8 items tagged "intelligence,"

  • 4 Tips om doodbloedende Big Data projecten te voorkomen

    projectmanagers

    Investeren in big data betekent het verschil tussen aantrekken of afstoten van klanten, tussen winst of verlies. Veel retailers zien hun initiatieven op het vlak van data en analytics echter doodbloeden. Hoe creëer je daadwerkelijk waarde uit data en voorkom je een opheffingsuitverkoop? Vier tips.

    Je investeert veel tijd en geld in big data, exact volgens de boodschap die retailgoeroes al enkele jaren verkondigen. Een team van data scientists ontwikkelt complexe datamodellen, die inderdaad interessante inzichten opleveren. Met kleine ‘proofs of value’ constateert u dat die inzichten daadwerkelijk ten gelde kunnen worden gemaakt. Toch gebeurt dat vervolgens niet. Wat is er aan de hand?

    Tip 1: Pas de targets aan

    Dat waardevolle inzichten niet in praktijk worden gebracht, heeft vaak te maken met de targets die uw medewerkers hebben meegekregen. Neem als voorbeeld het versturen van mailingen aan klanten. Op basis van bestaande data en klantprofielen kunnen we goed voorspellen hoe vaak en met welke boodschap elke klant moet worden gemaild. En stiekem weet elke marketeer donders goed dat niet elke klant op een dagelijkse email zit te wachten.

    Toch trapt menigeen in de valkuil en stuurt telkens weer opnieuw een mailing uit naar het hele klantenbestand. Het resultaat: de interesse van een klant ebt snel weg en de boodschap komt niet langer aan. Waarom doen marketeers dat? Omdat ze louter en alleen worden afgerekend op de omzet die ze genereren, niet op de klanttevredenheid die ze realiseren. Dat nodigt uit om iedereen zo vaak mogelijk te mailen. Op korte termijn groeit met elk extra mailtje immers de kans op een verkoop.

    Tip 2: Plaats de analisten in de business

    Steeds weer zetten retailers het team van analisten bij elkaar in een kamer, soms zelfs als onderdeel

    van de IT-afdeling. De afstand tot de mensen uit de business die de inzichten in praktijk moeten brengen, is groot. En te vaak blijkt die afstand onoverbrugbaar. Dat leidt tot misverstanden, onbegrepen analisten en waardevolle inzichten die onbenut blijven.

    Beter is om de analisten samen met de mensen uit de business bij elkaar te zetten in multidisciplinaire teams, die werken met scrum-achtige technieken. Organisaties die succesvol zijn, beseffen dat ze continu in verandering moeten zijn en werken in dat soort teams. Dat betekent dat business managers in een vroegtijdig stadium worden betrokken bij de bouw van datamodellen, zodat analisten en de business van elkaar kunnen leren. Klantkennis zit immers in data én in mensen.

    Tip 3: Neem een business analist in dienst

    Data-analisten halen hun werkplezier vooral uit het maken van fraaie analyses en het opstellen van goede, misschien zelfs overontwikkelde datamodellen. Voor hun voldoening is het vaak niet eens nodig om de inzichten uit die modellen in praktijk te brengen. Veel analisten zijn daarom ook niet goed in het interpreteren van data en het vertalen daarvan naar de concrete impact op de retailer. 

    Het kan verstandig zijn om daarom een business analist in te zetten. Dat is iemand die voldoende affiniteit heeft met analytics en enigszins snapt hoe datamodellen tot stand komen, maar ook weet wat de uitdagingen van de business managers zijn. Hij kan de kloof tussen analytics en business overbruggen door vragen uit de business te concretiseren en door inzichten uit datamodellen te vertalen naar kansen voor de retailer.

    Tip 4: Analytics is een proces, geen project

    Nog te veel retailers kijken naar alle inspanningen op het gebied van data en analytics alsof het een project met een kop en een staart betreft. Een project waarvan vooraf duidelijk moet zijn wat het gaat opleveren. Dat is vooral het geval bij retailorganisaties die worden geleid door managers uit de ‘oude generatie’ die onvoldoende gevoel en affiniteit met de nieuwe wereld hebben Het commitment van deze managers neemt snel af als investeringen in data en analytics niet snel genoeg resultaat opleveren.

    Analytics is echter geen project, maar een proces waarin retailers met vallen en opstaan steeds handiger en slimmer worden. Een proces waarvan de uitkomst vooraf onduidelijk is, maar dat wel moet worden opgestart om vooruit te komen. Want alle ontwikkelingen in de retailmarkt maken één ding duidelijk: stilstand is achteruitgang.

