Wat is Big Data?

Big Data: denk win-win. Denk: hoe kan ik de klant beter bedienen, hoe kan ik mijn processen optimaliseren, hoe kan ik duurzamer produceren, hoe kan ik voor mijn personeel de beste werkgever, hoe kan ik mijn resources optimaal benutten.

Big Data: denk win-win. Denk: welke gegevens heb ik nodig zonder het risico dat het schip de wal gaat keren. Bij Big Data komt een “Big” verantwoordelijkheid kijken. Transparantie en de mogelijkheid tot een (specifieke) opt-out voor iedereen is een must.

Big Data: denk win-win: Denk niet alleen aan persoonlijke gegevens, denk ook bijvoorbeeld aan gegevens van sensoren: hoe nat is de grond, hoe droog is de silo, hoe warm de motor, hoe herbruikbaar het afval.

Big Data: denk win-win: Denk hoe zou mijn business er uit zien als alle relevante data aanwezig was?
BigDataHeader

Tijd voor een definitie:

Big Data is de term voor een verzameling van gegevens zo groot en complex dat het moeilijk wordt om ze verwerken met behulp van traditionele middelen zoals databases. De uitdagingen m.b.t. Big Data zijn capture, verbetering, opslag, zoeken, delen, overbrengen, analyse en visualisatie. De trend naar grotere gegevensets ontstaat mede door de toenemende beschikbare hoeveelheid (ongestructureerde) data, dit eventueel aangevuld additionele data van gerelateerde gegevens, waardoor tal correlaties worden gevonden, die veelal leiden tot verbetering van bestaande business of tot het opzetten van nieuwe business.

Bij Big Data komen een of meerdere van de volgende aspecten kijken, de 3V’s: Volume, Velocity en Variance (volume, snelheid en variëteit). Het volume is gigantisch en/of de snelheid waarmee het aangeleverd wordt is indrukwekkend en/of de verschillen in data zijn groot.
Big Data heeft een negatieve connotatie; velen associëren het met semi-malafide praktijken. Ze denken aan NSA, Snowden, afluisterpraktijken, het maximale uit de klant persen. Wij ontkennen deze praktijken niet, het gebeurt, maar het heeft net zo veel te maken met Big Data als de ballpointmoord met een ballpoint: alles kan misbruikt worden, wij concentreren ons op uw winst die ermee te behalen valt.

Little data

Natuurlijk begnt Big Data gewoon klein (little). Iedereen kan er dus mee beginnen, iedereen zou er mee moeten beginnen – zie “denk data” voor de juiste aanpak. Conclusies die getrokken worden uit data analyse worden betrouwbaarder naarmate er meer data voorhanden is (naarmate data, Big Data wordt). Neem het volgende voorbeeld: een wandelaar ziet een trein voorbij rijden om 11:15. Het zou voorbarig zijn te concluderen dat er elke dag om 11:15 een trein langs zou komen. De volgende dag ervaart hij hetzelfde “fenomeen”, weer een trein om 11:15, zelfde plaats, zelfde tijd, zelfde trein. Na nog een paar keer dezelfde gebeurtenis waargenomen te hebben concludeert hij dat er altijd een trein om 11:15 voorbij rijdt. Had de wandelaar frequenter data verzameld (van little data naar big data), dan was hij tot een andere, betere, conclusie gekomen.

Complete data

Big is veel in de lengte en veel in de breedte. Registreer breed, registreer zoveel mogelijk (zinvolle) attributen. Weet waar de data voor staat. Om bij de trein te blijven nog een voorbeeld: een treinreiziger vraagt zich al tijden af wat het nut van spoorbomen is, ze zijn altijd dicht. Data verzameld uit één gezichtsveld kan nuttig zijn, vooral als bekend is welke perceptie het betreft.

Kern van gebruik van data

De kern van het gebruik van Big Data is voorspellen. Voorspellen wat er komen gaat, wat er te verwachten is. Daarbij wordt cyclisch geleerd van het verleden, immers de data stamt uit het verleden en dat verleden geeft de mogelijkheden het heden en de toekomst beter vorm te geven.

NewBigBusiness helpt u opweg de toekomst te voorspellen en lering te trekken uit het verleden. Wij helpen u met het bepalen wat zinvol is te registreren en hoe (uw) data leidt tot inzicht en hoe dat inzicht leidt tot verbeteringen. Dit proces zal veelal circulair zijn gezien het feit dat gemaakte aanpassingen kunnen leiden tot nieuwe inzichten en ergo nieuwe verbeteringen.