Presentatie voor Ngi-NGN jaarcongres 2014

1. Big Data
een kijk in jouw toekomst
Business
ICT Organisatie
Competenties
Ngi-NGN jaarcongres
6 maart 2014
Oscar Wijsman
oscar.wijsman@almeredatacapital.nl
AlmereDataCapital.nl
BDVC.nl
@Datacapital
@oscarwijsman

2. Big Data in de Gartner hype cycle
Big
Data

3. Big – Bigger – Biggest Data?
• Gartner: “We have reached the point that collecting and storing data
is cheaper than throwing it away”

4. Big – Bigger – Biggest Data?

5. De klassieke 3 V’s van Doug Laney
Volume
Velocity
Variety

6. En voor de infrastructuur : 3 S (HP)
Scale
Speed
Sources

7. Big Data bronnen
Human
Software
Things

8. Bronnen van data
• Elk bedrijf en instelling verzamelt data
• De overheid verzameld allerhande data
• Geavanceerde telescopen, smart infra
• Research data, zorgdata
• Sociaal Media
• Online data
• Sensors – Internet of Things
• Mobile Smart Devices vindt je overal
• Iedereen verzamelt data…

9. Big Data in alle vormen
• Zowel ruwe data als bewerkte (“schone”) data
• Bronnen kunnen zowel interne als externe datasets zijn
• Data kan veel structuur hebben of in het geheel niet
• Oude data of real-time
• Data kan incompleet zijn
• Eigen data of extern (open) data
• Altijd één of meer van de 3 V’s
• Betrouwbaarheid kan sterk variëren

10. Big Data en Open Data
Open
Data
Structuur
Big Data
Geen
Structuur

11. Business Intelligence vs Big Data Analytics
Jeremy Clarkson – Top Gear (over de Volvo route planner)
“It brings you were you have been”
“Instead telling you where you are going”

12. Big Data Analytics
• Grote diversiteit aan nieuwe tools + eigengemaakte algoritmes
• Vaak visualisatie nodig om beeld te krijgen – c.q. het uit te leggen
• Specifieke strategie, mindset en vaardigheden Data Scientist
• Zoeken naar verborgen patronen – data mining
• Zowel correlaties als causaal of semantisch verband
• Nieuwe of verbeterde inzichten
• Besluitvorming op basis feiten i.p.v. gevoel / aannames

13. Predictive analytics – Algoritme intuïtie?

14. Big Data & Analytics
”Predicting events is difficult,
especially when it’s about the future”
A.J.P. Taylor, historian (1909 – 1990)

15. Mythes over Big Data
• Big Data is nieuw
• Big Data is alleen voor Social Media en sentiment analyse
• Big Data is een hype en gaat wel weer over
• Big Data is altijd veel data
• Big Data betekent Hadoop gebruiken
• Big Data is alleen ongestructureerde data
• Big Data en NoSQL betekent No SQL
• Big Data kun je alleen maar visualiseren
• Big Data is slechts een ICT issue

17. De toekomstige Business met Big Data

18. Voorbeelden van meerwaarde van Big Data
• Betere besluitvorming
• Kostenbesparing
• Nieuwe inzichten
• Nieuwe producten en diensten
• Cijfers in plaats van onderbuik gevoel
• Combinaties maken die eerder niet mogelijk waren
• Beter onderzoek
• Sneller inzicht

19. Big Data Maturity Model
Potentie Big Data bepalen– 4 fasen

20. Big Data Maturity Model
De organisatorische uitdagingen

21. Stappenplan
• Bepaal het doel – wat wil je bereiken / afbakening
• Wat wil je aan data gebruiken – wat is je omgeving
• Ideevorming
• Provable concept
• Proof of concept
• Pilot in beschermde omgeving
• Naar productie
Data /
Omgeving
Doel
Idee
Provable
Concept
Proof of
Concept
Pilot
Productie

22. Big Data mindshift bij een verzekeraar
Traditionele aanpak : wat levert het ons op (direct ROI)
• Fraude detectie (claims)
• Risico analyses & actuarieel modelleren
• Cross-Sell & Up-Sell – Lifecycle management – 360 view
• Pricing – cost control
Toekomstige aanpak: wat levert het de klant op (indirect ROI)
• Beperken schade door preventie
• Kwaliteit - sentiment - ontzorgen - geluk
• Persoonlijke verzekeringen

23. Workshop 1
Wat is uw toekomstige
Business (Case) met Big Data?

24. Big Data landschap
Is dit het toekomstige landschap?
ICT organisatie

25. Big Data landschap

26. Big Data landschap

27. De ‘last mile’ in de data infrastructuur

28. Van wie is al die Big Data?
• Beheer en eigendom van data
• Wet en regelgeving – ook Europese wetgeving
• Doelbinding versus algemeen gebruik
• Ruwe data versus bewerkte data
• Hoe persoonlijk is data uit een machine?
• Privacy: Governance van data of consent op gebruik?

29. De ICT organisatie & Big Data
• Impact op de bestaande systemen
• Ruwe data versus bewerkte data
• “Alles wordt anders” – en wat dan?
• Moet ICT faciliteren, volgen of de lead nemen?
• Eerst de infrastructuur & tools, dan gaan gebruiken?
• Big Data is van de business, niet van ICT…

30. Wie begint een big data traject?
• C-level
• Afdelingsmanager
• ICT Manager
• Marketing
• Data Analisten
• Business Analisten
• Business Developer

31. Big Data Maturity Model
Potentie Big Data bepalen– 4 fasen

32. Big Data Maturity Model
De technische uitdagingen

33. Workshop 2
Hoe ziet uw toekomstige
ICT organisatie er uit
met Big Data?

35. Wat moet “een ICT-er” met Big Data?
Advisering & Opleiding
Strategie &
Transformatie
Inzicht & Analyse Platforms &
Infrastructuur
Big Data
Competenties

36. Advisering & Opleiding
• Awareness & advocating
• Business kansen
• Ideevorming
• Assessments
• Training
• Provable Concept
• Proof of Concept

37. Strategie & Transformatie
• Strategie
• Architectuur
• Roadmap
• Nieuwe business modellen
• Mindshift binnen de organisatie
• Verandermanagement –organisatorische impact

38. Inzicht & Analayse
• Big Data Analytics – Advanced BI
• Big Data patronen
• Machine learning / algoritmes
• Causaal verband - > Correlaties
• Visualisaties
• Rol van de Data Scientist

39. Platforms & Infrastructuur
• Implementaties nieuwe technologie (Hadoop, Spark, Hive etc.)
• Integratie van data
• Koppelingen – intern & extern
• Deployment nieuwe tools en vormen van data-opslag
• Data crunching
• Hosting / cloud oplossingen
• File systems
• Streaming van data

40. Workshop 3
Wat zijn uw toekomstige
competenties met Big Data?