Een praktische benadering van zakelijke impact van Data & AI | Tien bewezen tactieken van het slagveld.

In het snel veranderende bedrijfslandschap van vandaag de dag is data intelligence een essentieel hulpmiddel geworden voor bedrijven die concurrerend willen blijven. Organisaties die niet overstappen op data modellen lopen het risico achterop te raken bij hun rivalen doordat ze waardevolle inzichten en kansen voor uitbreiding, optimalisatie en innovatie mislopen. Kortom, het gebruik van data voor bedrijven is niet langer een luxe, maar een noodzaak voor duurzaamheid en evolutie, en bedrijfsleiders zouden degenen moeten zijn die het voortouw nemen bij het identificeren, prioriteren en ontwikkelen van data en AI . In tegenstelling tot de gangbare opvatting dat zakelijke belanghebbenden slechts "consumenten" van data zijn, geloven wij dat zij het hele proces moeten leiden, ondersteund door experts data en technologie.

Een grondige analyse van de zakelijke waardeketen en de belangrijkste bedrijfsprocessen kan het beste worden uitgevoerd door de belanghebbenden zelf. Deze analyse identificeert gebieden waar data oplossingen een aanzienlijke zakelijke impact kunnen hebben in de vorm van inkomstengroei, kostenoptimalisatie, verbetering van de klantervaring of operationele uitmuntendheid. Tijdens dit proces is het essentieel om zakelijke kansen te identificeren die aansluiten bij de algemene bedrijfsstrategie van organisatie. Een analyse van de supply chain en de belangrijkste ratio's kan bijvoorbeeld helpen bij het identificeren van mogelijke hiaten en inefficiënties die baat kunnen hebben bij data analytics en intelligence.

Het doel moet niet zijn om indruk te maken met een lange lijst van data , maar eerder om de meest kritieke bedrijfsgebieden te identificeren die kunnen profiteren van data inzichten. Door de verleiding te vermijden om te veel data na te streven, kunnen organisaties gefocust blijven en hun kansen vergroten om succesvolle data te bouwen. Het is ook belangrijk om de toegevoegde waarde van data te identificeren die verder gaat dan eenvoudige rapportage. Hoewel rapportage waardevol is om een samenvatting te geven van de bedrijfsprestaties, biedt het alleen een retrospectieve weergave van data, waardoor er weinig ruimte overblijft voor analyse en besluitvorming. Om de kracht van data volledig te benutten, moeten organisaties data vinden die diagnostische analyses bieden waarmee automatisch de hoofdoorzaken van prestaties worden geïdentificeerd en voorspellende analyses die anticiperen op toekomstige trends.

Voordat wordt begonnen met de ontwikkeling van een data oplossing, is het van vitaal belang om een gedetailleerde haalbaarheidsstudie uit te voeren waarin de beschikbaarheid en kwaliteit van de vereiste data bronnen wordt onderzocht, evenals de kosten van de technologieën en expertise die nodig zijn om deze data bronnen te verzamelen en te verwerken. Dit omvat het onderzoeken van de hardware- en softwarevereisten, evenals de menselijke vaardigheden die nodig zijn om de technologie te implementeren en te onderhouden. Dit helpt ook om realistische verwachtingen te stellen voor data oplossingen die consistent zijn met de volwassenheid van de vereiste data bronnen, technologieën en mogelijkheden.

Het bouwen en schalen van data oplossingen voor bedrijven vereist een nieuw operating model - een AI Factory - bestaande uit feature teams geleid door business experts ondersteund door data wetenschappers, engineers, analisten en software engineers. Deze teamstructuur zorgt ervoor dat data oplossingen altijd worden gebouwd met een zakelijk doel voor ogen. Het toepassen van een agile test-and-learn proces dat probeert om een succesvolle POC te bouwen in een korte tijdspanne is ook essentieel om een snellere time-to-build te bereiken.

Niet alle data oplossingen zullen slagen; sommige zullen mislukken door technische of data beperkingen, ondanks zorgvuldige planning en uitvoering. Het is cruciaal voor organisaties om te erkennen dat mislukking een natuurlijk onderdeel is van het ontwikkelingsproces: het moet hen niet ontmoedigen om toekomstige projecten voort te zetten. In plaats daarvan moeten bedrijven zich richten op het industrialiseren van succesvolle data use cases, ze opschalen naar volledige data domeinen en hun algoritmen en data bronnen optimaliseren. Dit omvat ook het voortdurend monitoren en verbeteren van de use case om ervoor te zorgen dat deze blijft voldoen aan de behoeften van de zakelijke gebruikers.

