Kas Kasravi, HP: 'Onverwachte ontdekkingen met Big Data Analytics’

Serendipiteit is de term die wel gebruikt wordt voor volkomen onverwachte maar zeer waardevolle ontdekkingen. Het analyseren van Big Data leidt vaak tot verrassende inzichten, als je er maar voor open staat. Dit is het vakgebied van Kas Kasravi, fellow bij HP en al vele jaren een authoriteit op het gebied van data-analyse. Wij spraken met hem over hype en realiteit rond Big Data.

Kas Kasravi heeft een lange track record op het gebied van data-analyse. Hij is er bij HP mee begonnen in combinatie met artificial intelligence. Doel hiervan was om klanten te helpen bij het oplossen van problemen die niet met behulp van reguliere IT konden worden opgelost. Daarbij ging het om projecten met een hoge mate van complexiteit.

“Aanvankelijk richtten we ons op analyse van bepaalde systemen. Maar we kwamen er achter dat dit niet genoeg waarde creëerde voor onze klanten. Toen zijn we overgegaan op het analyseren van data. Dat speelde dus twintig jaar gelden al, en daarmee ontdekten we dat we wèl heel makkelijk waarde konden creëren voor onze klanten. We halen diepere inzichten uit data.”

De eerste keer dat hij hiermee werd geconfronteerd was toen hij voor een autofabrikant patronen ontdekten in de productie die kwaliteitproblemen veroorzaakten. “We gebruikten daarbij een van de eerste datamining-methoden, waarmee we grote hoeveelheden data konden bekijken, om eruit te halen wat belangrijk was. Een interessant resultaat was dat we de eerste keer al een aantal uitkomsten kregen die volkomen nieuw waren voor de deskundigen in dat bedrijf. Dan creëer je echt waarde. Want het zou hen tientallen jaren gekost hebben om tot die resultaten te komen. Wij hebben die inzichten binnen een paar uur uit de data gehaald.”

Riskant
In de afgelopen decennia is de rode draad in zijn werk het halen van waarde uit data. “Alleen heette het steeds anders. Nu is het Big Data, voorheen werden andere termen gebruikt. Maar het gaat om hetzelfde fenomeen. Dat heeft er natuurlijk mee te maken dat bedrijven en technologie voortdurend veranderen. Het is wel riskant er steeds en andere naam voor te gebruiken, omdat je dan hype creëert, en hype leidt mensen af van waar ze zich op moeten richten.”

“Ik praat liever met een CIO die zegt met een business-vraag te zitten, dan met een CIO die een Big Data-oplossing wil hebben. Dat laatste is riskant. De kern van de vraag is, overigens net als bij alle andere IT-gerelateerde vragen: wat is het business-probleem, waar zit de waarde, en wat is er voor nodig dat probleem op te lossen? In ons werk gaat het om situaties waar de waarde verborgen zit in de data.”

Hij heeft steeds meer met executives op C-level te maken, onder meer vanwege de belangen van de business en de schaalgrootte. “Toen we voornamelijk nog met technische mensen te maken hadden ging het om kleinschaliger oplossingen. Voorheen hadden organisaties allemaal aparte silo’s waar we de informatie uit haalden. Nu bekijken we die data over alle silo’s heen. Een probleem daarin is wel dat de beheerders van die silo’s soms de neiging hebben die data voor zichzelf te willen houden. Het is dus zaak dat er iemand is die ervoor zorgt dat die barrières tussen de silo’s worden doorbroken. Dat is geen technisch probleem, maar een organisatorisch vraagstuk.”

Serendipiteit
Een essentieel onderdeel van Big Data Analytics is volgens hem serendipiteit: “Je komt min of meer per ongeluk bepaalde uitkomsten tegen die enorm veel waarde hebben. We moeten dus, ondanks het doel van de analyse, open staan voor geheel nieuwe gegevens die tevoorschijn zouden kunnen komen. Dat komt doordat je nooit van tevoren zeker kunt weten waar de waarde zit. Dus als we dergelijke projecten doen, beginnen we met een pilot die niet zich alleen richt op de impact op technologie en business, maar ook op de vragen wat de mogelijke kansen zijn. Want in meer dan de helft van de gevallen verandert de richting door de uitkomsten.“

Hij noemt een recente case bij een verzekeringsmaatschappij waar hij analyse voor heeft gedaan. “We beheerden al hun datawarehouse, en ze wilden daar meer waarde uit halen. Ze wilden kijken of ze met die data aan fraudedetectie konden doen. We hebben op dat gebied ook wel wat patronen gevonden, maar de meeste waarde kwam uit een ander aspect. We zagen dat de gegevens velden bevatten die na analyse aangaven hoe tevreden, of vooral ontevreden, een klant was met het bedrijf. We konden ook vinden waar ze ontevreden over waren, en we konden zelfs per regio zien waar klanten ontevreden over waren.”

“De waarde die uit deze data kwam was vele malen groter dan de fraudedetectie. Als ze nu iets tegenkomen waar klanten in één staat ontevreden over zijn, kunnen ze dat gelijk voor al die klanten aanpakken. Zo waren ze beter in staat hun klanten te behouden. Big Data gaat dus deels over technologie, maar nog veel meer over businesskansen.”

Strategisch
“Het combineren van Big Data en analyse creëert dus echte waarde, die van strategisch belang is. De aard van de data is in de loop der tijd breder geworden. Er zijn mobiele devices bij gekomen, en door the internet of things nu ook de data die uit allerlei sensoren komen. Dat creëert de behoefte aan een nieuw persoon binnen organisaties die daarmee overweg kan. Dat wordt wel de data scientist genoemd. Dat is iemand die de data begrijpt, die verstand heeft van analytics, èn de business. Daar zijn er maar heel weinig van.”

De mate van herkenning bij C-level executives verschilt. “Soms komen we CIO’s tegen die dit volledig begrijpen, anderen zijn nog niet zo ver. Uit onderzoek blijkt dat de mate van volwassenheid van analytics gerelateerd is aan het succes van organisaties. De high performers blijken een hogere mate van analyse te hebben. En dat is logisch, want naarmate je meer onderzoekt krijg je een steeds beter inzicht in de factoren die de business succesvol maken. In Nederland is Big Data nog steeds erg technisch gedreven, sterk gestimuleerd door de industrie. Daar zijn nog grote stappen te zetten.”

“Bedrijven worden gedreven door beslissingen. De vraag is op basis waarvan die beslissingen worden genomen. Is dat intuïtie, zijn het aannames, of zijn het feiten? Die laatste categorie is over het algemeen het meest succesvol. We willend at de kwaliteit van onze beslissingen zo goed mogelijk is, en dat ze op het juiste moment worden genomen. Daar is analyse voor nodig van de data.”

Door: Marco van der Hoeven