"Of je nu in een grote of kleine organisatie, op de HR-, sales of IT-afdeling werkt, datagedreven werken met BI en Machine Learning is voor iedereen interessant."

Datagedreven werken met Business Intelligence (BI) is het ideaalbeeld tegenwoordig. Veel organisaties zijn druk met het omzetten van data naar visualisaties of interactieve dashboards. Machine Learning (ML) speelt hierin een belangrijke rol. Toch voelt Machine Learning voor veel organisaties als een ver-van-mijn-bed-show of iets dat alleen op industriële productiebedrijven of multinationals van toepassing is. Niets is minder waar, lichtte Daphne van Dijk toe tijdens haar keynote op Ictivity’s inspiratiesessie ‘Van data naar inzicht’. Daphne is BI-consultant bij KPI Solutions en praatte ons bij over de toepassing van ML en de mogelijkheden ervan voor voorspelbaarheid in je business. Of je nu in een grote of kleine organisatie, op de HR-, sales of IT-afdeling werkt, datagedreven werken met BI en Machine Learning is voor iedereen interessant, aldus Daphne. Waarom dat zo is, leggen we uit in deze blog.

Van BI naar datagedreven werken
Capaciteitsplanning is in de meeste organisaties een cruciale taak. Wie werkt wanneer aan welk project? Vaak wordt deze puzzel gemaakt op basis van een rekensom van het aantal contractuele uren, uren voor interne werkzaamheden en vakanties. Wat overblijft is voor projecten. In de praktijk is zo’n planning negen van de tien keer niet optimaal. Inwerken van nieuwe collega’s zit er bijvoorbeeld niet in, maar kost wel tijd. Idealiter neem je daarom deze en andere factoren mee in die capaciteitsplanning. Nu betekent dat waarschijnlijk een rondje langs de velden. HR weet wanneer en hoeveel nieuwe medewerkers starten en Sales weet hoeveel vraag er is of hoeveel nieuwe projecten er in de pijplijn zitten. Toch maakt deze informatie het planproces niet per se overzichtelijker. Dat er tien projecten in de pijplijn zitten, zegt op zichzelf weinig over de werkdruk. Dat is waar Business Intelligence om de hoek komt kijken. Met BI-tools, zoals Power BI, Qlik, SAP of IBM, sla je losse informatie op één plek op en maak je alleen zichtbaar wat voor jou van belang is. Dat maakt dat je alleen daar hoeft te zoeken en in een handomdraai een totaalbeeld creëert van een bepaalde periode. Oftewel, je werkt datagedreven. Deze intelligentie heb je nodig voor een optimale capaciteitsplanning.

Krachten bundelen voor voorspellingen
Als je met BI werkt, dan is de stap naar Machine Learning klein. Het één kan namelijk niet zonder het ander. Machine Learning doet niets meer of minder dan patronen ontdekken en verbanden leggen. Precies op dezelfde manier zoals baby’s auto’s leren herkennen zolang het maar vaak genoeg aangewezen wordt. Wij leren de computer ook dat een auto een auto is, zodat hij het een volgende keer zelfstandig herkent. Dat kun je op alles toepassen. Waarom pakt jouw capaciteitsplanning in de praktijk niet uit zoals verwacht? Dan is het zaak om verbanden te leggen tussen bijbehorende factoren. Wat voor invloed hebben vier nieuwe medewerkers op iemands beschikbare uren? Met deze informatie kun je conclusies trekken en handelen.

Maar omdat er veel factoren gemoeid zijn bij het maken van die planning, loop je ze niet allemaal met de hand na. Machine Learning wel. Sterker nog; ML berekent exact hoe factoren samenhangen. Maar omdat de patronen die omhoog komen, kunnen afwijken van je verwachting, moet je soms terug in de data voor een verklaring. Dan komt BI weer om de hoek kijken. Daarom zijn BI en ML onlosmakelijk met elkaar verbonden en beschik je het liefst over beide facetten om businessbeslissingen te nemen voor nu én in de toekomst. Want juist omdat Machine Learning in een handomdraai patronen herkent in bergen data, kun je er ook toekomstige patronen mee voorspellen. Door ML-algoritmen in te zetten op jouw data, geven jouw BI-systemen je voortaan de voorspellingen waar je jouw bedrijfsvoering proactief op af kunt stemmen.

Stap voor stap
Daar kun je vandaag al de eerste stappen voor zetten. De informatie waar BI en Machine Learning mee aan de haal gaan, staat immers al opgeslagen in je rapportages. Een goede beginstap is om KPI’s in kaart te brengen. Sommigen lopen goed, anderen niet. Hoe kan dat? Denk daar eens over na. Ook als je nog niet beschikt over grote dashboards, helpt conceptueel nadenken over de factoren die van invloed zijn op jouw KPI’s, ofwel organisatie, je al om betere beslissingen te maken. Het gaat erom dat je gevoel krijgt bij wat jouw organisatie beïnvloedt en welke KPI’s relevant zijn om doelen te bereiken. En daar kun je direct mee beginnen, of je nu een grote of kleine organisatie bent.

Grip krijgen
Veel bedrijfsprocessen vallen of staan met het hebben van de juiste informatie. Laten BI en ML je nu precies hierbij helpen door deze inzichten samen te stellen en op basis hiervan voorspellingen te doen. En dat beperkt zich niet tot capaciteitsplanning. Ook voor vragen rondom je dienstverlening, het aantal productieve uren, aantal gereden kilometers met bedrijfsauto’s of omzet, kun je BI en ML inzetten. Datagedreven werken met BI en Machine Learning is daarom, zoals Daphne haar sessie afsloot, voor iedere organisatie of afdeling interessant. Zolang je het ziet als tool die je bewust laat worden van wat er in je organisatie speelt of gaat spelen. Dan weet je aan welke knoppen je moet draaien om meer grip te krijgen op bedrijfsprocessen.

Daphne van Dijk, KPI Solutions & Toine van Eijk, Ictivity Training