Big Data is een fenomeen. Een buzzword. Maar in tegenstelling tot wat vaak wordt gedacht is het geen 'ding' (zelfstandig naamwoord).
Big Data is een reeks acties (werkwoord), georkestreerd door mensen, met behulp van gespecialiseerde instrumenten (software, hardware, algoritmes) om beschikbare data beter te organiseren, met het oog op het verkrijgen van meer inzicht. De hoeveelheid gegevens, op zichzelf, is niet hetzelfde als Big Data. De processen die nodig zijn om data te correleren en goede conclusies te trekken uit (mogelijk) ongelijksoortige datastromen, is de feitelijke kern van Big Data.
Antonio Sciuto (CMO van Nestlé Waters Noord-Amerika) laat zien waar de kracht van een creatieve Big Data strategie ligt: "Om onze consumenten te begrijpen luisteren we naar ze op sociale media. Zo krijgen we inzicht in gespreksonderwerpen, het gespreksaandeel van het betreffende social platform, de toon, het consumentensentiment, rollen en de specifieke regels van interactie met die consument op de verschillende media.”
"Deze kennis stelt ons in staat om de juiste mogelijkheden te vinden om de consument te benaderen met inhoud en de juiste ‘calls to action’ via online en offline touch-points. De gehele customer journey is daarbij het uitgangspunt."
"Het is ons doel om gemeenschappen te bouwen rond onze merken en onze content, op basis van de werkelijke behoeften van ons publiek. Zo bieden we hen echt persoonlijke omni-channel ervaringen om hun betrokkenheid bij onze merken te verdiepen. Succes meten we dan af aan het marktaandeel en de trouw aan onze merken. "
Google aan de wieg van big data analytics
In 1998 werd een bedrijf gestart met de volgende missie:
"Om alle informatie ter wereld te organiseren en universeel toegankelijk en bruikbaar te maken."
Nu meer dan 17 jaar terugkijkend , signaleert Google's sublieme mission statement niet alleen signaleert het begin van het moderne tijdperk van Big Data, ook biedt het een bondige, leesbare en ambitieuze "stip op de horizon" bij het stellen van doelstellingen en verwachtingen voor alle uitkomsten van Data Science, waaronder Big Data.
De volgende formule, gebaseerd op Google's missie, probeert de theorie van Big Data relativiteit te illustreren:
B = DQE
B = Big Data kosten (ofwel de kosten om te komen tot een "nuttig" en/of "duidelijk" resultaat)
D = Aantal discrete datastromen (ofwel "informatie")
Q = Gemiddelde hoeveelheid informatie per datastroom (alias "informatie")
E = De inspanning die geleverd moet worden om de data te verwerken
Als we er vanuit gaan dat een "nuttig" en/of "duidelijk" resultaat het doel is van elke Big Data activiteit, zien we dat, hoewel de hoeveelheid input (datastromen) van invloed is op de kosten, de belangrijker factor de mate van inspanning is, die nodig is om tot resultaat te komen. Vanuit praktisch zakelijk perspectief, is de sleutel tot een kostenefficiënte Big Datastrategie niet de hoeveelheid gegevens of het aantal stromen, maar de inspanningen van mens en machine om een "nuttig" of "duidelijk" resultaat te behalen.
Als we de veronderstelling accepteren dat "Big Data" een werkwoord is, dan moet elke organisatie die streeft naar kosteneffectieve resultaten van hun data- analyse, dan een antwoord vinden op de volgende vragen:
- Heb je de deskundigheid (data wetenschappers) om een effectieve strategie te ontwikkelen?
- Heb je de software en hardware-instrumenten om het vereiste niveau van data- verzameling en -analyse te bereiken?
- Zijn je resources (mensen, software, hardware) vaste kapitaalkosten, of zijn het elastische (operationele) uitgaven?
Een beter begrip van de taalkundige verschillen tussen Big Data (als werkwoord) en data (als zelfstandig naamwoord) stelt particulieren en bedrijven in staat om effectiever samen te werken aan strategieën die daadwerkelijk inzichten opleveren.
Voor meer informatie, download hier het 2015 State of Analytics rapport.
