Onze visie op Analytics-uitkomsten

16 februari 2024 | 3 minuten leestijd

Bij i-spark zijn we ervan overtuigd dat het gebruik van gegevens in business intelligence meestal uitmondt in verschillende gegevensproducten. Elk van deze valt in een van de drie verschillende categorieën. Elk van deze categorieën speelt een duidelijke rol bij de verwerking en toepassing van gegevens en speelt gezamenlijk een cruciale rol bij het ontsluiten van de werkelijke waarde van de business intelligence die in de gegevens besloten ligt.

De drie datum productcategorieën

Resultaten ad-hocanalyse: Wanneer we specifieke vragen of hypotheses aanpakken, voeren we de gegevensanalyse op maat uit om duidelijke antwoorden te geven, waarbij we ons richten op bruikbare inzichten die trends onthullen en de redenen achter verschillende patronen blootleggen. Voorbeelden van analyses zijn het beoordelen van de effectiviteit van een campagne, het onderzoeken van factoren die bijdragen aan klantverloop of het vaststellen van uitbreidingsmogelijkheden. De resultaten worden meestal gepresenteerd in een documentindeling zoals PowerPoint, die verder gaat dan cijfers en visualisaties en ook uitleg, samenvattingen en vaak aanbevelingen bevat. Het adagio “less is more” is echt van toepassing op deze situatie: in plaats van een overdaad aan visualisaties te presenteren, selecteren en bereiden we alleen datgene voor wat nodig is om de gegevensanalyse te ondersteunen.

Dashboards: Voor voortdurende inzichten en visualisatie van statistieken modelleren en structureren we gegevens om continue visualisatie te ondersteunen. Dit leidt tot de ontwikkeling van aangepaste dashboards, gemaakt met tools zoals Looker, Looker studio, Klipfolio, Tableau, Power BI of op maat gemaakte oplossingen, die belanghebbenden real-time inzichten en ondersteuning bij de besluitvorming bieden.

Input voor activatietools: In andere gevallen worden gegevens niet alleen gebruikt voor visualisatie en beschrijvende analyse, maar zijn ze ook bestemd voor toepassing in activatietools, zoals recommender systems of marketingautomatiseringstools. Om ervoor te zorgen dat de gegevens klaar zijn voor deze activeringstoepassingen, ondergaan ze een voorbereidingsfase. Dit zorgt ervoor dat de datapijplijn nauwkeurig is afgestemd en volledig compatibel is met deze activeringstools, waardoor een naadloze integratie en optimale prestaties mogelijk zijn.

Hoewel dit slechts drie categorieën zijn, betekent dit niet dat er slechts 3 deliverables zijn. Afhankelijk van de use cases zou je theoretisch 10 ad-hoc analyserapporten, dashboards voor 20 afdelingen en 5 pipelines naar activatie tools voor je bedrijf of klant kunnen leveren.

Het einddoel: gegevensgebruik

De waarde van gegevens komt pas echt tot uiting als ze zijn afgestemd op de use case. Welke use case voor jou ook belangrijk is, het is handig om ze te zien in termen van een van deze drie categorieën. Het zal je misschien verbazen hoe vaak ons wordt gevraagd om een dashboard te maken om een ad-hocvraag te beantwoorden of om een tabel te maken met klanten die in een veelbelovende categorie vallen zonder dat we ook maar hebben nagedacht over de definitie van veelbelovend.

In ons binnenkort te verschijnen artikel ‘Unraveling the Distinct Worlds of Data Analysis and Data Visualization (Dashboarding)’ laten we het onderscheid zien tussen de twee meest toegepaste resultaten van data-analyse. De combinatie van deze twee artikelen vormt een leidraad bij het kiezen van de juiste uitkomst die het beste past bij jouw specifieke behoeften.

Als laatste opmerking, om verwarring te voorkomen. Hoewel naar onze mening alle dataproducten in één categorie vallen, betekent dit niet dat we bij i-spark slechts één van deze typen leveren. Bij i-spark bereiden we ook analytics stacks of dataplatforms voor, waarbij we de half afgewerkte dataproducten overdragen aan het datateam van onze klanten voor verdere verwerking. Dus in onze projecten kan het eindresultaat een data lake of data warehouse zijn, maar dit mag nooit het eindproduct van de data zijn. Immers, als de gegevens niet worden gebruikt in een rapport, een dashboard of een activeringstool, waarom zouden we de gegevens dan überhaupt gebruiken?

Benieuwd naar de perfecte analytics-oplossingen voor uw bedrijf? Praat nu met onze experts voor aanbevelingen om het potentieel van uw gegevens te optimaliseren.