Download het complete e-book met alle verhalen
Close
Download het E-book
Laat je gegevens achter om het E-book te downloaden.
By clicking the button you agree our Privacy Policy
Data silo's doorbreken
Hoe meer data bij elkaar wordt gebracht, hoe meer waardevolle informatie je hieruit kunt halen. Bij veel traditionele organisaties zit de data echter nog 'verstopt' in verschillende systemen, applicaties, databases en soms zelfs op lokale computers. Deze zijn niet op elkaar aangesloten en zijn ontwikkeld op afdelingsniveau. Er is sprake van data silo's. Doordat data niet bij elkaar kan worden gebracht, mist een overzicht wat er allemaal beschikbaar is. Daardoor blijven waardevolle inzichten uit.

Tim Pijl, Senior Data Analytics Engineer bij Finaps, vertelt over zijn visie op data silo's. Hoe kun je ze doorbreken om waardevolle inzichten voor jouw organisatie te ontdekken?

Wie is Tim Pijl?

“Als Data Analytics Engineer maak ik de vertaalslag tussen wat klanten willen en wat daadwerkelijk kan. Ik open de ‘blackbox’ van Artificial Intelligence en Business Intelligence. Het is mijn rol om te kijken wat precies het doel is en wat het oplevert. Daarnaast laat ik mensen bewust worden van wat je met data kan, waarom bijvoorbeeld iets als dataversnippering een probleem is en waarom voorspellingen niet altijd 100% accuraat zijn. Dit is stiekem vaak de grootste uitdaging. Ik ben de verbinder tussen de business en de technologie!”

Aan de slag met het doorbreken van data silo’s

“Als er in het bedrijf sprake is van data silo’s dan is data gedreven werken onmogelijk.”, vertelt Pijl stellig. Er kunnen daardoor namelijk geen beslissingen worden genomen op basis van alle beschikbare data en het onderbuikgevoel regeert. Om data silo’s te doorbreken, is het belangrijk een geleidelijk proces in gang te zetten. Pijl ziet in dit proces drie belangrijke pijlers: mensen, processen en systemen.

  1. Mensen: De belangrijkste stap om data silo’s tegen te gaan, is het teweegbrengen van een cultuurverandering. Er moet een data gedreven cultuur ontstaan. Hierin zijn alle stakeholders overtuigd van de noodzaak van het doorbreken van data silo’s. Het is duidelijk hoe mensen werken met de data en hoe zij zich houden aan de bestaande processen. Iedereen wordt opgeleid om beter met data te kunnen werken. Bovendien is er bij iedereen een intrinsieke motivatie om te werken met de digitale oplossing.
  2. Processen: “Ten tweede heb je de processen.”, zegt Pijl. “Dat is zowel een technische, als een menselijke uitdaging. Hierbij is het belangrijk om stil te staan bij welke processen je inricht, hoe je ervoor zorgt dat mensen zich aan deze processen houden en dat de processen up to date blijven en gewaarborgd worden.”
  3. Systemen: Als je real-time datatoegang nodig hebt, moet je daarvoor een geschikte infrastructuur opzetten. Dat is een technische uitdaging, omdat er één overkoepelend datawarehouse moet komen te liggen, om data silo’s te doorbreken. Met een datawarehouse komt de data uit alle verschillende systemen samen op één plek en kunnen er nieuwe inzichten ontstaan.

Hoe ziet de wereld van morgen eruit?

Als het gaat over de toekomst dan ziet Pijl vaak buzzwords als ‘Quantum computing’, ‘streaming analytics’ en ‘blockchain’. “Ontzettend gave technologieën! Maar je kunt er pas mee beginnen wanneer de basis van jouw data analytics staat. Krijg eerst de rapportages en dashboards op orde. Zorg dat de datakwaliteit van een dusdanige standaard is dat je ermee kunt werken. En verbind eerst de data van verschillende afdelingen binnen je organisatie. Dan heb je al belangrijke stappen gezet richting een toekomstbestendige en datagedreven organisatie.”

Aan de slag

Pijl is duidelijk over zijn motto: “Altijd groot denken, maar klein beginnen.”. “Begin met iets wat echt waarde oplevert. Het laaghangende fruit waar mensen baat bij hebben. Start met het opbouwen van een aantal use cases. Wanneer de rest van de organisatie het resultaat ziet van de kleinschalige use cases, dan ontstaat er bij hen ook enthousiasme. Zo ontstaat er steeds meer acceptatie binnen de organisatie en kan er verder kan worden uitgebreid."

Begin gewoon met stapje voor stapje en stel jezelf eerst een aantal vragen:

  • Wat hebben we nodig?
  • Waar zit de data?
  • Hoe koppelen we die data aan elkaar?
  • Hoe regelen we de juiste processen in zodat de volgende stappen veel makkelijker en sneller gaan?

Welke boodschap wil je meegeven?

“Vergeet het menselijke aspect niet. Stel de technologie, de coole features of de toffe technologieën niet boven de mensen die daar uiteindelijk mee moeten gaan werken. Dat moet je altijd in je achterhoofd houden. Weet wie je eindgebruiker is en weet wat zijn of haar problemen zijn en probeer die op te lossen. Probeer op die manier waarde te creëren. Zie data gedreven werken of dataversnippering tegengaan niet als een doel op zich. Zie het als een middel om een probleem op te lossen. Ga met een use case aan de slag en kijk wat je daarvoor nodig hebt. Begin klein en bouw het steeds verder uit. Je wilt niet alles in één keer doen. Heb een visie over het eindproduct en definieer concrete stappen over hoe je daar gaat komen.”

Heb je nog gedachtes over het partnership tussen SAS en Finaps?

