3 belangrijkste ontwikkelingen in data analytics

22-01-2022 | door: Wouter Hoeffnagel
Deel dit artikel:

3 belangrijkste ontwikkelingen in data analytics

ThoughtSpot ziet voor de komende tijd enkele belangrijke ontwikkelingen in data analytics. Ook geeft het aan hoe organisaties hier slim op kunnen inspelen.

1.  People analytics wordt prioriteit

Jarenlang was analytics voor sales, supply chain en marketing belangrijker dan people analytics en HR-data. De pandemie heeft dit fundamenteel veranderd. Overal is een tekort aan medewerkers en het is een uitdaging te zorgen dat medewerkers niet overstappen. Het gaat dan niet ook alleen om het behouden van medewerkers. Het is bewezen dat gelukkigere werknemers een betere klantervaring bieden en meer bijdragen aan het succes van een bedrijf.

Daarom zou ieder bedrijf data over medewerkers holistisch moeten benaderen. Dit betekent dat naast de reguliere talent management systemen ook andere databronnen worden benut. Denk aan reviews op Glassdoor of data uit Slack en Microsoft-teams om inzicht te krijgen in de mate van samenwerking en betrokkenheid. Dit kunnen vroege indicatoren zijn voor verloop of een gebrek aan inclusie laten zien. Microsoft analyseerde bijvoorbeeld data om de impact van het werken op afstand op de samenwerking tussen teams te analyseren. Hieruit bleek dat er beduidend minder werd samengewerkt dan in een fysieke situatie op kantoor. Talent maakt of breekt het succes van een organisatie. Om het beste uit hen te halen is het ook goed transparanter te zijn door het delen van data over medewerkerstevredenheid, retentie, en diversiteits- en inclusie.

2. Analytics engineer vervangt data scientist als meest sexy baan

Data science is al jaren een belangrijk speerpunt voor bedrijven die de waarde van data willen benutten. Iedereen was op zoek naar een data scientist die hen hierbij kon helpen. Bedrijven zijn er echter niet in geslaagd modellen te operationaliseren en data scientists besteden nog steeds teveel tijd aan het structureren van data en operationele taken. Tegelijkertijd is de behoefte aan inzichten die tot actie kunnen leiden, nog nooit zo groot geweest. Dit heeft geleid tot de opkomst van een nieuwe rol: de analytics engineer.

De opkomst van deze rol kan direct worden toegeschreven aan de opkomst van cloud dataplatformen en data build tool (dbt). Oude technische constructies zoals kubussen en monolithische datawarehouses maken plaats voor meer flexibele en schaalbare datamodellen. ETL (Extract, Transform, Load) is vervangen door ELT (Extract Load Transform). Degene die deze transformatie leidt? De analytics engineer.

Bedrijven zouden er dan ook goed aan doen cloud-migratie te versnellen en vaardigheden in bestaande rollen te evalueren. Maak een plan om analytics engineers bij te scholen en toe te voegen aan afdelingen. Huur waar nodig nieuw talent in om dataproducten en -diensten op grote schaal te leveren. Want duidelijk is dat de analytics engineer een cruciale succesfactor zal zijn. 

3. Data delen: van concurrentievoordeel naar essentieel   

Om het gedrag van consumenten en supply chains te analyseren hebben bedrijven veel gebruikgemaakt van externe data zoals het weer en sociale media. Dit deden ze inefficiënt. Meerdere afdelingen kochten dezelfde externe datasets aan. Verder was het integreren, prepareren en analyseren van externe data vaak een arbeidsintensief, handmatig proces, nog meer omdat het in een silo was opgeslagen en door de hele organisatie werd gerepliceerd.

De cloud heeft dit proces op zijn kop gezet door het delen van data mogelijk te maken zonder de data te verplaatsen. Het kopen van externe data is een manier om te starten, maar leiders op het gebied van data en analytics moeten nadenken over het delen van data in de volledige waardeketen. Dit kan door het opzetten van ecosystemen voor het delen van data binnen een cloud data-platform of door gebruik te maken van blockchain-technologieën waarmee een digitaal ecosysteem met toegevoegde waarde wordt gecreëerd? Zo heeft Philips Healthsuite gecreëerd, een platform waarmee zorgverleners veilig data kunnen delen. Daimler test analytics op gedeelde data met leveranciers via het uitwisselingsplatform van Ocean Protocol, zonder die data te hoeven overdragen of details te onthullen.
 
Het delen van data en data-ecosystemen scheidt de winnaars van de verliezers. Om niet achter te blijven is het essentieel datapijplijnen voor externe data te moderniseren en de CDO inzicht te geven in extern aangekochte datasets. Analyseer niet alleen interne data, maar kijk naar de data die beschikbaar is in de volledige waardeketen. De inzichten en acties die dan mogelijk worden zijn vrijwel eindeloos.  

Benieuwd met welke andere ontwikkelingen op het gebied van data analytics organisaties een verschil kunnen maken? Bekijk het ebook van ThoughtSpot.

Terug naar nieuws overzicht