    Auteur: EY, Simon van Ulden, 5 oktober 2016

  • CIO bij overheid investeert vooral in cloud en security

    Logo overheid

    Cio's in de publieke sector hebben voor de investeringsagenda van 2018 cloudoplossingen, security en data-analyse bovenaan hun prioriteitenlijst staan. Ook business intelligence (bi) en datamanagement scoren hoog. Anders dan in andere sectoren zijn de cio's in de publieke sector nog nauwelijks bezig met kunstmatige intelligentie en IoT. 

    Dat blijkt uit cijfers van analistenbureau Gartner. Daaraan deden 461 cio's mee van nationale, federale en lokale overheden, defensie en inlichtingendientsen uit 98 landen. De uitkomsten zijn onderdeel van de 2018 CIO Agenda Survey, onder bijna 3200 cio's.

    De cio's binnen de publieke sector noemen: 'cloud solutions', 'cybersecurity' en 'analytics' als belangrijkste onderdelen van de ict-omgeving waarin in 2018 de meeste investeringen zullen plaatsvinden. Volgens de respondenten wordt de datacenterinfrastructuur het vaakst aangewezen als plek om kosten te besparen. Als belangrijkste prioriteit voor het verbeteren van de bedrijfsvoering wordt 'digital transformation' genoemd.

    Gartner legt de uitkomsten van de cio's in de publieke sector ook naast die van de hoogste ict-verantwoordelijken in alle andere sectoren. Daaruit blijkt dat sommige uitkomsten sterk verschillen. Voorbeelden is: 'artificial intelligence' (ai), ofwel kunstmatige intelligentie. Dat onderdeel ei

    ndigt in de algemene ranglijst binnen de top tien, maar onder de cio's van de publieke sector eindigt het op de negentiende plaats. Cio's binnen defensie en inlichtingendiensten vormen een uitzondering.

    Ook internet of things (IoT) heeft nog nauwelijks prioriteit op de investeringsagenda van cio's in de publieke sector. Hoewel het in het gemiddelde van cio's uit verschillende sectoren eindigt in de top-tien, komt IoT op de prioriteitenlijst van de cio's in de publieke sector uit op een twaalfde plek. 

    Smart city's

    Alleen lokale overheden (gemeenten) vormen een uitzondering doordat die cio's soms smart city-projecten ontplooien. Dat geldt ook weer voor cio's bij defensie en inlichtingendiensten. Maar over het algemeen is het monitoren van datastromen afkomstig van sensoren nog niet ver doorgedrongen op de lijst van prioriteitenlijst voor ict-investeringen bij de overheid.

    Top New Tech Spending

    Rank Government Priorities % Respondents
    1 Cloud services/solutions 19%
    2 Cyber/information security  17%
    3 BI/analytics 16%
    4 Infrastructure/data centre 14%
    5 Digitalisation/digital marketing 7%
    6 Data management 6%
    7 Communications/connectivity 6%
    8 Networking, voice/data communications 6%
    9 Application development 5%
    10 Software — development or upgrades 5%

    Bron: Gartner (januari 2018)

     

    Top Tech to achieve organisation's mission

     

    Rank Government Priorities % Respondents
    1 Cloud services/solutions 19%
    2 BI/analytics 18%
    3 Infrastructure/data centre 11%
    4 Digitalisation/digital marketing 6%
    5 Customer relationship management 5%
    6 Security and risk 5%
    7 Networking, voice and data communications 4%
    8 Legacy modernisation 4%
    9 Enterprise resource planning 4%
    10 Mobility/mobile applications 3%

    Bron: Gartner (Januari 2018)

  • Informatie kun je delen, kennis niet!

    Kennisdeling 2Binnen organisaties wordt veel aandacht besteedt aan kennisdeling. De gedachte is, dat door kennisdeling de concurrentiepositie van de organisatie wordt vergroot. Met de introductie van het kennisdelen op grote schaal lijken de communicatieproblemen toe te nemen. Communicatieproblemen zijn een grote bron van ergernis. Wat wordt er nu eigenlijk bedoelt met communicatieproblemen? Heeft de wijze van kennisdelen een aandeel in het toenemen van communicatieproblemen?

    Kennis kun je niet 1 dimensionaal overdragen

    Als je gaat verdiepen hoe kennisdelen werkt en hoe organisaties het uitvoeren zie je een discrepantie. Kennis is persoonsgebonden en kun je niet 1 dimensionaal overdragen. Informatie kun je daarentegen wel 1 dimensionaal overdragen. Wil je kennis overdragen dan dien je dat eerst te ontleden tot informatie. Die informatie moet dan wel aansluiten op iemands persoonlijke informatie, ervaring en vaardigheid wil die persoon de informatie kunnen transformeren tot kennis.

