Succes met big data?

9 november 2017

Sinds McKinsey in 2011 haar studie publiceerde onder de titel “Big Data, the next frontier for innovation, competition, and productivity”, is het begrip big data niet meer weg te denken. Na ruim 5 jaar werpt de vraag zich op in hoeverre bedrijven en publieke organisaties big data ook daadwerkelijk hebben geïncorporeerd in hun bedrijfsvoering en wat het hen heeft opgeleverd. Zijn er inmiddels goede voorbeelden van big data successen en wat hebben bedrijven c.q. publieke organisaties gedaan om tot deze successen te komen? Met andere woorden: wat zijn de succesfactoren om van big data “the new oil” te maken?

Het is opmerkelijk dat het begrip “Big Data” in juli 2016 al niet meer voorkomt op de hype cycle van Gartner. Wel allerlei andere ontwikkelingen die direct te maken hebben met big data. Zo zijn volgens Gartner ontwikkelingen nu op de top van hun levensloop, zoals Predictive Analytics, Data Driven Marketing, Augmented Reality Marketing en Multidimensial Campaign Attribution. Je mag er van uitgaan dat big data inmiddels gemeengoed is in vrijwel alle organisaties.

Big Data in Practice

Dus op zoek naar de vele successen. Als je op internet zoekt stuit je al gauw op het in 2016 uitgebrachte boek van Bernard Marr met als titel “Big Data in Practice”. De subtitel schept hoge verwachtingen: “how 45 successful companies used big data analytics to deliver extraordinary results”. Zelf zou ik het in de tegenwoordige tijd hebben geschreven, want de beschreven organisaties zijn volgens mij niet gestopt met het verzilveren van hun big data. Grammatica blijkt niet het sterkste punt van Marr.

Het boek biedt een opsomming van 45 cases waar het succes van de organisaties (Narrative Science en IBM Watson worden ook als organisatie gezien) toegeschreven wordt aan de exploitatie van big data. Per case hanteert Bernard Marr een vast stramien:

• What problem is big data helping to solve?
• How is big data used in practice?
• What were the results?
• What data was used?
• What are the technical details?
• Any challenges that had to be overcome?
• What are the key learning points and takeaways?

Wat het boek leuk maakt is de gevarieerdheid. De voorbeelden hebben niet alleen betrekking op grote multinationals, maar ook op kleine en non-profit organisaties. Het laat zien dat big data in veel sectoren wordt toegepast. Uiteraard zijn dat de leidende ondernemingen van deze tijd waar big data intrinsiek is aan het business model, zoals Walmart, Google, Facebook, Twitter Apple, Microsoft, Netflix, LinkedIn, Airbnb en Uber. Maar wat te denken van Rolls Royce, the Royal Bank of Schotland, the US Olympic Cycling Team, the London Zoo, Caesars Casino, the Walt Disney Parks and Resorts en Dicky’s Barbecue Pit. Wel veel cases waarbij je bij het lezen denkt: zo ken ik er nog wel een paar.

In vrijwel alle gevallen gaat het om grote volumes aan data, maar lang niet altijd om ongestructureerde en/of streaming data. Wat wel opvalt is de opsomming van de technologie die de organisatie gebruiken om hun big data op te slaan, te analyseren en toe te passen: Apache, Apixio, Azure, BigQuery, Cassandra, Cloudera, Conjecture, Datameer, DeepQZ, DMX, EC2, EMC, Flume, Fusion, Hadoop, HANA, HDFS, Hive, Java, Lambda, Mahoot, MapR, MK:Smart, Mongo, Oozie, Predix, Presto, Python, R, Redshift, Solr, Spark , Splunk, SQL MemSQL MySQL and MySQLSSD, Sqoop, TeraData, V-Block, Vertica, Voldemort, Yellowfin. Waar zijn SAS en SPSS gebleven?

De casebeschrijving en de bewijsvoering van de claim dat de organisaties met de inzet van big data buitengewone resultaten zouden behalen, hadden in vrijwel alle cases wel wat concreter gekund. Marr verschuilt zich hier nogal eens achter het feit dat het om bedrijfsgeheimen zou gaan. In vrijwel alle gevallen is het lastig te doorgronden welke data de organisaties nou precies op welke wijze inzetten en wat concreet de resultaten zijn.

Bij de uitdagingen die de big data-organisaties nog steeds hebben, wordt in veel cases de schaarste van goede data analisten c.q. data scientists genoemd. Dit is ook het geval bij de grote data-ondernemingen, ondanks het feit dat zij grootschalig gebruik zouden maken van artificial intelligence en machine learning.

Andere voorbeelden

Een verdere zoektocht naar big data successen levert niet veel meer concrete cases op. Veelal worden de grote data-ondernemingen van Marr als voorbeeld genomen. Alleen IBM komt met andere voorbeelden, allemaal uit hun eigen klantenkring en met hun technologie. Een studie van Forbes van eind 2015 zou aantonen dat slechts 15% van de Fortune 500 ondernemingen succesvol big data analytics zouden toepassen om hun business efficiënter en effectiever te maken.

Mijn conclusie

Na de zoektocht kom ik tot de conclusie dat organisaties die goed zijn in het omzetten van data in informatie en toegepaste kennis een voorsprong hebben op organisaties die dat niet of in beperkte mate doen. Maar dat bewees Thomas Davenport al in 2007 met zijn boek “competing on analytics”. En wij bewijzen dat in onze dagelijkse praktijk al sinds onze oprichting in 2002. Naar de letterlijke definitie van big data kan de toepassing hiervan in uitzonderlijke situaties het verschil maken. Veel organisaties zouden er echter goed aan doen te beginnen met het toepasbaar maken van de data waarover zij al beschikken. Ondanks alle moderne technologieën voor data-analyse blijft dit vakmanschap en maken goede analisten eerder het verschil dan het toevoegen van nog meer data.