Wat is analytics?
Organisaties, mensen en dingen genereren iedere dag een enorme hoeveelheid data. Elke 24 uur sturen we samen 294 miljard e-mails en plaatsen we 500 miljoen tweets. We voeren 3,5 miljard zoekopdrachten op Google in. Onze verbonden auto's genereren per dag maar liefst vier petabytes aan data. Zelfs onze horloges, koelkasten en tv's creëren en delen voortdurend gegevens.
In al deze data zijn inzichten verborgen die kunnen bijdragen aan een explosieve bedrijfsgroei. De uitdaging is om deze te ontdekken, en daar komt analytics bij in beeld.
Een basisdefinitie van analytics
Analytics is een gebied van computerwetenschap dat wiskunde, statistieken en machine learning gebruikt om betekenisvolle patronen in data te vinden. Analytics, of data-analytics, omvat het doorzoeken van enorme hoeveelheden data om nieuwe inzichten en kennis te ontdekken, te interpreteren en te delen.
Wat is business analytics?
Business analytics (bedrijfsanalyses) zijn simpel gezegd analysefuncties die worden toegepast op bedrijfsdata. Hierbij ligt de focus op de zakelijke implicaties van data, en de beslissingen en acties die daaruit voort zouden moeten vloeien.
Het belang van business analytics
Het gebruik van software voor business analytics bepaalt nu of een branche succes heeft of het onderspit delft. Toonaangevende bedrijven gebruiken analytics om elk aspect van hun activiteiten, van marketing tot supply chain, in realtime te bewaken en te optimaliseren. Deze bedrijven gebruiken analytics om onder andere snelle, datagedreven beslissingen te nemen, de omzet te verhogen, nieuwe bedrijfsmodellen op te zetten, uitmuntende klantervaringen te bieden, werknemers slagvaardig te maken en concurrentievoordeel te behalen. Bedrijven zonder analytics, of zonder goede analytics, blijven achter en kunnen alleen op basis van onderbuikgevoel en ervaring beslissingen nemen en zakendoen.
Toonaangevende organisaties in elke branche gebruiken data en analytics als concurrentiewapens.
De belangrijkste voordelen van analytics zijn:
- Meer efficiëntie en hogere productiviteit
- Snellere en effectievere besluitvorming
- Betere financiële prestaties
- Het herkennen en aanboren van nieuwe inkomstenbronnen
- Verbetering van werving en behoud van klanten
Enterprise analytics is een van de snelst groeiende markten op het gebied van bedrijfssoftware. Deze groei is door de COVID-19-pandemie nog verder versneld. Daardoor zijn veel bedrijven gedwongen om naar nieuwe manieren te zoeken om winst te maken, kosten te verlagen en door het turbulente "nieuwe normaal" te navigeren. Volgens Gartner1 zijn door de pandemie vooral analytics, business intelligence (BI) en datawetenschap in een versnelling geraakt. Hierdoor is het aantal applicaties voor het Internet of Things (IoT) en de cloud explosief gestegen. De mogelijkheden van analytics om problemen op te lossen en zaken te voorspellen helpen organisaties om de uitdagingen die door de pandemie zijn ontstaan aan te kunnen. Denk hierbij aan het nauwkeurig voorspellen van de vraag, het beschermen van werknemers in risicovolle situaties en het identificeren van potentiële verstoringen in de supply chain.
