Het Probleem van Versnipperde Data
Veel organisaties kennen het probleem: ze beschikken over veel data, verspreid over verschillende systemen, maar weten niet goed hoe ze hier waarde uit kunnen halen. Door data te centraliseren, op te schonen en te combineren, kunnen waardevolle inzichten worden verkregen die leiden tot financiële besparingen, verbeteringen van producten of efficiënter inzetten van resources, zoals besproken in de verrassende waarheid over data-inzichten. Deze blog legt uit hoe je stap voor stap waarde kunt halen uit data.
Verschillende Data Bronnen
Data komt in vele vormen. Denk bijvoorbeeld aan sensoren die vastleggen hoe vaak een deur geopend wordt, hoeveel bezoekers een website trekt, wat de temperatuur in een ruimte is, of hoe vaak een machine een foutmelding geeft. Veel van dit soort gegevens kunnen automatisch worden opgeslagen in datastructuren. Maar het opslaan alleen leidt nog niet tot nuttige informatie: al die losse bestanden of databasevermeldingen bieden op zichzelf weinig inzicht. Deze informatie is vaak ruw en moeilijk te interpreteren. Dit noemen we ruwe data.
Opschonen van Data
Om waardevolle informatie te halen uit ruwe data, moet deze data worden opgeschoond. Opschonen betekent data verbeteren door fouten te verwijderen, gegevens in een consistent formaat op te slaan (bijvoorbeeld alle kolommen in hoofdletters) en waar nodig afgeleide kolommen toe te voegen (zoals leeftijd omzetten naar een kolom ‘IsVolwassen’). Een goede data opschoning maakt de data betrouwbaarder en beter geschikt voor verdere analyse, zodat waardevolle inzichten kunnen worden verkregen.
Voorbeeld: Een systeem geeft eens per uur door wat de temperatuur en luchtvochtigheid van een ruimte is. Deze data komt ‘ruw’ het systeem binnen en bevat onder meer de datum/tijd, de luchtvochtigheid en de temperatuur. Bij het opschonen van de data zien we dat er heel af en toe een databestand wordt ontvangen met een luchtvochtigheid van > 100%. Deze data is onjuist en wordt vervolgens gemarkeerd en verwijderd. We voegen vervolgens een kolom toe die de luchtvochtigheid omzet in de categorieën ‘laag’/‘goed’/‘hoog’.
Informatie Halen uit Schone Data
Om informatie te halen uit ruwe data moeten we deze opschonen. Opschonen is het proces waarin data wordt verbeterd. Daarbij moeten we dan denken aan het verwijderen van foute data, data in een consistent formaat opslaan (bijvoorbeeld alle kolommen in Hoofdletters) maar ook het toevoegen van afgeleide kolommen (leeftijd naar een kolom ‘IsVolwassen’). Door deze data te verbeteren wordt het beter geschikt om er informatie uit te halen.
Voorbeeld: In het eerdere voorbeeld kregen we eens per uur informatie over luchtvochtigheid en temperatuur door. Deze informatie is vervolgens opgeschoond. Stel dat deze ruimte ook informatie heeft over het aantal personen dat aanwezig is, dan kunnen we dus aangeven hoe vaak het voorkomt dat de temperatuur/luchtvochtigheid een ongewenst niveau heeft als er aanwezigen zijn. Als de temperatuur/luchtvochtigheid ongewenst is terwijl er niemand aanwezig is (zomervakantie tijdens het middaguur, of juist in de nacht) dan hoeft dat niet per definitie een probleem te zijn.
Waarde Creëren door Geautomatiseerde Inzichten
Nu we schone data hebben, kunnen we de volgende stap nemen: informatie halen uit de data. Een veelgebruikte manier hiervoor is het maken van (interactieve) dashboards die data visualiseren. Door de juiste visuals te gebruiken, kunnen we snel zien hoe een systeem zich over de tijd ontwikkelt. Het wordt echter nog interessanter als we informatie van verschillende systemen gaan combineren, want door deze te koppelen kun je echt waarde halen uit data.
Conclusie
Door data niet alleen te verzamelen, maar ook te verbeteren, te centraliseren en te combineren, kunnen bedrijven waardevolle inzichten verkrijgen die leiden tot efficiëntere processen, kostenbesparingen en betere strategische beslissingen. Wanneer deze inzichten via dashboards zichtbaar worden gemaakt, verandert data van een ruwe bron in een krachtige tool voor groei en concurrentievoordeel.