BIG DATA de hype voorbij! Wat nu?


BIG DATA de hype voorbij! Wat nu?

De buzz term Big Data  zoemt er deze lente ook weer vrolijk op los! Maar nu de hype voorbij is, wordt het tijd om te leren van de experimenten en big data projecten succesvol te integreren in de business. Laten we de kansen die Big Data biedt benutten en waarde creëren. Maar hoe pak je dat aan?

Momenteel zijn de meeste bedrijven al aan het experimenteren geslagen met verschillende Big Data technieken, sommige bedrijven zijn al verder en hebben enkele proef ballonnen gelanceerd. Kortom het wordt tijd om even stil te staan bij dat wat we geleerd hebben en de vervolg stap te zetten.

De inzet op Big Data groeit, terwijl het aantal falende projecten toeneemt volgens Gartner groeit het aantal bedrijven dat investeert, of plannen heeft om te investeren in Big Data gestaag. Terwijl het aantal projecten dat wordt afgerond laag is en het aantal projecten dat met succes wordt afgerond  nog lager is

                           75%                      wordend                                           60%

  Van de bedrijven investeert of is van plan                                Van de Big Data projecten

    om in de komende 2 jaar te investeren                              worden niet succesvol afgerond

                        in Big Data

 

WAAR GAAT HET FOUT?

Er is niet een reden aan te wijzen waarom de Big Data projecten niet slagen. Het gaat om een combinatie van factoren die de implementatie frustreren.

 

Drie gebieden waarop Big Data projecten falen zijn:

1- Strategie

2- Kennis

3-Analyses

 

    1- STRATEGIE

De Big Data strategie en de daarbij behorende experimenten of projecten worden vaak gedreven vanuit de techniek. Bij de start van de projecten gaat het dan al mis, men gaat aan de slag met een use case die niet bijdraagt aan de doelstellingen van de organisatie

 

“Companies don’t need a Big Data Strategy!
They need a business strategy that leverages Big Data…” 

Bill Schmarzo –CTO Global Services Big Data Practice, EMC

   2- KENNIS

Big Data trajecten vergen een nieuwe aanpak, een nieuw type leiderschap, nieuwe technieken en andere mentaliteit binnen een organisatie. Het gaat niet zomaar om het uitvoeren van een project met een start en een gedefinieerd eind resultaat. Het gaat om trajecten, waarin gezocht wordt naar iets wat nog niet bekend is en waarvoor vooraf ook niet duidelijk is welke technieken er nodig zijn om tot het eindresultaat te komen.

Deze trajecten kunnen input gebruiken vanuit alle hoeken in de organisatie. Het is van belang om te werken in multidisciplinaire teams. Zo zijn business problemen sneller te identificeren, te kwalificeren en te prioriteren. Tegelijkertijd draagt dit bij aan het creëren van draagvlak.

 

  3- ANALYSES

Het aantal verschillende soorten tools en technieken is zo overweldigend dat discussies rondom het kiezen van de juiste techniek de snelheid uit het project haalt. Het risico is dat men daardoor afdwaalt van het oorspronkelijke doel. Belangrijk is  het probleem wat je probeert op te lossen, van te voren goed definieert. Zo kan je blijven toetsen of het traject nog op koers ligt.

Ook stagneren veel projecten op het verzamelen van data. De data is vaak wel aanwezig, maar verspreid over verschillende silo’s, waardoor de data gekopieerd en geaggregeerd moet worden naar een analytische omgeving. Iets wat vaak onnodig veel tijd en resources kost. Al is je analyses gebaseerd op data en modellen, dan vergt de controle van de juistheid van je modellen en de kwaliteit van je data constant aandacht. Iets wat te vaak wordt onderschat. Het resultaat van je analyses valt of staat hiermee

 

“GARBAGE IN = GARBAGE OUT”

 

HOE PAK JE BIG DATA TRAJECTEN AAN?

Samen met klanten hebben we veel Big Data trajecten opgepakt. Met vallen en opstaan is er een project aanpak uitgewerkt die heeft bewezen sneller tot succesvolle Big Data trajecten te leiden.

 

1- Definieer de ”KILLER USE CASE”

1-Stel de doelen en business initiatieven van de organisatie vast

2- Identificeer de leden voor het multidisciplinaire team

3- Brainstorm over de verschillende bronnen van data

4- Bepaal de prioriteiten op basis van toegevoegde waarde + haalbaarheid

 

2- Interview de verschillende stakeholders

1- Zoek de initiatieven, de uitdagingen en doelen binnen de organisatie

2- Valideer de impact en consequenties

3- Verzamel monsters van data sets

4- Identificeer potentiele data bronnen (interne + externe bronnen)

 

3- Onderzoek de data

1- Kwalificeer, integreer & visualiseer de data

2- Bouw de modellen

3- Visualiseer de mogelijke oplossing (bijvoorbeeld d.m.v mock ups of MVP)

 

4- Valideer je bevindingen

1- Spiegel je bevindingen aan de initiatieven, uitdagingen en doelen van de organisatie

2- Controleer je data en modellen

3- Bespreek de uitkomst en Mockups met het multidisciplinaire team

4- Brainstorm over vervolgstappen

5- Valideer de prioriteit van de use cases

 

5- Presenteer de ”KILLER USE CASE(S)” + Big Data Roadmap

1- Presenteer de Big Data Roadmap op basis van prioriteiten

2- Presenteer de data analyse

3- Presenteer de “KILLER USE CASE” met plan van aanpak als Proof of Value

 

BIG DATA ROADMAP

Deze aanpak wordt uitgevoerd door een product manager en data scientist. Samen nemen zij de lead en betrekken ze de verschillende stakeholders uit de organisatie. Deze aanpak heeft een doorlooptijd van 2 tot maximaal 6 weken, waarin de inspanning vanuit de organisatie beperkt is tot enkele dagdelen. Tijdens de eerste Brainstorm sessie (STAP 1) zal iedereen een hele dag moeten reserveren, net als bij de Validatie sessie (STAP 4). Elk interview zal een dagdeel in beslag nemen van iedere stakeholder. Dus de grootste inspanning wordt geleverd door de product manager en data scientist.

 

Big Data Roadmap

 

Mocht je meer willen weten over deze aanpak of zou je samen met ons een Big Data Roadmap willen definiëren voor jouw organisatie? Neem dan contact op met Sander van Lingen, in een Big Data Vision Workshop zetten we graag samen de eerste stappen richting de ”KILLER USE CASE” binnen jouw organisatie.

 

 

bron: http://www.gartner.com/smarterwithgartner/how-to-prevent-big-data-analytics-failures/

 

Laat een reactie achter