94
%
van de ondernemingen vindt dat analytics belangrijk is voor de groei en digitale transformatie van het bedrijf1
59
%
van de organisaties gebruikt momenteel geavanceerde en voorspellende analytics1
65
%
van de wereldwijde ondernemingen is van plan de uitgaven voor analytics in 2020 te verhogen1
Vier soorten analytics
De vier soorten analytics op basis van waarde en complexiteit
- Descriptive analytics
Descriptive analytics (beschrijvende analyses) geeft antwoord op de vraag: "Wat is er gebeurd?". Deze eenvoudige vorm van analytics maakt gebruik van basale wiskunde, zoals gemiddelden en procentuele wijzigingen. Hiermee wordt aangetoond wat er al in een bedrijf heeft plaatsgevonden. Beschrijvende analyses, ook wel traditionele business intelligence (BI) genoemd, zijn de eerste stap in het analyseproces en creëren het startpunt voor verder onderzoek. - Diagnostic analytics
Diagnostic analytics (diagnostische analyses) geeft antwoord op de vraag "Waarom is iets gebeurd?". Door het gebruik van technieken zoals data recovery, -detaillering en -correlaties wordt beschrijvende analytics naar een hoger niveau getild. Daardoor wordt het mogelijk om dieper in data door te dringen en de grondoorzaken van gebeurtenissen en gedragspatronen te identificeren. - Predictive analytics
Predictive analytics (voorspellende analyses) zijn analyses die antwoord geven op de vraag: "Wat gaat er waarschijnlijk in de toekomst gebeuren?". Deze tak van geavanceerde analytics gebruikt bevindingen van beschrijvende en diagnostische analytics, samen met geavanceerde voorspellende modellen, machine learning en technieken voor deep learning, om te voorspellen wat er gaat gebeuren. - Prescriptive analytics
Prescriptive analytics (voorschrijvende analyses) geeft antwoord op de vraag: "Welke actie moeten we ondernemen?". Dit geavanceerde type analytics bouwt voort op de bevindingen van beschrijvende, diagnostische en voorspellende analytics. Zeer geavanceerde tools en technieken worden ingezet om de gevolgen van mogelijke beslissingen te beoordelen en de beste aanpak in een scenario te bepalen.
Analysesoftware met verkoopgegevens voor verschillende productlijnen.
Gemeenschappelijke componenten van business analytics
Business analytics omvat een groot aantal componenten en tools. Enkele van de meest voorkomende zijn:
- Data-aggregatie: voordat data kunnen worden geanalyseerd, moeten ze uit veel verschillende bronnen worden verzameld, en worden georganiseerd en opgeschoond. Essentieel voor analytics zijn een solide strategie voor datamanagement en een modern datawarehouse.
- Datamining: datamining maakt gebruik van statistische analyses en algoritmen van machine learning om grote databases te doorlopen, data van meerdere kanten te analyseren en eerder onbekende trends, patronen en relaties te identificeren.
- Big data analytics: analyses van big data maken gebruik van geavanceerde technieken, waaronder datamining, voorspellende analytics en machine learning. Hiermee worden enorme hoeveelheden gestructureerde en ongestructureerde data in databases, datawarehouses en Hadoop-systemen geanalyseerd.
- Tekstmining: tekstmining verkent ongestructureerde tekstgegevens zoals documenten, e-mails, social media posts, blogreacties, callcenter scripts en andere op tekst gebaseerde bronnen, en haalt hier kwalitatieve en kwantitatieve analyses uit.
- Prognoses en predictive analytics: prognoses gebruiken historische data om schattingen te maken over toekomstige resultaten. Predictive analytics gebruikt geavanceerde technieken om de waarschijnlijkheid van deze resultaten te bepalen.
- Simulaties en hypothetisch analyses: zodra prognoses en voorspellingen zijn gemaakt, kunnen simulaties en hypothetische analyses verschillende scenario's testen en potentiële beslissingen vooraf optimaliseren.
- Datavisualisatie en storytelling: datavisualisaties, zoals diagrammen en grafieken, zijn eenvoudige hulpmiddelen om trends, afwijkingen en patronen in data te begrijpen en te communiceren. Deze visualisaties kunnen gecombineerd worden om een groter gegevensoverzicht te krijgen en de besluitvorming te begeleiden.
Analysesoftware die de 100 klanten laat zien die het meeste achterlopen met betalen.
Voorbeelden van analytics
Analytics wordt gebruikt door bedrijven van elke omvang, in alle branches; van retail en gezondheidszorg tot de sportbranche. Veel analyseoplossingen zijn afgestemd op een bepaalde branche, of op een specifiek doel of een bedrijfstak. Hier volgen enkele voorbeelden van analytics van nu:
Financiële analytics
Financiële analyses werden vroeger meestal gebruikt voor het produceren van een standaardhoeveelheid rapporten. Maar nu finance een meer strategische rol in bedrijven heeft gekregen, is financiële analytics geëvolueerd. Financiële en operationele data worden nu gecombineerd met externe databronnen om een breed scala aan zakelijke vragen te beantwoorden. Denk hierbij aan vragen als: "Investeren we in de beste kansen? Hoe zullen onze toekomstige winstmarges worden beïnvloed door de beslissingen die we vandaag nemen?"
Analysesoftware kan worden gebruikt ter ondersteuning van de financiële afsluiting, zoals hierboven in deze verlies- en winstrekening is aangegeven.