    Een goed verstaander zet informatie om in kennis

    Ga als proef eens naar een lezing waar je totaal niets van af weet. De kans is groot dat je weinig opsteekt omdat je de informatie niet kan verbinden met je persoonlijke informatie, ervaringen en vaardigheden. Vervolgens ga je naar een lezing met een onderwerp waar je wel veel van af weet. De kans is groot dat je er veel van opsteekt omdat je de informatie gemakkelijk verbindt met je persoonlijke informatie, ervaringen en vaardgheden. Het spreekwoord “Een goed verstaander heeft aan een half woord genoeg” is hier een voorbeeld van.

    Kennis komt procesmatig tot stand

    Kennis komt procesmatig tot stand. Een proces van feiten > gegevens > informatie > kennis > Wijsheid. Tussen de overgangen vindt er een transformatie plaats

    Wijsheid is een staat van bewustzijn waar feiten direct kunnen worden geplaatst in een context. Data en informatie kun je eenvoudig delen en wordt dan ook veel gedaan binnen organisaties. Alleen is het dan nog geen kennis. Informatie wordt pas kennis zodra het verbonden wordt met iemands persoonlijk informatie, ervaring en vaardigheid. Wordt informatie gedeeld, die niet aansluit op iemands persoonlijke informatie, ervaring en vaardigheid dan kan er ook geen kennisdeling plaats vinden.

    ‘Meester-gezel Leerling’

    Kennisdelen behelst meer dan wat er nu binnen organisaties wordt gedaan. Organisaties kunnen veel winst behalen met leren volgens het model ‘Meester-gezel Leerling’.

    “Het model ‘Meester-gezel Leerling’ is gebaseerd op de methodiek dat de ‘leerling’ meeloopt met de ‘meester’ en zich gaandeweg door afkijken, oefenen, meelopen, overnemen de beroepshandelingen eigen maakt. De Leerling wordt Gezel en mag zich na vele jaren Meester noemen. Voorbeelden kennen we bij beroepen, zoals bv. vioolbouwer, klokkengieter of glasblazer waarbij het vak in de werkkring pas echt geleerd kan worden.” Bron

    Kennisoverdracht druppelsgewijs

    Door een langdurig samenwerking van de ‘Meester-Gezel Leerling’ wordt kennis met informatie als tussenstap druppelsgewijs overgedragen die aansluit op iemands ervaring, vaardigheid en houding. Voor de Meester is het belangrijk om zijn kennis op een dusdanig manier tot informatie te verwerken zodat de leerling die informatie kan omzetten in kennis. Dit vereist veel tijd en aandacht van beiden kanten. Door kennis over te dragen aan de leerling leert ook de Meester meer over zijn expertise.

    Kortere dienstverbanden bemoeilijken kennisdelen

    Als je dat vergelijkt met hedendaagse organisaties dan staan we daar ver vanaf. Medewerkers worden bestookt met gestandaardiseerde informatie die niet aansluit op hun persoonlijke informatie, ervaring en vaardigheid. De steeds kortere dienstverbanden, groei van flexwerkers zorgt dat het delen van kennis steeds moeizamer gaat. Het is nog maar de vraag of deze werkwijze stand zal houden.

    Managers denken dat ze kennis overdragen terwijl ze dat niet doen

    Managers hebben veel kennis van de inhoud maar weinig kennis van kennisoverdracht en samenwerking 

    Het niet weten hoe je kennis over moet dragen zou geen probleem zijn als dat zou worden erkend. Managers denken dat ze kennis aan het overdragen terwijl ze dat niet doen. Die misvatting zorgt voor veel frustraties van zowel de manager als de medewerker.

    Leerlingen komen van school af met een hoofd vol informatie maar geen kennis

    Binnen het onderwijs vindt een vergelijkbaar proces plaatst. Daar wordt gedacht dat er aan kennisoverdracht wordt gewerkt terwijl ze aan informatieoverdracht doen. Schoolverlaters bezitten voornamelijk informatie wat nog niet is omgezet in kennis. Het is dan ook niet vreemd dat er een grote kloof is tussen wat organisaties nodig hebben en wat scholen leveren.

    Van informatie- naar kennisoverdracht

    De eerste stap die nodig is het erkennen dat er binnen organisaties geen kennisoverdracht plaatst vindt maar informatieoverdracht. Dat maakt de weg vrij om werkwijzen te introduceren zoals ‘Meester-Gezel Leerling’ die informatie omzet naar kennis. Waarschijnlijk zullen de steeds kortere dienstverbanden en de groei in flexwerkers worden afgeremd. Kennisoverdracht in specifieke branches verg nu eenmaal tijd en aandacht die je eenmaal verkregen niet zomaar weggooit.

