Augmented Analytics – De toekomst van Business Intelligence!?

Wat is de toekomst van Business Intelligence (BI)? Zijn traditionele BI-oplossingen nog wel houdbaar met de komst van Big Data? Is uw organisatie klaar voor de volgende stap?

In onze blog “Doe-het-zelf BI” hebben we het gehad over self-service BI. We zijn hier ingegaan op een aantal belangrijke voorwaarden voor organisaties om medewerkers zelf dashboards en rapporten te laten creëren. De vraag is nu;

Wanneer eindgebruikers steeds zelfstandiger worden, zijn BI-consultants en dataspecialisten dan minder relevant?

Naar onze mening juist niet, in een snel ontwikkelende omgeving is het van belang dat specialisten organisaties naar de volgende stap helpen. In het BI-landschap zijn continu nieuwe ontwikkelingen en innovaties gaande die ons het leven makkelijker (gaan) maken. Eén van deze ontwikkelingen is Augmented Analytics. In deze blog gaan we in op deze, misschien nog wat futuristische, ontwikkeling.

De ontwikkeling in een organisatie van traditionele BI-oplossingen naar Augmented Analytics is een groeiproces. De onderstaande afbeelding van Sisense geeft deze evolutie visueel weer.

 

Wat is Augmented Analytics?

Augmented Analytics komt neer op het automatiseren van data-analyse. Dit gebeurt door het gebruik van ‘machine learning’, ‘artificial intelligence’ en ‘natural language processing’.

 

Wat houden deze begrippen in?

Machine learning is een toepassing van kunstmatige intelligentie die systemen de mogelijkheid biedt om automatisch te leren en te verbeteren vanuit eerdere ervaringen. Dit wordt gedaan door de toepassing van Artifical Intelligence (AI). AI is kunstmatige intelligentie die menselijke prestaties probeert na te bootsen door het begrijpen van (complexe) inhoud en hieruit conclusies te trekken. Hierbij worden menselijke niet-routinematige taken overgenomen. Natural Language Processing (NLP) is een apart onderdeel van kunstmatige intelligentie die zich bezighoudt met de interacties tussen computers en mensen.

De automatisering is mogelijk door de toegenomen kracht van computers en kennis over algoritmes. Waar het bij Augmented Analytics om gaat is dat de kracht van Artifical Intelligence alles aan het analyse- en business intelligence-proces zal veranderen. Stappen vereenvoudigen en verbeteren. Augmented Analytics laat ons op een andere manier naar de data binnen een organisatie kijken.

 

Hoe is dit anders dan traditionele en/of self-service BI?

Bij traditionele BI worden bij het visualiseren van data, rapporten gegenereerd met een vaste indeling van inzichten en grafieken. Self-service BI geeft gebruikers de mogelijkheid om ook eigen rapporten te creëren. Wanneer en nieuwe informatiebehoefte bestaat wordt een nieuw rapport gemaakt. Augmented Analytics staat los van deze manier van werken door een volledig geautomatiseerde oplossing te bieden. Elk gewenst inzicht kan direct op hetzelfde scherm worden opgevraagd door middel van tekst of zelfs spraak. Hoe werkt dit? We hebben dit getest in Power BI met de “Ask A Question” functionaliteit. In de tekst box kant u een vraag stellen waarop de tool de opgevraagde data gevisualiseerd weergeeft. Dit proces gebruikt natural language om de vraag van de mens te vertalen naar een data-uitvraag zonder dat hier kennis van programmeertalen zoals SQL of DAX voor nodig is. Power BI geeft zelf ook al een aantal suggesties voor vragen die relevant zijn voor de beschikbare data. De functionaliteit werkt prima voor het genereren van simpele inzichten. Wanneer u bijvoorbeeld vergelijkende cijfers wilt zien komt deze oplossing nu nog tekort. Een belangrijke voorwaarde om dit te gebruiken is dat een goed datamodel beschikbaar is, zoals in onze vorige blog beschreven.

Wanneer dit werkt is de stap naar spraak snel gemaakt. Stelt u eens voor; u zit in een meeting met collega’s en de gewenste inzichten worden, door het uitspreken van een vraag, direct op het scherm getoond. Let’s talk data!

 

Waar kan ik beginnen?

Augmented Analytics is een breed begrip. Tot nu toe zijn we alleen ingegaan op het opvragen van gewenste inzichten, los van een vast rapport. Dit is een mooi begin om als organisatie naar toe te werken. Als volgende stap zal Augmented Analytics op basis van zelflerende technologieën ook suggesties geven op basis van sectorkennis en trends vanuit het verleden. Zo hoeft u zelf niet meer te zoeken, maar krijgt u proactief inzichten voorgesteld die relevant zijn. De laatste stap is dat Augmented Analytics acties voorstelt om te sturen en de resultaten te beïnvloeden.

Augmented Analytics maakt gebruik van een algoritme dat getraind wordt door het analyseren van datagebruik. Hierbij kan het gebruik van externe databronnen ook een positieve invloed hebben op de ontwikkeling van het model. Het algoritme zal het model helpen om trends in de data te vertalen naar de context van de business. Het implementeren van Augmented Analytics hebben we zo onderverdeeld in drie fases. Het onderstaande businessmodel geeft dit visueel te weer.

 

Samengevat

De meerwaarde die het inzetten van Augmented Analytics creëert is dat inzicht in data op een flexibele manier toegankelijk is voor gebruikers. De informatievraag van de business veranderd immers continu op basis van ontwikkelingen binnen en buiten de organisatie. Een tweede voordeel is dat Augmented Analytics meedenkt met de gebruikers. Zo komen dingen aan het licht die anders niet waren opgevallen. Een belangrijke voorwaarde is het gebruik van een centraal en gevalideerd datamodel. Augmented Analytics is daarom geen vervanging van, maar een aanvulling op traditionele en/of self-service BI.

 

Bronnen

Sisense – Tottadatalab

Meer informatie?

App mij