Marketing analytics
Marketing analyses verbinden data van meerdere kanalen, zoals sociale media, internet, e-mail en mobiele apparaten. Hierdoor krijgen marketeers uitgebreid inzicht in de prestaties van hun programma's. Gebruikers kunnen miljoenen strings met data opzoeken om bijvoorbeeld de effectiviteit van campagnes te verbeteren, marketingberichten sterk te personaliseren, sentimenten op sociale media te analyseren en potentiële klanten precies op het juiste moment te bereiken.
Supply chain analytics
De explosieve groei van e-commerce, de wisselende marktvraag, de globalisering en andere factoren hebben de supply chain ongelooflijk ingewikkeld gemaakt. Met supply chain analytics kunnen organisaties verstoringen voorkomen, goederen in beweging houden en de veerkracht en flexibiliteit van de supply chain verbeteren. Realtime data van allerlei bronnen, waaronder sensoren van het Internet of Things, worden ingezet om alles te optimaliseren; van sourcing, productie en voorraad tot transport en logistiek.
Moderne analysetechnologieën
In dit tijdperk van artificial intelligence (AI) en machine learning hebben bijna onbeperkte dataopslag en bliksemsnelle verwerkingssnelheden hun intrede gemaakt. Deze technologieën zorgen voor "augmenting" analytics (verbetering van analysemogelijkheden), waardoor deze oneindig veel krachtiger zijn dan ooit tevoren.
Analysefuncties voor AI en machine learning kunnen patronen detecteren, uitschieters vinden en verbindingen in big data veel sneller en met veel grotere nauwkeurigheid leggen dan voorheen mogelijk was. Via de cloud kunnen deze functies meer data uit meer bronnen aanboren, waaronder sensoren van sociale media en het Internet of Things. Deze kunnen ook inzichten, kansen en risico's aan het licht brengen die anders verborgen zouden blijven.
Algoritmen voor machine learning kunnen ook een aantal van de meest gecompliceerde stappen in het analyseproces automatiseren. Dit betekent dat niet alleen data-wetenschappers, maar ook relatief ongetrainde zakelijke gebruikers geavanceerde en voorspellende analytics kunnen hanteren. Natural Language Processing (NLP), een soort artificial intelligence, tilt selfservice naar een hoger niveau. Hiermee zijn gebruikers in staat om op een eenvoudige, conversationele manier zakelijke vragen over hun data te stellen (en antwoorden te krijgen). Dit is vergelijkbaar met het intypen van een zoekopdracht in Google of het stellen van een vraag aan Siri.
Natuurlijk is dit allemaal ook beschikbaar op mobiele apparaten, zodat gebruikers antwoord kunnen krijgen op ad-hocvragen, waar ze zich ook bevinden.
Ontdek SAP Analytics Cloud
Ontdek gebruiksvriendelijke AI-gestuurde business intelligence, analytics en planning.
Geavanceerde analytics is een overkoepelende term voor een type analysefuncties dat geavanceerde tools en technieken gebruikt om autonoom (of semi-autonoom) data te verkennen. Deze tools en technieken vallen meestal buiten de traditionele mogelijkheden van BI en omvatten onder andere voorspellende modellering, data- en tekstmining, sentimentanalyse, machine learning, neurale netwerken, statistische algoritmen en complexe eventverwerking.
Big data analytics zijn geavanceerde analysefuncties die uit veel verschillende bronnen hele grote datasets onderzoeken, waaronder gestructureerde, semigestructureerde en ongestructureerde data. Met behulp van ingewikkelde tools en technieken, zoals voorspellende modellering, hypothetische analyses en algoritmen voor machine learning, kunnen analyses voor big data verborgen trends, onbekende correlaties en andere betekenisvolle inzichten in datasets aan het licht brengen. Het gaat dan om data die te groot of divers is om door traditionele analytics te worden verwerkt.
Augmented analytics zijn analysefuncties die zijn "augmented" (verbeterd) met technologieën voor artificial intelligence (AI), waaronder machine learning en Natural Language Processing (NLP). Deze krachtige AI-gedreven analysefuncties zijn niet alleen in staat om sneller betere inzichten te vinden. Ze kunnen ook geavanceerde analytics democratiseren, door complexe processen te automatiseren en gebruikers met minimale training in staat te stellen vragen te stellen en de antwoorden te begrijpen.
SAP Insights nieuwsbrief
Meld je vandaag nog aan
Meld je aan voor onze nieuwsbrief en krijg belangrijke inzichten.