    Mensen zijn geen robots

    Mensen zijn geen robots die je even snel programmeert met informatie. Mensen zijn unieke en creatieve wezens die pas tot hun recht komen als er veel tijd en aandacht besteed wordt aan het leerproces. Mensen verrijken daarbij de overgedragen kennis met hun eigen persoonlijke informatie, ervaringen en vaardigheden. Zo wordt de kennis verdiept en verbreedt. Een win win dus!

    Auteur: Sybren van de Schaar

    Bron: managementsite

  • Kerstman in het land

    Kerstcadeau bijna 100 euro

    2kerstboom222

    Consumenten die kerst vieren met cadeaus geven daar gemiddeld bijna 100 euro aan uit. Een ruime m
    eerderheid van de werkenden (70%) ontvangt ook van hun werkgever een cadeau.
    Dit concludeert het  ING Economisch Bureau uit een peiling onder ruim 60.000 mensen. Hieruit blijkt ook dat de helft van de werkenden vrij is tussen Kerst en Nieuwjaar. Nederland draait die dagen dus 'op halve kracht'.

    Bijna 100 euro

    Veel consumenten gaan voor kerst in de winkel of online op zoek naar boeken, sieraden, parfums en andere verrassingen voor hun naasten. Gemiddeld geven zij hier 97 euro aan uit. De kerstuitgaven lopen wel sterk uiteen. Zo zegt bijna een kwart (23%) meer dan 200 euro uit te geven aan cadeaus voor familie en vrienden. Bij één op de zes blijven de uitgaven beperkt tot maximaal 20 euro.

    Kerstpakket

    Ook veel werkgevers tonen zich van hun goede kant. Zeven op de tien (70%) van de werknemers ontvangen een kerstpakket. Voor de meesten van hen (63%) was dat vorig jaar ook het geval. Een kleine groep (7%) krijgt dit jaar een pakket, terwijl ze vorig jaar nog met lege handen stonden. Zij zijn bijvoorbeeld van baan veranderd, of hun werkgever heeft besloten dit jaar wel een kerstpakket uit te delen. 30% moet het dit jaar zonder kerstpakket doen.

    Halve kracht

    De helft van de werkenden (50%) gaat na het uitpakken van alle kerstcadeaus weer maandag aan het werk. De andere helft neemt vrij tussen Kerst en Nieuwjaar. 

    Bron: BI, 24 december 2014
  • New kid on the block in Market Intel

    radar ontvangers

    Market intelligence neemt een vlucht. Nu ondernemingen hun interne informatiehuishouding in toenemend mate in orde hebben

    gaat de aandacht (opnieuw?) uit naar de informatievoorziening met betrekking tot de markt van ondernemingen. Opnieuw? Ja, opnieuw!

    Als sinds de ’60er jaren staat het onderwerp midden in de belangstelling maar onder invloed van informatietechnologische ontwikkelingen werd het steeds naar de achtergrond gedrongen door aandacht voor de interne optimalisering van de informatiehuishouding. Executive informatiesystemen (een term uit de jaren ’80) leidde tot BI en BI tot DWH, ETL, Reporting en score carding. De toename van data op social media, het net en de mogelijkheden op het gebied van ongestructureerde data – data mining maar ook machine learning voedden nu opnieuw de aandacht voor toepassing van technologie bij het beter kennen van de bedrijfsomgeving. Het belang daarvan is dus niet veranderd maar de mogelijkheden nemen wel toe.

    Drie jaar geleden werd Hammer, market intelligence opgericht met als doel bedrijven van market intel te voorzien met gebruikmaking van moderne data technologie. Egbert Philips (Director van het in Arnhem gevestigde Hammer); “Wat betreft management informatie zou er minstens zo veel aandacht moeten zijn voor het kennen en doorgronden van markt en bedrijfsomgeving als voor de interne prestaties. Dit zou niet afhankelijk moeten zijn van technologische mogelijkheden. De ontwikkeling van data science en big data technologieën maken het wel mogelijk market intelligence beter en efficiënter in te richten. Daar richten we ons met Hammer op. We willen een partner zijn voor bedrijven die hun markten structureel willen kennen en doorgronden. Informatie technologie blijft daarbij een middel maar wel een heel belangrijk middel.”

