In de wereld van business intelligence vliegen de buzzwords je om de oren. We hebben het allemaal steeds vaker over big datadata-driven business en predictive analytics, maar weten lang niet altijd wat deze woorden precies betekenen en wat daar de implicaties van zijn. Je zou jezelf bijvoorbeeld de volgende vragen kunnen stellen:

  • Hoe ‘big’ is big data?
  • En bestaat er dan ook zoiets als little data?
  • Wat kan ik precies voorspellen met al die data?
  • Durf ik me te committeren aan de inzichten die daaruit komen, ook als ze niet overeenkomen met mijn onderbuikgevoel?
  • En hoe werkt die kristallen bol van Aorta dan?

Vooral die laatste vraag prikkelt de verbeelding van veel van onze klanten. Het vooruitzicht is dan ook fantastisch: precies voorspellen wat je klanten op welk moment willen en zorgen dat je altijd aan die behoeften kan voldoen, liefst met zo min mogelijk kosten. Wat er uit de kristallen bol moet komen, is duidelijk. Maar wat moet er eigenlijk in?

Hoe werkt het voorspellen?

De grap van voorspellen is dat je eigenlijk alleen fenomenen kan voorspellen die je al een keer gezien hebt. De kristallen bol is immers niets anders dan een slimme patroonherkenner. We laten hem los op zoveel mogelijk data om zoveel mogelijk patronen te leren herkennen. De vraag “Hoeveel ga ik volgende week verkopen?”, leidt tot heel veel wedervragen:

  • Hoeveel heb je vorige week verkocht? En de weken daarvoor?
  • Wat zijn onderscheidende producteigenschappen?
  • Hoeveel heb je van elke productsoort in elke winkel verkocht?
  • Hoeveel van die producten verkocht je op een maandag? En op de andere weekdagen?
  • Wanneer waren deze producten in de aanbieding? En zijn ze op verschillende manieren gepromoot?

De allereerste keer dat een product gepromoot wordt met een televisiereclame, kunnen we dus niet goed voorspellen wat het effect daarvan gaat zijn: we hebben deze situatie immers nog nooit gezien. Het is precies om deze reden dat voorspellen een herhalend proces is. We trainen met de beschikbare data, doen een voorspelling en stellen onszelf de belangrijke vraag: hoe goed is deze voorspelling eigenlijk?

Vaak controleren we dit door de voorspelde verkopen van het afgelopen jaar te vergelijken met de gerealiseerde verkopen. Maar hoe dichtbij de realisatie moet een voorspelling eigenlijk komen om goed bevonden te worden?

Expertise van Aorta

Hier wordt de rol van de Aorta waarzegger nog belangrijker. Hij of zij is verantwoordelijk voor de kwaliteit van de voorspelling. Het is dan ook zijn taak om te bepalen welke eigenschappen de verkoop bepalen, welke wedervragen nog meer gesteld moeten worden om de patroonherkenning te verbeteren. Maar wanneer is de kwaliteit goed genoeg? De nauwkeurigheid hangt van veel factoren af. Zijn er voldoende data aanwezig? Weten we welke eigenschappen verkoop bepalen? Kunnen we alle eigenschappen die een invloed hebben op verkoop ook daadwerkelijk meten?

Daarbij is een accuratesse van 100% geen reden voor tevredenheid. Sterker nog, het is vaak juist een reden om nog eens goed naar de data en de voorspelling te kijken. Het is in de praktijk immers niet realistisch om aan te nemen dat we alle mogelijke eigenschappen en hun effect hebben kunnen waarnemen. Uit een gigantische dataset wordt vaak een kleinere testset samengesteld, bijvoorbeeld door alleen de laatste maanden te selecteren. Als we alle situaties in de testset perfect voorspellen, dan is onze testset waarschijnlijk simpelweg te klein en testen we niet voldoende op uitzonderlijke situaties.

Gelukkig kan de waarzegger hier zijn creativiteit en probleemoplossend vermogen naar hartenlust toepassen. Zijn werk verschuift van het traditionele programmeren van het voorspellingsalgoritme, naar het kritisch beschouwen en verbeteren van het model. Hij is dus nog niet te vervangen door een autonome kristallen bol.

Nu je de truc kent, zijn woorden als big datadata-driven business en predictive analytics niet zo magisch meer. Je weet nu immers dat de kristallen bol ‘gewoon’ een slimme patroonherkenner is en de Aorta waarzegger zich vooral afvraagt of de voorspelling juist is en met welke data deze nog beter kan worden. De grote business intelligence show heeft geen geheimen meer voor jou.

Inzichten geleend van http://www.datapine.com/blog/business-intelligence-buzzwords-2016/