Machine learning zorgt voor een doordacht datagebruik
Data, en specifiek het gebruik en de optimalisering ervan, zal de komende jaren enorm veel impact hebben op het nemen van strategische beslissingen. Men zal steeds minder impulsieve en ondoordachte beslissingen nemen.
Wetenschap, wiskunde en verfijnde algoritmes
Bedrijven zullen steeds vaker heil zoeken in wetenschap, wiskunde en verfijnde algoritmes in combinatie met AI (artificiële intelligentie) en ML (machine learning). “Vooral dat laatste blijkt zeer nuttig om op de hoogte te blijven van trends en innovaties binnen je werkveld”, vertelt Ingrid Willems. Zij is zaakvoerder van DataScouts.
“Men overlaadt bedrijven met marktrapporten, nieuwsbrieven en digitale informatie. Het wordt haast onmogelijk om het bos nog door de bomen te zien. De info is er misschien wel, maar men kan het niet verwerken. Het is veel nuttiger als men de informatie eerst filtert. En daarvoor is machine learning optimaal.”
Procter & Gamble
Willems staaft met een voorbeeld binnen Proctor & Gamble: “We weten dat het bedrijf bezig is met het ontwikkelen van waspoeders en detergenten. Maar naast hun corebusiness willen ze ook op de hoogte blijven van milieuvriendelijke trends, nieuwe productietechnologieën en duurzaamheid. Via machine learning vertalen we een stukje van hun wereld in keywords. In plaats van één keer om de zoveel tijd een groot rapport binnen te krijgen, wordt er nu continu informatie op maat afgeleverd.”
Bedrijven worden overladen met marktrapporten, nieuwsbrieven en digitale informatie, maar het is haast onmogelijk om het bos nog door de bomen te zien.
Op de hoogte blijven van marktevolutie
Voor bedrijven is het belangrijk dat ze goed op de hoogte blijven van de marktevolutie en de stappen die de concurrentie zet. “Als je kijkt naar Colruyt, dan is het logisch dat ze graag geïnformeerd worden omtrent data over food-kennis. Maar ook informatie over Delhaize, Albert Heijn of Carrefour is relevant. Met machine learning kun je zelf een market monitor opzetten die alle bewegingen – ook die van je concurrenten – binnen je marktsegment monitort.”
De analyse van data wordt dankzij machine learning geoptimaliseerd. Daardoor gaat er niets meer verloren. “Die voorselectie is heel belangrijk om tijd te winnen en die vrijgekomen tijd te gebruiken voor analyses. Kijk, een businessanalist krijgt zoveel info dat men vaak meer tijd steekt in het verzamelen van informatie dan in het analyseren ervan. Door met slimme algoritmes te werken, kun je dit proces omkeren zodat men de informatie op maat aanbiedt en er meer tijd rest voor de analyse zelf. Dat resulteert in de mogelijkheid om sneller te schakelen en in te spelen op trends en verschuivingen binnen het marktsegment.”
Belang van big data
“Niet data wordt het nieuwe goud, wel hoe je ermee omgaat”, besluit Willems. “Men heeft het vaak over het belang van big data, en terecht, maar data alleen is niet voldoende. Het is belangrijker dat je doordacht weet hoe je die data op een systematische manier wilt gebruiken. Data verliest enorm aan kracht als je niet weet hoe en op welke manier je die wilt inzetten.”