    Hammer is weliswaar een jonge onderneming maar bepaald niet nieuw in het veld. De oprichters zijn reeds jarenlang actief in market intel en de toepassing daarvan in onder ander strategische planning vraagstukken. Hammer ondersteunt echter ook meer tactische beslissingen. Vraagstukken met betrekking tot pricing, sourcing/inkoop, het kiezen van distributiepartners, productontwikkeling en business development kunnen niet goed worden beantwoord zonder input van marktinformatie.

    Eind november organiseert Hammer een klantevent. Wanneer u geïnteresseerd bent stuur dan een e-mail naar info@hammer-intel.com

    http://www.hammer-intel.com

     

  • Top 10 trends BI

    Kijk hier eens voor de mooie trends.
     
    Bron: BI landschap, 24 december 2014
  • Toveren met Talent Analytics?

    talentmanagementOrganisaties kunnen op tal van terreinen nog winnen aan intelligentie. Afhankelijk van de definitie van intelligentie (een intelligente organisatie is echt iets anders dan dingen gewoon  slim doen) kunnen we bijvoorbeeld ook veel intelligenter HRM bedrijven.

    Zoals bij veel functionele disciplines al het geval is, komt nu ook bij HR het gebruik van informatietechnologie in de belangstelling te staan.

    Rocket science? Gaat dit de discipline overbodig maken? Welnee. Zoals altijd gaat het om het nemen van goede of betere beslissingen. In dit geval ten aanzien van de ontwikkeling van het menselijk kapitaal in de onderneming. En de beste beslissingen worden nog altijd genomen met kennis van zaken. En kennis van zaken is op data en inzichten gebaseerd. En data is steeds meer beschikbaar. Nu ook ten aanzien van mensen en hun talent. Het gaat erom die data te gebruiken. Daarvoor moeten we de data alleen toegankelijk en toepasbaar maken. En dit is geen rocket science!

    Toch raakt ook de HR manager (net als zijn collega uit andere disciplines overigens) van slag als de ‘ICT tovenaars’ met beloften van Big Data technologie aankomen. How come? Omdat we nog steeds denken dat de wetten van de functionele discipline overbodig worden als automatisering voorbij komt? Omdat we bang zijn te zeggen dat we die technologie niet snappen of er de relevantie niet van zien? Omdat we tegen de ICT-er niet durven te zeggen dat het leuk klinkt maar dat onduidelijk blijft wat de toegevoegde waarde is voor onze discipline (waar de ICT-er doorgaans niets van snapt)? Zijn dit mogelijke oorzaken? Of speelt er iets anders?

    Het is hier in ieder geval oppassen geblazen. Big data en data mining leveren geen beslissingen maar nieuwe data en correlaties; mogelijke inzichten die tot kennis kunnen verworden als we statistisch en methodisch goed genoeg zijn onderlegd. Als bijvoorbeeld blijkt dat alle goede sales managers in Oktober zijn geboren betekent dit niet dat ‘geboren in Oktober’ een kwalificerende functie-eis moet zijn.. Om maar een potentiële valkuil te noemen. Wel kunnen in alle fasen van talent management (integrale proces van talent werving, selectie, training, ontwikkeling en promotie) met behulp van meer data en datatechnologie betere beslissingen worden genomen. Een data-infrastructuur die data genereert, analyseert en op maat  aanbiedt voor besluitvorming, kan dan veel toegevoegde waarde opleveren. Mits met kennis van zaken ingericht.

  • Where is technology to improve HR?

    Technology can help HR fix the people thing by allowing them to do the ‘simple but difficult’ things better and on a broader scale.

    It isn’t about doing ‘clever’ things. For example, technology should be used to help a people manager select the person 

    talentmanagementthey believe they need to do the job. It is not there to find a better person than the manager believes they want. 

    How does this work? If a ‘clever’ selection process is so detached from the manager (who doesn’t know what he wants) that the ‘right recruit’ gets through the process, that person will have no chance of performing as the ‘clever HR person’ wants or expected them to. They will do what the manager tells them to do. These mismatched expectations can lead to attrition.

    The real problem is that the people manager is wrong; they don’t want to recruit the person the strategy demands. In this world of ‘clever’ everything is disconnected but in the world of simple but difficult everything must connect and must integrate. ‘Simple HR’ may only be ‘roughly right’ but it’s much better than ‘clever HR’ that can be ‘precisely wrong.’

    The new HR systems deliver insight and support to do the ‘simple business things’ (like selecting the right person)they will now demand. The business world wants insight and speed of change. Therefore the HR systems and the HR function must change; they must support the leaders to do the simple but difficult things needed to get the people thing right. Big data technologies, BI-tools and information processes are able to deliver value here in a very easy but simple way! It is to the HR person to grab this value.

EasyTagCloud v2.8