Kennisportal
Kennisportal is een kennisplatform met een focus op de brede doelgroep Business en IT.

De analytics must reads voor deze zomer

Misschien haak je bij de titel van dit bericht al af. Ik hoor mensen ook al denken, ‘natuurlijk nog meer dingen die ik echt moet lezen, want ik heb toch al zoveel tijd over’. Toch raad ik je aan om tijdens de zomer wat uurtjes vrij te maken voor enkele boeiende uitgaven die je direct nieuwe energie en inzichten geven voor de rest van het jaar.

Nieuwe uitgave Tom Davenport

We bevinden ons in een derde golf van automatisering waarin machines een steeds grotere rol spelen bij het nemen van beslissingen. Maar zoals Tom Davenport ook stelt in zijn nieuwe boek Only Humans Need Apply: Winners and Losers in the Age of Smart Machines, is er gelukkig nog steeds een rol weggelegd voor de mens. Dagelijks passen we analytics toe om zowel in organisaties als binnen de maatschappij te innoveren. Data science bepaalt dan ook sterk de manier hoe we in de toekomst omgaan met machines en apparaten. Daarom vond ik het mooi te zien hoe in deze uitgave wordt benadrukt dat we ons bewust moeten zijn van deze revolutie van kunstmatige intelligentie en ons best moeten doen om te zorgen dat menselijke intelligentie meerwaarde blijft bieden.  

Van Stephen Hawking tot Bill Gates enElon Musk, verschillende vooraanstaande figuren hebben het zowel over de potentie als de risico’s van kunstmatige intelligentie. Davenport speelt daar pragmatisch op in door in zijn boek aan te geven wat wij als kenniswerkers kunnen doen om niet alleen bij te blijven (en onze baan te behouden) maar ook om onszelf ervan te verzekeren dat er sprake is van ‘augmentatie’ (het idee dat menselijke intelligentie plus kunstmatige intelligentie meer moet zijn dan de som der delen).

Competing on Analytics

Het is niet de eerste keer dat Davenport zich waagt aan het begrijpelijk verwoorden van ontwikkelingen rond een populair technisch onderwerp. Zijn eerdere uitgave Competing on Analytics is al tien jaar oud. Toen het in 2006 werd uitgegeven vond data mining nog plaats in de stoffige uithoeken van organisaties en leidde het soms tot belangrijke inzichten die strategische beslissingen beïnvloedden. Maar zeer zelden speelde het een rol bij operationele beslissingen.  

Door het nieuwe boek stond ik even stil bij waar we vandaag de dag zijn. Hoewel analytics inmiddels een essentieel onderdeel is van zakendoen, blijft de behoefte aan continue innovatie om de concurrentie voor te blijven. Er is ook meer van alles: data, computing kracht, zakelijke vraagstukken, risico’s, en het belangrijkste van alles, gebruikers van analytics. De mogelijkheden om je analytische kracht snel op te kunnen schalen is meer dan ooit relevant om je concurrent te kunnen verslaan. En tegelijkertijd moeten we allemaal een stap harder zetten om de balans tussen de risico’s en kansen van kunstmatige intelligentie met elkaar in balans te brengen. Computers kunnen slim werk afleveren, maar we moeten ook nadenken over hoe en waarmee we intelligente machines nog slimmer maken.  

Analytics white papers

Dus met zowel de focus op wat organisaties vandaag de dag nodig hebben, als aandacht voor de augmentatie van kunstmatige intelligentie van morgen, raad ik ook enkele interessante white papers aan:
Data Mining From A to Z: How to Discover Insights and Drive Better OpportunitiesDeze paper licht toe hoe de verschillende smaken predictive analytics werken als slimme filters voor inzichten uit big data.  
Redefine Your Analytics Journey with Self-Service Data Discovery and Interactive Predictive Analytics zet uiteen wat ‘approachable analytics’ kan betekenen voor de zogenaamde citizen data scientists en business analisten.
En als laatste Managing the Analytical Life Cycle for Decisions at Scale: How to Go From Data to Decisions as Quickly as Possible. Hierin wordt besproken hoe organisaties ‘Decisions at Scale’ kunnen genereren om tegemoet te komen aan de groeiende vraag naar analytics.  

Stel jezelf vragen

De white papers geven concrete suggesties over hoe je analytics schaalbaar kunt maken om efficiënter beslissingen te kunnen nemen. Ik adviseer je om tijdens het lezen vast na te denken over hoe deze analytische processen verrijkt kunnen worden met menselijke inzichten. Je zou jezelf bijvoorbeeld deze vragen kunnen stellen:
Hoe ontwikkel je modellen die niet alleen aansluiten bij de strategie van de organisatie, maar ook in lijn zijn met het bewustzijn van de organisatie?
Als je datalabs inzet om voorspellende modellen te bouwen, denk dan in termen van het correcte ‘model behaviour’ in plaats van alleen aan de juiste output ervan.
En als je je bezighoudt met machine learning; hoe verzeker je jezelf ervan dat dit op holistische wijze wordt gedaan zodat ook het menselijke aspect wordt betrokken?

Ik weet het, dit zijn geen makkelijke onderwerpen, maar wel belangrijke overwegingen als je als data scientist een positieve bijdrage wilt leveren aan de evolutie van kunstmatige intelligentie. Ik wens iedereen een fijne zomer!