Om waarde versnippering tegen te gaan, is het partnership tussen SAS en Finaps is erg waardevol. SAS heeft een integraal platform voor het bij elkaar brengen van verschillende databronnen. Ze bieden oplossingen “van A tot Z”, van data ingestion tot en met data rapportages en predictive analytics. Het gebruik van data heeft meerdere facetten en SAS biedt een mooi platform om gestandaardiseerde oplossingen neer te zetten. Het biedt de kans om klein te kunnen beginnen en use cases uit te bouwen en het steeds groter te maken.



Wie is Tim Pijl?
"Als Data Analytics Engineer maak ik de vertaalslag tussen wat klanten willen en wat daadwerkelijk kan. Ik open de 'blackbox' van Artificial Intelligence en Business Intelligence. Het is mijn rol om te kijken wat precies het doel is en wat het oplevert. Daarnaast laat ik mensen bewust worden van wat je met data kan, waarom bijvoorbeeld iets als dataversnippering een probleem is en waarom voorspellingen niet altijd 100% accuraat zijn. Dit is stiekem vaak de grootste uitdaging. Ik ben de verbinder tussen de business en de technologie!"

Aan de slag met het doorbreken van data silo's
"Als er in het bedrijf sprake is van data silo's dan is data gedreven werken onmogelijk.", vertelt Pijl stellig. Er kunnen daardoor namelijk geen beslissingen worden genomen op basis van alle beschikbare data en het onderbuikgevoel regeert. Om data silo's te doorbreken, is het belangrijk een geleidelijk proces in gang te zetten. Pijl ziet in dit proces drie belangrijke pijlers: mensen, processen en systemen.

  1. Mensen: De belangrijkste stap om data silo's tegen te gaan, is het teweegbrengen van een cultuurverandering. Er moet een data gedreven cultuur ontstaan. Hierin zijn alle stakeholders overtuigd van de noodzaak van het doorbreken van data silo's. Het is duidelijk hoe mensen werken met de data en hoe zij zich houden aan de bestaande processen. Iedereen wordt opgeleid om beter met data te kunnen werken. Bovendien is er bij iedereen een intrinsieke motivatie om te werken met de digitale oplossing.
  2. Processen: "Ten tweede heb je de processen.", zegt Pijl. "Dat is zowel een technische, als een menselijke uitdaging. Hierbij is het belangrijk om stil te staan bij welke processen je inricht, hoe je ervoor zorgt dat mensen zich aan deze processen houden en dat de processen up to date blijven en gewaarborgd worden."
  3. Systemen: Als je real-time datatoegang nodig hebt, moet je daarvoor een geschikte infrastructuur opzetten. Dat is een technische uitdaging, omdat er één overkoepelend datawarehouse moet komen te liggen, om data silo's te doorbreken. Met een datawarehouse komt de data uit alle verschillende systemen samen op één plek en kunnen er nieuwe inzichten ontstaan.
Hoe ziet de wereld van morgen eruit?
Als het gaat over de toekomst dan ziet Pijl vaak buzzwords als 'Quantum computing', 'streaming analytics' en 'blockchain'. "Ontzettend gave technologieën! Maar je kunt er pas mee beginnen wanneer de basis van jouw data analytics staat. Krijg eerst de rapportages en dashboards op orde. Zorg dat de datakwaliteit van een dusdanige standaard is dat je ermee kunt werken. En verbindt eerst de data van verschillende afdelingen binnen je organisatie. Dan heb je al belangrijke stappen gezet richting een toekomstbestendige en datagedreven organisatie."

Aan de slag
Pijl is duidelijk over zijn motto: "Altijd groot denken, maar klein beginnen.". "Begin met iets wat echt waarde oplevert. Het laaghangende fruit waar mensen baat bij hebben. Start met het opbouwen van een aantal use cases. Wanneer de rest van de organisatie het resultaat ziet van de kleinschalige use cases, dan ontstaat er bij hen ook enthousiasme. Zo ontstaat er steeds meer acceptatie binnen de organisatie en kan er verder kan worden uitgebreid."

Begin gewoon met stapje voor stapje en stel jezelf eerst een aantal vragen:

  • Wat hebben we nodig?
  • Waar zit de data?
  • Hoe koppelen we die data aan elkaar?
  • Hoe regelen we de juiste processen in zodat de volgende stappen veel makkelijker en sneller gaan?
Welke boodschap wil je meegeven?
"Vergeet het menselijke aspect niet. Stel de technologie, de coole features of de toffe technologieën niet boven de mensen die daar uiteindelijk mee moeten gaan werken. Dat moet je altijd in je achterhoofd houden. Weet wie je eindgebruiker is en weet wat zijn of haar problemen zijn en probeer die op te lossen. Probeer op die manier waarde te creëren. Zie data gedreven werken of dataversnippering tegengaan niet als een doel op zich. Zie het als een middel om een probleem op te lossen. Ga met een use case aan de slag en kijk wat je daarvoor nodig hebt. Begin klein en bouw het steeds verder uit. Je wilt niet alles in één keer doen. Heb een visie over het eindproduct en definieer concrete stappen over hoe je daar gaat komen."

Heb je nog gedachtes over het partnership tussen SAS en Finaps?
Om waarde versnippering tegen te gaan, is het partnership tussen SAS en Finaps is erg waardevol. SAS heeft een integraal platform voor het bij elkaar brengen van verschillende databronnen. Ze bieden oplossingen "van A tot Z", van data ingestion tot en met data rapportages en predictive analytics. Het gebruik van data heeft meerdere facetten en SAS biedt een mooi platform om gestandaardiseerde oplossingen neer te zetten. Het biedt de kans om klein te kunnen beginnen en use cases uit te bouwen en het steeds groter te maken.