Wat is analytics?
Business analytics richt zich op de zakelijke implicaties van data en de beslissingen en acties die daaruit voortvloeien.
Analyse-overzicht
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 informatica dat wiskunde, statistieken en machine learning gebruikt om betekenisvolle patronen in data te vinden. Analytics – of data-analytics – omvat het doorzoeken van enorme datasets 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 concurrerende wapens."
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 maakt momenteel gebruik van geavanceerde en predictiveanalytics1
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 beantwoordt de vraag “Wat is er gebeurd?”. Deze eenvoudige vorm van analyse maakt gebruik van basiswiskunde, zoals gemiddelden en procentuele wijzigingen, om te laten zien wat er al is gebeurd in een bedrijf. Descriptive analytics, ook wel traditionele Business Intelligence (BI) genoemd, is de eerste stap in het analyseproces en creëert een springplank 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 beantwoordt de vraag “Wat zal er in de toekomst waarschijnlijk gebeuren?”. Deze tak van geavanceerde analytics maakt gebruik van bevindingen van beschrijvende en diagnostische analyses – samen met geavanceerde voorspellende modellen, machine learning en deep learning technieken – om te voorspellen wat er verder 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:
Gegevensaggregatie: voordat gegevens kunnen worden geanalyseerd, moeten ze uit verschillende bronnen worden verzameld, georganiseerd en opgeschoond. Een solide strategie voor datamanagement en een modern datawarehouse zijn essentieel voor analytics.
Datamining: datamining maakt gebruik van statistische analyses en machine learning-algoritmen om grote databases te doorlopen, data vanuit meerdere invalshoeken te analyseren en eerder onbekende trends, patronen en relaties te identificeren.
Big Data analytics: Big Data analytics maakt gebruik van geavanceerde technieken, waaronder datamining, predictive analytics en machine learning, om enorme sets gestructureerde en ongestructureerde data in databases, datawarehouses en Hadoop-systemen te analyseren.
Text mining: text mining verkent ongestructureerde tekstdatasets zoals documenten, e-mails, social media-berichten, blogcommentaren, callcenterscripts en andere op tekst gebaseerde bronnen voor kwalitatieve en kwantitatieve analyse.
Forecasting en predictive analytics: forecasting maakt gebruik van historische gegevens om schattingen te maken van toekomstige resultaten, en predictive analytics maakt gebruik van geavanceerde technieken om de waarschijnlijkheid te bepalen dat deze resultaten zullen plaatsvinden.
Simulatie en hypothetische analyse: zodra prognoses en voorspellingen zijn gemaakt, kunnen simulatie en hypothetische analyses verschillende scenario's testen en potentiële beslissingen optimaliseren voordat ze worden gemaakt.
Datavisualisatie en storytelling: datavisualisaties, zoals diagrammen en grafieken, bieden een eenvoudige manier om trends, uitschieters en patronen in data te begrijpen en te communiceren. Deze visualisaties kunnen aan elkaar worden gekoppeld om een groter gegevensverhaal te vertellen 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 explosie van e-commerce, toegenomen marktvolatiliteit, globalisering en andere krachten hebben supply chains ongelooflijk complex gemaakt. Supply chain analytics helpt organisaties verstoringen te voorkomen, goederen te laten stromen en de veerkracht en flexibiliteit van de supply chain te verbeteren. Ze gebruiken realtime data uit een breed scala aan bronnen, waaronder Internet of Things-sensoren, om alles te optimaliseren, van sourcing, productie en voorraad tot transport en logistiek.
Moderne analysetechnologieën
Tegenwoordig hebben bijna onbeperkte dataopslag en razendsnelle verwerkingssnelheden het tijdperk van kunstmatige intelligentie (AI) en machine learning ingeluid. Deze technologieën zijn “augmenting” analytics, waardoor ze oneindig krachtiger zijn dan ooit tevoren.
Analyses voor AI en machine learning kunnen patronen detecteren, uitschieters vinden en verbindingen in Big Data veel sneller en nauwkeuriger maken dan voorheen mogelijk was. Via de cloud kunnen ze gebruikmaken van meer data uit meer bronnen – waaronder social media en Internet of Things-sensoren – en inzichten, kansen en risico's aan de oppervlakte 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.
Veelgestelde vragen over analyse
Ontdek SAP Analytics Cloud
Maak kennis met gebruiksvriendelijke AI-gestuurde business intelligence, analytics en planning.
Ideeën die u nergens anders zult vinden
Meld u aan voor een dosis business intelligence die rechtstreeks in uw inbox wordt bezorgd.