Wat houdt 'Data intelligence' in?
Waar oorspronkelijk zoveel mogelijk losse data (big data) werden verzameld in een database, kiezen organisaties er nu vaker voor om alleen relevante data te verzamelen. Die combineert men zo dat er nieuwe inzichten ontstaan, waardoor organisaties (betere) beslissingen kunnen nemen.
Om deze data op een relevante manier te kunnen koppelen, zet men algoritmeframeworks in, ook wel ‘data driven decision making’ of ‘businessintelligence’ genoemd. Het kan bijvoorbeeld een organisatie helpen om problemen in interne bedrijfsprocessen op te sporen, bedrijfsrapportages te automatiseren of gedrag van klanten beter te begrijpen.
“Data verzamelen in een database is eendimensionaler dan werken met data voor businessintelligence, dat je meer kunt zien als driedimensionaal data combineren.”
Geert Timmermans (team leader softwareontwikkeling)
Met dashboards kun je data-analyses visueel laten zien aan beslissers in organisaties. Services waarmee je zelf een dataplatform en dashboards kunt bouwen, schieten als paddenstoelen uit de grond.
Bij het ontwikkelen en beheren van dataplatforms spelen thema’s als veiligheid, privacy, transparantie en ethiek een belangrijke rol. Sommige ICT-bedrijven ontwikkelen zelf onderwijs rondom data intelligence om werknemers op te leiden.
Wat is de impact van 'Data intelligence' op dossierniveau?
Deze trend raakt vooral de dossiers softwareontwikkeling en IT systems and devices, waarbij gebruiksvriendelijkheid als thema door beide dossiers heen loopt.
-
Wat verandert er?
Steeds meer organisaties werken met interne dataplatforms of datawarehouses, die data uit verschillende onderliggende databases centraal opslaan en verwerken. Om de opzet van een dergelijk dataplatform te ontwikkelen, zet men data engineers of data architects in.
Als eenmaal de opzet is uitgedacht, wacht er veel uitvoerend werk. Je moet bijvoorbeeld vanuit bestaande dashboards data uit allerlei losse databestanden overplaatsen naar een dataplatform. Dit noemt men ook wel . Geert Timmermans (team leader softwareontwikkeling) vertelt: “Als je met intelligence werkt, heb je kennis van het ETL-proces nodig, waarbij je data uit allemaal bronnen verzamelt en in grote hoeveelheden naar een intelligence platform overbrengt.”.
Het dataplatform vraagt vervolgens om continue controle en onderhoud. Hierbij is functioneel beheer belangrijk, zodat het platform en de achterliggende applicaties blijven draaien. Het gaat dan deels om repeterende handelingen, zoals het updaten van de datalabels.
“Als de data-architectuur is bedacht, moet je zorgen dat alles blijft werken, zoals updates invoeren, labelen en herbenoemen.”
Maaike van Kessel (Noorderpoort)De dashboards en de rapportages moet je programmeren en visualiseren. Voor de eindgebruiker, die op basis van de inzichten uit het dashboard beslissingen neemt, is het van belang dat de dashboards zo gebruiksvriendelijk mogelijk zijn. Maaike van Kessel, die practor digitaal vakmanschap is bij mbo-opleider Noorderpoort, licht toe: “Je moet er een rapport uit kunnen krijgen met een grafiekje of een rood cijfertje, zodat een gebruiker meteen ziet wat er wel en niet goed gaat in een bedrijfsproces.”.
Bij het opzetten en onderhouden van dataplatforms speelt zowel ethiek als beveiliging een belangrijke rol. Je moet weten dat de data schoon zijn en op de juiste plek terechtkomen, zodat je geen onjuiste of zelfs onethische verbanden legt. Daarnaast moet je een dataplatform goed beveiligen, zodat men niet zomaar aanpassingen kan aanbrengen of data downloaden.
Ten slotte is federatief leren (federated learning) in opkomst. Dit is een decentrale en privacyvriendelijke vorm van machine learning. Er is geen centrale database nodig waar alle gevoelige data in moet worden gestopt. Zo kan de data ook niet lekken. In plaats van dat de data naar het machine learning model wordt gebracht, brengt federatief leren het machine learning model naar de data. Na het uitvoeren van de berekeningen worden alleen de geanonimiseerde (tussen)resultaten gedeeld met de organisaties die het onderzoek uitvoeren, niet de privacygevoelige data zelf (TNO).