Het aanbieden van training data en gebruiksvriendelijke documentatie voor zakelijke gebruikers is noodzakelijk, maar meestal niet voldoende voor een brede acceptatie van data use cases. Wijdverspreide acceptatie van data door zakelijke gebruikers wordt het best bereikt door gebruikers het ontwikkelingsproces te laten leiden, deze oplossingen te integreren in het leerprogramma van de organisatie en adoptie- en impact-KPI's op te nemen in scorecards voor zakelijke gebruikers. Door scorecards voor zakelijke gebruikers af te stemmen op de data van de organisatie, kunnen organisaties een cultuur van data besluitvorming creëren en ervoor zorgen dat de toepassing van data leidt tot tastbare zakelijke impact.

Om een voortdurende verbetering van data oplossingen te bereiken, is het van vitaal belang om regelmatig feedback van zakelijke gebruikers te verzamelen, hun behoeften en vereisten te evalueren en de nodige aanpassingen te doen om deze te optimaliseren. De Scrum-methodologie biedt een effectieve aanpak voor het verzamelen en implementeren van verbeteringen op een iteratieve en incrementele manier. Gebruikers van data oplossingen moeten voortdurend feedback registreren over de nauwkeurigheid en bruikbaarheid van data oplossingen en over vereiste verbeteringen aan bedrijfsprocessen. Het is belangrijk om (1) verbeteringen door te voeren die de nauwkeurigheid van de output van de oplossing verhogen, (2) de mogelijkheden en functionaliteiten uit te breiden en (3) de bruikbaarheid en gebruikerservaring te verbeteren.

Het onderhouden van kwalitatief hoogwaardige data bronnen voor data oplossingen is cruciaal voor het bereiken van geautomatiseerde, nauwkeurige resultaten met minimaal toezicht. Om dit te bereiken moeten organisaties een robuust data kwaliteitskader implementeren dat duidelijke richtlijnen en standaarden oplegt voor data verzameling en transformatie. Daarnaast moeten organisaties een sterk data beveiligings- en privacybeleid implementeren voor een veilige en compliant data verwerking. Deze aanpak zorgt ervoor dat de input data nauwkeurig, actueel en consistent is, wat het risico op fouten vermindert en de algehele efficiëntie van de data verwerkingsworkflow verbetert.

Het identificeren van de commerciële of operationele KPI's die direct worden verbeterd door een data oplossing is essentieel voor het meten van de bedrijfsimpact. Zodra deze KPI's zijn geïdentificeerd, is de volgende stap het ontwikkelen van een formule om de incrementele impact van de data oplossing op elk van deze KPI's te meten. Deze formule moet rekening houden met de basislijn van deze KPI's vóór (of zonder) de implementatie van de oplossing data en deze vergelijken met de prestaties van deze KPI's na (of met) de implementatie van deze oplossing, rekening houdend met andere factoren die tot deze stijging kunnen hebben geleid. Zodra de incrementele impact op elke KPI is berekend, moet deze worden vertaald in financiële termen, zoals lagere kosten of hogere inkomsten. Tot slot is het altijd aan te raden om gebruik te maken van geautomatiseerde meting van de bedrijfsimpact van data oplossingen om een onbevooroordeelde en tijdige meting van de bedrijfsimpact te garanderen.

"Als organisaties tastbare bedrijfsresultaten willen halen uit hun investeringen in data analytics en artificial intelligence, is het essentieel om een gerichte aanpak te hanteren die de juiste oplossingen bouwt en de juiste verwachtingen schept. Via deze aanpak leiden bedrijfsleiders de ontwikkeling van data & AI oplossingen 'voor het bedrijf door het bedrijf' - door de meest impactvolle oplossingen te prioriteren, snelle POC's te bouwen met data experts, data oplossingen die werken op te schalen en 'mislukking' te accepteren bij oplossingen die niet werken. Het laten leiden van het hele proces door business teams zorgt voor business buy-in en adoptie door ontwerp."

Oussama Ahmad, Data Consulting Partner

Data Versnellingsprojecten zijn de laatste jaren sterk in opkomst in de MENA-regio, omdat organisaties de kracht van data omarmen voor bedrijfsgroei. Hoewel bepaalde uitdagingen blijven bestaan, zoals het handhaven van data kwaliteit, vooral met legacy systemen, zijn organisaties actief op zoek naar oplossingen om deze obstakels te overwinnen. Het opbouwen van de juiste data capaciteiten binnen bedrijfsteams en het juiste bedrijfsmodel is de allerbelangrijkste manier om de succesvolle implementatie en adoptie van data oplossingen en de realisatie van tastbare bedrijfsimpact te garanderen."

Karim Hayek, Data Consulting Senior Manager