88% van de recente data-initiatieven dreigen te mislukken. Ook eerdere rapporten van onder andere McKinsey & Company en Gartner wijzen op gemengde resultaten uit dataprojecten, met enkele spectaculaire successen en veel dure flops. Om dure mislukkingen van dataprojecten te voorkomen stellen wetenschappers van Tessella, Altran's World Class Center for Analytics nu een whitepaper beschikbaar met best practices voor het plannen van data-analyseprojecten.

In de whitepaper bevelen de wetenschappers vijf duidelijke stappen aan om een dataproject te verzekeren van succes en om veelgemaakte fouten te vermijden:

Focus op de zakelijke uitkomsten, niet op data
Succesvolle analyseprogramma's beginnen met het identificeren van wat het bedrijf probeert te verwezenlijk en en welke beslissingen genomen moeten worden om deze doelen te bereiken. Alleen dan kunnen ze beoordelen welke data en technologieën nodig zijn om deze besluiten te nemen. Dit wordt ook wel "Beslissingen Eerst, Data Laatst" genoemd.

Heb een grote visie, maar richt op snelle winst
Veel dataprojecten mislukken omdat ze te groot en te lang duren om waarde te leveren, waardoor vooraanstaande seniorteams interesse verliezen. Dataprojecten moeten een pragmatisch uitvoeringsplan hebben met mijlpalen, ontworpen om vroege successen te demonstreren. De eerste dataprojectplannen moeten zich richten op meerdere, kleinere projecten, uitgevoerd met behendigheid om snel bruikbare resultaten en een snel-waarde-afvuren te leveren die de seniorteams zullen overhalen.

Door wie, wanneer en hoe zal de data worden uitgevoerd
Datasucces vereist inzicht in wie de gegevens zullen gebruiken, wanneer de informatie nodig is en hoe zij zich bezighouden met de inzichten die worden verkregen. Door zo te handelen worden de resulterende inzichten gepresenteerd op een voor de beslisser geschikte wijze.

Projectresultaten moeten worden gebruikt door allerlei mensen: het kan een datavisualisatie zijn naar een expert in drugchemie of olieboringen of een mobiele app die complexe analyses van meerdere gezondheidsproblemen als een eenvoudige tekstaanbeveling presenteert. Een fout kan gemiste kansen, verloren klanten en gedesillusioneerd personeel betekenen.

Vervang silo’s door vertalers en samenwerking
Echte zakelijke transformaties van dataprojecten overstijgen de traditionele organisatorische grenzen. Bedrijven moeten nieuw ontwikkelde structuren aannemen, waarmee een cultuur gecreëerd wordt waarin datawetenschappers in direct contact staan met de zakelijke functies, de IT-afdelingen en de gemeenschappen waaraan zij inzichten leveren.

Teams moeten worden geleid door iemand met een sterk inzicht in zowel de zakelijke context als de technische uitdagingen, dit zijn de noodzakelijke 'vertalers' die de taal van het bedrijf en de datawetenschapper spreken.

Neem een wetenschappelijke benadering van datawetenschap
Veel analysestrategieën falen omdat ze de technologie voorop zetten. Investeer in een analyseplatform, een zwarte doos, die snel trends in hun databestanden kunnen identificeren. Echter, deze correlaties hoeven niet zinvol te zijn in een zakelijke context. Om effectieve inzichten te leveren moeten de redenen voor deze correlaties volledig worden begrepen.

Dit is het punt waar een wetenschappelijke benadering om de hoek komt kijken, omdat het over de identificatie, controle en verwijdering van overtollige variabiliteit gaat. Teams die de data en de industrieproblemen begrijpen en hebben onderzocht, ontwerpen en verrichten fijnbewerkte experimenten, die variabiliteit en verborgen vooroordelen wegnemen. Zo worden toevallige correlaties van tafel geveegd en onnodige bepaling van resultaatgemiddelden verkleind. Door deze aanpak kunnen ze duidelijke lijnen van de oorspronkelijke betrekking tussen oorzaak en gevolg van besluiten en resultaten identificeren en daarmee voor vertrouwen en geloof in de analyses en geleverde inzichten zorgen.

De whitepaper is hier beschikbaar.

Terug naar nieuws overzicht