De terugkeer van data management: trends & uitdagingen

Data management – een verzamelnaam voor data-integratie, datakwaliteit en data governance – heeft langere tijd bij veel bedrijven geen primaire rol gespeeld. Nu steeds meer organisaties in hoog tempo het digitale tijdperk betreden, komt het domein echter opnieuw in beeld. Er moeten steeds meer – vaak complexe – data worden beheerd. Tegelijkertijd moeten organisaties vaker preventieve of real-time actie ondernemen en sneller inspelen op marktontwikkelingen om de concurrentie voor te zijn (en te blijven). Ook worden er vraagtekens gezet bij de traditionele manier van werken, waarbij het management rapporten aangereikt krijgt van IT.

Goed data management is een eerste vereiste voor zinvolle data-analytics en het belang daarvan is ook in recente onderzoeken onderstreept. Zo blijkt uit de McKinsey Sales Growth 2015 enquête dat bedrijven die intensief gebruikmaken van geavanceerde analytics een omzettoename zien van 131%.

Drie opmerkelijke trends

Rein Mertens, Principal Business Solutions Manager bij SAS Nederland, ziet drie trends op het gebied van data management.

1.     De opkomst van self-service: Als bedrijven flexibel willen zijn, moeten ze hun gegevens op een snelle en gebruikersvriendelijke manier kunnen combineren en analyseren. "We hebben al een evolutie van self-service gezien bij rapportages, waarbij bedrijfsgebruikers hun eigen rapportfilters maken. Tegenwoordig breiden de self-service mogelijkheden zich steeds meer uit naar de databronnen zelf. Business-gebruikers willen heel snel informatie uit uiteenlopende datastromen kunnen halen zonder daarvoor over geavanceerde IT-vaardigheden te beschikken. De SAS Data Loader voor Hadoop, die vorig jaar is geïntroduceerd, is een goed voorbeeld van hoe SAS inspeelt op deze trend. Het geeft zakelijke gebruikers en data scientists de mogelijkheid om zonder kennis van YARN of MapReduce snel en eenvoudig datapreparatie toe te passen en de grote hoeveelheden data die in Hadoop zijn opgeslagen op te schonen", aldus Rein Mertens.

2.     De noodzaak voor een open platform: Om inzicht te krijgen, hebben organisaties input nodig uit verschillende interne en/of externe bronnen. Eenvoudige gegevensuitwisseling is bovendien ook noodzakelijk voor 'analytics at the edge'. "Hierbij gaat het om geautomatiseerde analytische berekeningen die door een sensor of ander apparaat rechtstreeks op data worden
uitgevoerd, in plaats van dat er moet worden gewacht totdat de data naar een centrale gegevensopslag zijn verstuurd. Zo kunnen bijvoorbeeld de prestaties van een bepaalde windturbine worden vergeleken met de prestaties van de andere windturbines in een windmolenpark. Zo kan ook sneller worden gereageerd op problemen. Onze nieuwe SAS Viya-architectuur voorziet in de behoefte aan een moderne en open architectuur. SAS Forum Nederland is de ideale gelegenheid om daar meer over te horen."

3.     Data management met automatische suggesties: Bij moderne tools voor data management wordt gebruikgemaakt van analytics om data management te verbeteren. Het systeem kan suggesties doen voor het combineren van verschillende gegevensbronnen of eindgebruikers helpen bij het interpreteren van gegevens. Het is ook niet langer ondenkbaar dat data management tools vergelijkingen met andere externe bronnen maken om bijvoorbeeld voorstellen voor de standaardisatie van kolommen te doen.

Uitdagingen

Hoewel organisaties zich snel transformeren om tegemoet te kunnen komen aan de steeds veranderende klantbehoeften, staan ze ook voor een groot aantal uitdagingen, onder andere op het gebied van data management. In de eerste plaats is het lastig het juiste evenwicht te vinden tussen flexibiliteit en controle. Als de balans te ver doorslaat naar de controlekant, wordt de IT-afdeling een 'schaduwconstructie': zakelijke gebruikers introduceren dan hun eigen systemen om minder afhankelijk te zijn van de IT-afdeling en om sneller zakelijke inzichten te krijgen. Daar staat tegenover dat organisaties bij een volledig self-service systeem het risico lopen dat ze geen munt kunnen slaan uit eerder verkregen inzichten. Wanneer zakelijke gebruikers relevante inzichten in een dataset ontdekken, is IT verantwoordelijk voor het automatiseren van het proces en het bouwen van de benodigde bewakings- en beheermechanismen.

Bij data management is het lastig het juiste evenwicht te vinden tussen flexibiliteit en controle.

 Proactief data governance

"In de tweede plaats moeten commerciële en IT-afdelingen nauw met elkaar samenwerken om optimale resultaten voor het bedrijf te realiseren. Dit is in de praktijk niet eenvoudig. De meeste topmanagers benadrukken het belang van data als een belangrijke asset, maar hoe wordt dit binnen de rest van het bedrijf vertaald? Veel initiatieven op het gebied van data management worden nog steeds ingegeven door regelgeving. Er zijn maar weinig bedrijven die proactief data governance boven aan de agenda zetten", merkt Mertens op. "Vaak zien we dat MDM-projecten (Master Data Management) uitsluitend door IT worden aangestuurd. Het is dan ook niet verwonderlijk dat collega's niet tevreden zijn met het eindresultaat en dat projecten mislukken."

Een derde uitdaging is om de juiste tools voor data management te gebruiken: tools die net zo geschikt zijn voor IT als voor de zakelijke eindgebruikers. Volgens een onderzoek van Bain & Company wordt bij 56% van de bedrijven niet de benodigde data opgeslagen – omdat ze niet over de juiste systemen beschikken – of wordt geen bruikbare data verzameld, terwijl het 66% van de bedrijven aan de juiste technologie ontbreekt om data op te slaan en te benaderen. "Bovendien zijn de tools die vandaag de dag nodig zijn om data voor te bereiden voor analyse- en rapportagedoeleinden niet dezelfde als de tools die normaal gesproken door IT worden gebruikt in de operationele context van een datawarehouse. Bedrijven moeten een strategisch plan hebben voor het verzamelen en organiseren van data – een plan dat aansluit op de strategie voor de manier waarop het bedrijf waarde haalt uit data."

Verder worstelen veel bedrijven met het Internet of Things en de kolossale hoeveelheid data die daardoor wordt gegenereerd. "Voor mij is het vanzelfsprekend dat bedrijven allereerst grip moeten krijgen op hun 'kleine data' – dat wil zeggen, interne data, stamgegevens, enzovoorts – voordat ze in een big data-project investeren. Je moet niet te hard van stapel lopen. Wat is immers het nut van inzichten uit big data als je die niet kunt koppelen aan kwalitatieve klantgegevens?"

Ideeën delen en netwerk vergroten

Tijdens SAS Forum 2016 dat binnenkort plaatsvindt, komt het thema Informatiebeheer in het digitale tijdperk uitgebreid aan bod. Zo zijn er presentaties over onder andere data management en de nieuwe cloud-omgeving SAS Viya. "Mensen die een beter idee willen krijgen van data management met self-service voor eindgebruikers en van open platformen, zullen dit zeker interessant vinden. SAS zal in de komende maanden verschillende aankondigingen doen rond dit onderwerp en op het SAS Forum geven we zeer zeker een voorproefje van wat er in het verschiet ligt", besluit Mertens.

Share this article with your network:

Read more about ”Information Management in the Digital Era”