Van Business Intelligence naar Data Science

Business Intelligence wordt niet altijd in één adem genoemd met Data Science. Terwijl er veel meer overeenkomsten zijn dan in eerste instantie voor mogelijk wordt gehouden. Beide gaan namelijk om het verkrijgen van inzicht uit uw data.

Data Science
Om daartoe te komen, zal een belangrijk deel van Data Science initiatieven bestaan uit het kneden van data. Dit is een specialistische activieit waarbij kennis van data nodig is. Zoiets is nu eenmaal nodig om de data bruikbaar te maken voor bijvoorbeeld statistische modellen. Want uiteindelijk willen we ook zinnige en waarheidsgetrouwe aanbevelingen eruit halen. Dit kan ertoe leiden dat Data Scientists veel tijd kwijt zijn aan het kneden, of zelfs dit herhalend moeten doen voor verschillende cases.

Business Intelligence
Laat het kneden van data nu ook activiteiten zijn die vaak voorkomen binnen Business Intelligence omgevingen! Bijvoorbeeld bij het inrichten van een geintegreerde, geschoonde en robuuste Data Management-laag in de organisatie. Deze laag kan met reguliere rapportagetools worden ontsloten en worden geanalyseerd.

Combinatie
Daar hoeft het niet bij te blijven, want deze schat aan data ligt voor het grijpen om in te zetten voor Data Science. Daarmee ontstaat eigenlijk direct een extra ROI uit het BI landschap. Immers, stel dat de sensor gegevens van machines in een productielijn zijn verwerkt in de Data Management-laag. Bijvoorbeeld om aantal storingen en duur te rapporteren, waarmee inzicht kan worden verkregen in productiekosten over tijd. Echter, nog mooier is het als deze data wordt benut om voorspellingen van machineuitval te maken. Daarbij kan preventief onderhoud beter worden ingeschat, leidend tot minder uitval en meer opbrengsten. De Data Management laag zorgt er dus voor dat beide smaken aan inzichten mogelijk worden met eenmalig kneden van data.

Deze blog is eerder gepubliceerd op de website van Ensior.