Geert Timmermans (team leader softwareontwikkeling)
“De toekomst is meer voor federated learning, een methode waarbij de data gedecentraliseerd blijft in het belang van privacy en security.”
Wat is de invloed op de werkzaamheden?
Het onderhouden en updaten van dataplatforms en bijbehorende algoritmeframeworks vraagt om beginnende beroepsbeoefenaars die kritisch en analytisch kunnen werken. Om databases te controleren en te updaten, is oog voor detail gewenst. Om aanpassingen te kunnen doen in de backend van applicaties waarop een dataplatform draait, is het handig om overzicht te hebben van het gehele platform en te begrijpen welk doel de aanpassing dient. Deze taken overlappen deels met functioneel beheer en de benodigde kennis daarbij, zoals technische kennis van data en applicaties.
Gebruiksvriendelijkheid creëren en bewaken
Om een dashboard gebruiksvriendelijk te maken, is het van belang in gesprek te gaan met gebruikers en hun wensen en behoeften in kaart te brengen. Hiervoor moet een beginnende beroepsbeoefenaar over sociale en communicatieve vaardigheden beschikken.
De frontendontwikkeling van een dataplatform, dat de inzichten uit data visualiseert, vraagt om analytische en ontwerpvaardigheden. Bij softwareontwikkeling komen naast websites en apps dus ook dashboards of datarapportages vaker aan bod. Het programmeren zelf van dergelijke dashboards gebeurt ook steeds visueler.
Daarnaast vraagt data intelligence om datavaardigheid en gevoel voor data en ethiek. Dit vereist reflectief vermogen en het bevragen van het eigen handelen. Je kunt van alles meten, maar wil je dat? Hoe sla je data van mensen verantwoord op? Mag je bepaalde verbanden tussen data wel leggen?
Data intelligence als nieuwe richting?
Ten slotte kwam uit de gesprekken met experts naar voren dat ze businessintelligence en datagedreven werken als een vak apart zien. Met keuzedelen of specialisaties is de groeiende behoefte aan developers met vaardigheden hierin op te vangen. Men vraagt zich af of er geen hele nieuwe stroming ontstaat, die misschien zelfs om een complete opleiding vraagt.
-
Wat verandert er?
Dataplatforms staan op een interne server of in de cloud, afhankelijk van de wens van de organisatie. De servers waarop een dataplatform en de onderliggende applicaties draaien, zijn van cruciaal belang. Als er een storing optreedt en de servers down gaan, dan kan dat direct grote gevolgen hebben voor de bedrijfsprocessen. Als het dataplatform in de cloud draait, zijn cloudbeveiliging en onderhoud essentieel. Daarnaast moet je een dataplatform zelf goed beveiligen, zodat men niet zomaar aanpassingen kan aanbrengen of data downloaden.
Er zijn ook steeds meer databronnen. Met internet-of-things toepassingen komen er meer hardwareproducten waarmee je data kunt verzamelen, die vervolgens in een dataplatform terecht kunnen komen. Het beveiligen en beheren van dit soort hardware is belangrijk. De juiste beveiliging van dataplatforms is cruciaal, zodat gevoelige persoonsdata niet op straat komen te liggen.
Wat is de invloed op de werkzaamheden?
De opkomst van data intelligence en bijbehorende platforms betekent voor beginnende beroepsbeoefenaars dat zij kennis van en ervaring met het beveiligen hiervan moeten hebben, zowel op servers als in de cloud. Daarnaast is de beveiliging van het platform zelf en de specifieke data hierop van belang. Dit vraagt kennis van actuele beveiligingsnormen.
Datavaardigheid en gevoel voor ethiek
Bij data intelligence is datavaardigheid en gevoel voor data en ethiek van belang. Dit vereist reflectief vermogen en het bevragen van het eigen handelen rondom het beheren van dergelijke platforms. Je kunt van alles meten, maar wil je dat? Hoe beheer en beveilig je data van mensen verantwoord?