Analytics worden tegenwoordig in alle lagen van de organisatie gebruikt. Hierbij volstaat het niet om alleen op maat gemaakte rapportages en automatisch bijgewerkte dashboards beschikbaar te stellen. Gebruikers willen namelijk ook zelf op een eenvoudige en intuïtieve manier allerlei soorten data doorzoeken.
Dan gaat het om data uit interne systemen, maar ook van daarbuiten. Een juiste analyse van deze databerg kan zeer waardevolle inzichten opleveren, zoals wat een klant precies wil. Deze analyses zorgen voor een hoge graad van zekerheid, waardoor schattingen die altijd minder betrouwbaar zijn niet langer nodig zijn. En beslissingen moeten vrijwel real time genomen worden, liefst nog terwijl de klant op de website is of aan de balie staat. Daarbij is een cognitief systeem een ideaal hulpmiddel.
Natuurlijke vraagstelling
Bij een traditionele analytics tool moeten medewerkers eerst getraind worden voor ze ermee kunnen omgaan. Bij cognitieve systemen werkt dat precies andersom. De tool is zo getraind dat die met ons kan samenwerken. Dat kan zelfs door queries in natuurlijke taal op te stellen. In ons taalgebruik zijn veel nuances mogelijk en ook daar houdt het systeem rekening mee. Medewerkers kunnen dus op meerdere manieren om dezelfde informatie vragen. Dat is heel anders dan bij traditionele systemen, waar alleen een exact in de juiste bewoording opgestelde query de gevraagde informatie oplevert.
Meer over cognitieve analytische systemen lezen? Download de whitepaper: Dit is de nieuwe Business Intelligence
Dankzij deep learning, machine learning en natuurlijke taalverwerking, zijn cognitieve analytics-systemen in staat om de dingen echt te begrijpen. Ze ontdekken patronen in de data, redeneren zelfstandig en ze leren bij. Ze kunnen op hoge snelheid enorme hoeveelheden gestructureerde en ongestructureerde data verwerken. Vervolgens vormen ze hypotheses op basis van weloverwogen argumenten en een prioritering van de aanbevelingen. Dit alles om de menselijke besluitvorming zo goed mogelijk te ondersteunen.
En het mooie is dat deze systemen continu bijleren, zodat ze alsmaar effectiever worden. Traditionele systemen worden geprogrammeerd om op een bepaalde manier te werken en blijven dat altijd zo doen.
Van ruwe data naar business inzicht
Een aanzienlijk deel van de tijd van data-analisten blijkt te worden besteed aan het zoeken naar de juiste gegevens in de enorme berg van gestructureerde en ongestructureerde data. Daarna moeten ze die gegevens nog op de juiste manier vormgeven zodat ze verwerkt kunnen worden. Cognitieve analytics systemen doen dit aanzienlijk sneller en efficiënter. Daardoor wordt de tijd en het talent van deze specialisten niet langer verspild.
Queries worden nu in natuurlijke taal door medewerkers zelf opgesteld. Daarna doorzoekt de tool de databronnen razendsnel en stelt alleen de relevante gegevens beschikbaar. Dit leidt tot een aanzienlijk korter pad van ruwe data naar business inzicht.
Verlost van schaduw-IT
Een ander voordeel is dat de IT-afdeling hiermee verder wordt ontlast. Want zodra medewerkers in alle lagen van de organisatie hier meer bedreven in raken, hoeven ze niet meer met verzoeken naar IT. IT-specialisten kunnen zich dan eindelijk richten op strategische vraagstukken.
Door gebruikers een eenvoudig te leren en te gebruiken tool te geven waarmee ze op natuurlijke manier zelfstandig allerlei databronnen kunnen doorzoeken en de resultaten vervolgens op een fraaie manier grafisch kunnen weergeven, neemt de behoefte aan schaduw-IT ook nog eens drastisch af. En dankzij een uitgebreid security-framework ontstaat balans tussen de agility van de medewerker en een veilige toegang tot de data.
Dat kan je ook nog eens flink schelen als de GDPR eenmaal in werking is getreden.
Meer informatie over hoe je cognitieve analytics inzet: Haal voordeel uit bedrijfsanalyses met een holistische benadering van BI
Reageer
Preview