8 januari 2016 -
Er zijn alweer een hoop artikelen gepubliceerd van het type ‘BI-trends voor het komende jaar’. Dat weet James Richardson, business analytics strategist bij Qlik uit eigen ervaring, want hij wordt zelf vaak genoeg gevraagd om een bijdrage te leveren hiervoor.
De meeste van dit soort artikelen richten hun blik op het jaar dat gaat komen en bieden weinig meer dan een opsomming van beweringen. Erger nog: ze zijn doodsaai. Daarom besloot Richardson eens verder vooruit te denken over de toekomst van business intelligence. Iets wat hij altijd probeert te vermijden, omdat voorspellers het meestal volkomen bij het verkeerde eind hebben, maar dit keer besloot hij toch de uitdaging aan te gaan. Richardson blikt niet één, maar vijf jaar vooruit
De business intelligence wereld in 2021:
Persoonlijke analyses vinden hun weg naar het dagelijks leven
De ‘quantified self’-beweging lijkt nu misschien nog een fenomeen voor nerds en geeks. Maar naarmate er steeds meer informatie beschikbaar komt vanaf diensten en apparaten zal dit fenomeen in hoog tempo uitgroeien tot de norm. Mensen analyseren steeds meer data over zichzelf om hun prestaties te verbeteren. Maar niet alleen dat: ze gaan steeds vaker een beroep doen op gegevensanalyse in hun gezinsleven en sociale leven, of het nu gaat om lokale verbanden of groepen van mensen met dezelfde interesses. Een interessant gegeven voor softwareleveranciers is dat deze ontwikkeling een nieuwe trend in de consumentisering van ICT vertegenwoordigt, die wordt gedicteerd door de persoonlijke voorkeuren van de gebruiker. Het is heel goed mogelijk dat dit resulteert in de opkomst van BYOAT (bring your own analytic tool)
Het wordt eenvoudiger om data uit een ver verleden op te nemen in analyses
Dankzij de sterke afname van de kosten van gegevensopslag kunnen organisaties in 2021 beschikken over toegankelijke data in leesbare vorm die verder terug in de tijd gaat. Dit maakt algoritmische herkenning en analyse van onderliggende patronen mogelijk. Waardoor eenvoudiger een analyse van het ‘verre verleden’ kan worden gemaakt. Zo’n analyse kan uitkomst bieden in situaties waarin de te analyseren periode langer is dan de duur van economische cycli. Bedrijven kunnen op deze manier voorkomen dat zij steeds dezelfde fouten maken als in het verleden. Neem bijvoorbeeld de laatste recessie. Bedrijven waren niet in staat om lering te trekken uit de beruchte Wall Street Crash van 1929, omdat de meeste gegevens uit die tijd verloren zijn gegaan.
Oude bedrijfsmodellen maken plaats voor nieuwe informatiebronnen
Autoverzekeringen zijn hier een goed voorbeeld van. Het groeiende gebruik van telematica zou wel eens het einde kunnen betekenen van een risicomodel dat vanachter een bureau wordt opgesteld. In plaats daarvan worden premies berekend op basis van het werkelijke rijgedrag van chauffeurs. Zorgverzekeraars zullen niet lang achterblijven. Hun programma’s richten zich meer op het proactief bevorderen van de gezondheid van verzekerden in plaats van een reactieve behandeling van aandoeningen. De klassieke analysetaken die achter een bureau worden uitgevoerd, zoals die van auditors, lijken bovendien rijp voor automatisering. Dit is een logische voortzetting van de mechanisatieslag die momenteel gaande is op het gebied van intellectueel werk. Wat we niet moeten vergeten is dat ‘computer’ (rekenaar) en ‘calculator’ (berekenaar) vroeger functies van mensen waren.
Meer mensen gaan (eindelijk!) gebruikmaken van voorspellende analyses
Het heeft lang geduurd, maar het gaat er toch echt van komen. De meeste organisaties hebben tegenwoordig een handvol medewerkers in dienst die zich bezighouden met geavanceerde statische voorspellingen. Deze praktijk is echter nog niet op brede schaal ingeburgerd. De cijfers van brancheanalisten geven al jarenlang aan dat minder dan 20 procent van alle bedrijven op grote schaal gebruikmaakt van voorspellende analyse. Twee factoren brengen daar verandering in. De eerste is het gebruik van technologie die niet-statistici over de streep trekt door hen automatisch de meest waarschijnlijke ontwikkelingen te tonen. Denk bijvoorbeeld aan lijndiagrammen volgens een ‘beste match’-model om prognoses te leveren. Hiermee kunnen gebruikers bijvoorbeeld zien dat een KPI op een bepaalde datum buiten het acceptabele bereik valt. De tweede factor is de brede beschikbaarheid van tools die ondersteuning bieden voor voorspellende modellen. In het verleden was er sprake van een onevenredige verdeling van technologie en knowhow. De technologie was in handen van een kleine groep ingewijden. In 2021 zal daar al jaren geen sprake meer van zijn, mede dankzij de open source-taal R. Dit zal voor statistische waarschijnlijkheidsanalyses hetzelfde doen als wat Gutenberg, als uitvinder van de boekdrukkunst, voor het geschreven woord deed.
Zwarte zwaan
Dit zijn natuurlijk speculaties. De kans bestaat dat Richardson bij de helft van de trends het bij de verkeerde eind heeft. Zoals hij zelf besluit: "Misschien ben ik te optimistisch gestemd, of is mijn visie juist niet ambitieus genoeg. En er kan zich natuurlijk ook een totaal onverwachte gebeurtenis voordoen die alles verandert, de befaamde ‘zwarte zwaan’. Maar als een aantal van mijn speculaties blijkt te kloppen, dan ben ik blij dat ik de eerste ben die ze uitspreekt. En als ik het mis heb: dat overkomt de besten!"
