Veel organisaties worstelen met de vraag: "Waar begin ik?" als het gaat om meer doen met data & AI. Het voelt overweldigend. Hier zijn vier manieren om aan de slag te gaan met data & AI.
Vier manieren om data & AI in te zetten
Benieuwd hoe je het beste kunt starten met data & AI (kunstmatige intelligentie)? Davenport beschrijft vier mogelijke manieren om data te gebruiken, variërend van het verkrijgen van informatie tot optimalisatie:
Om te kunnen voorspellen, moet je eerst weten wat er gebeurt en waarom. Daarom raden we aan om te beginnen met de eerste stap en vervolgens toe te werken naar optimalisatie. Zo kunnen medewerkers ook wennen aan een meer datagedreven manier van werken.
We doorlopen de vier manieren aan de hand van herkenbare voorbeelden. Aan het einde van deze blog heb je een goed beeld van de verschillende manieren om data in te zetten. Die kennis kun je vervolgens toepassen in jouw organisatie.
De operatie begrijpen
De eerste stap op het gebied van data is begrijpen wat er gebeurt.
Stel je voor dat je geen snelheidsmeter had. Je zou misschien je snelheid kunnen schatten door te luisteren naar het geluid van de wind, de motor en de banden, maar dat is minder nauwkeurig. Toch is dit wat veel ondernemers doen in hun bedrijf.
Data is vaak beschikbaar, maar nog niet vertaald naar informatie. Door data om te zetten in bruikbare informatie – bijvoorbeeld met dashboards – kun je betere beslissingen nemen.
De problemen kennen
De tweede stap is weten waarom iets gebeurt. Je hebt vast weleens een autopech gehad. Als je wilt voorkomen dat dit opnieuw gebeurt, moet je weten waarom de auto het begaf.We zien deze behoefte ook vaak in organisaties. "Waarom blijven mijn marges achter?". Als je weet waarom iets gebeurt, kun je erop inspelen. Of er in ieder geval snel op reageren.
Problemen voorspellen
De derde stap is om te weten wat er gaat gebeuren. We hebben al jaren een brandstofmeter in onze auto. Nog handiger is de boordcomputer. Die geeft aan hoe ver je nog kunt rijden. Het helpt je bij het nemen van een beslissing: moet je nu tanken of haal je het nog tot thuis? Vanaf deze fase werk je ook met AI – kunstmatige intelligentie – en algoritmes.
Voorschrijven
De laatste stap is om te beïnvloeden wat er gaat gebeuren. Dat is de meest uitdagende stap. Een voorbeeld is de routeplanner van Tesla. Bij langere ritten wordt de route zo bepaald dat je kunt opladen bij een Tesla-laadstation langs je route. Je weet dus al bij het vertrek waar je gaat laden.
In organisaties zijn voorbeelden aanbevelingen op websites. Netflix heeft een uitgebreide lijst met titels, maar het weet op basis van mijn kijkgedrag wat ik interessant of leuk vind. Daardoor bepalen zij voor een groot deel wat ik ga kijken.
En jouw organisatie?
Wil je verder met data in jouw organisatie? Dan hoop ik dat je een opstapje hebt om de volgende stappen te zetten. Als je daar hulp bij nodig hebt, gaan we graag met je in gesprek. We bieden diverse diensten aan, van Data Coaching tot tijdelijke inzet van onze consultants tot volledige overname van data & AI-projecten.Meer over BRAINSTAX Neem contact op
