Enhanced Insights

KILL THE DASHBOARD

De laatste tijd worden te veel woorden gehyped en vooral de Tech-industrie is hier schuldig aan. Een van de door iedereen achteloos gebruikte tech-woorden is realtime dashboardtechnologie. Toegegeven, dashboards kunnen er heel mooi uitzien en ja, ze stellen ons in staat om op elk moment te monitoren wat er gebeurt. Vaak hebben we echter geen idee hoe we moeten interpreteren wat we zien. Niet omdat we niet intelligent genoeg zijn, maar vooral omdat we altijd hetzelfde zien en er zo aan gewend raken dat het geen nieuwe inzichten meer oplevert. En wanneer er wél interessante dingen te zien zijn, zijn we zo overvoerd met informatie dat het echte inzicht niet tot ons doordringt.

Machine learning zou hier een oplossing moeten bieden, maar het toepassen ervan is zo ver verwijderd van de realiteit dat het tot iets lachwekkends leidt. Dit hoeft echter niet. Waarom niet twee vliegen in één klap slaan door machine learning waardevoller te maken en de spreadsheets en de dashboards overbodig. Om dit te realiseren is lef nodig. Lef om de populaire spreadsheets en dashboardgrafieken aan de kant te zetten. Ook is lef nodig om voorspellingssystemen voor machine learning te ontwikkelen die zijn gebaseerd op zakelijke doelstellingen.

Je zou de vraag moeten stellen of je dingen uit gewoonte doet of omdat ze iets opleveren.Door de voorspellingen gericht op de gebruiker en hun rollen te ontwerpen, neemt de behoefte aan diagrammen af. Dit geldt nog meer wanneer interne informatie gecombineerd wordt met externe beschikbare data.

De afgelopen tien jaar is er een ontwikkeling geweest van statische rapporten naar real-time dashboards. Nu is het tijd om over te gaan op proactieve analyses met algoritmen die uitschieters kunnen detecteren en waarschuwen wanneer iets niet actueel is. Tegelijkertijd kunnen geavanceerde statistieken eenvoudiger toegankelijk gemaakt worden.

Als je bijvoorbeeld commercieel vastgoed beheert, is het niet voldoende om een adres te weten. Het toevoegen van geolocaties en aanvullende geo-informatie kan de voorspellingen voor toekomstige prestaties van commerciële objecten aanzienlijk vergroten. Tegelijkertijd kunnen de operationele prestaties worden gemaximaliseerd door de kansen op verbetering te voorspellen. Op deze manier zijn locatiegegevens betekenisvol in plaats van alleen maar een stip op een mooi gekleurde kaart.

Door het combineren van historische weersinformatie met je eigen airconditioninggegevens, kunnen bijvoorbeeld voorspellingen verkregen worden over wanneer je de temperatuur moet aanpassen. Daarnaast wordt het mogelijk dat gebouwenbeheerders of onderhoudsbedrijven alleen meldingen ontvangen wanneer ze in actie moeten komen.

En als je dan toch bezig bent, maak dan ook korte metten met de datalake. Er zullen altijd meer gegevens zijn om te verzamelen, maar als het alleen maar gaat om het verzamelen om gegevens te hebben word je een hamsteraar en verlies je het doel uit het oog. Daar komt bij dat je bij het maken van voorspellingsmodellen er vaak achterkomt dat je niet beschikt over de gegevens die je echt nodig hebt. Voor echt verbeterde inzichten kan je het beste beginnen met wat je wil en slim je eigen gegevens combineren met externe beschikbare data, zoals API`s van derden. Verbeterde inzichten helpen je in het denkproces, in plaats van je te verdoven met het voor de hand liggende.