Big data-analyse
Wat is het en waarom is het belangrijks
Bij big data-analyses worden grote hoeveelheden data onderzocht om verborgen patronen, correlaties en andere inzichten te ontdekken. Met de hedendaagse technologie is het mogelijk om data te analyseren en vrijwel direct antwoorden te krijgen, iets wat veel langzamer en minder efficiënt gaat wanneer je met meer traditionele business intelligence-oplossingen werkt.
De geschiedenis en evolutie van big data-analyses
Het concept ‘big data’ bestaat al jaren. De meeste organisaties weten wel dat het slim is om alle data die hun bedrijf binnenstromen op te slaan, dit te analyseren en er waarde uit te halen. Dit geldt met name wanneer gebruik wordt gemaakt van geavanceerde technieken zoals kunstmatige intelligentie (AI). Maar in de jaren ’50, nog voordat de term ‘big data’ bestond, werkten bedrijven al met eenvoudige vormen van analyses (wat neerkwam op spreadsheets vol cijfertjes die handmatig werden gecontroleerd) om inzichten en trends te ontdekken.;
De nieuwe voordelen van big data-analyses zijn snelheid en efficiëntie. Waar bedrijven jaren geleden informatie verzamelden en analyseerden voor eventuele toekomstige beslissingen, is het tegenwoordig mogelijk voor bedrijven om opgedane inzichten direct toe te passen in beslissingen van nu. De mogelijkheid om sneller te werken en tegelijkertijd flexibel te zijn, geeft organisaties een competitief voordeel dat ze eerder niet hadden.
Waarom zijn big data-analyses belangrijk??
Big data-analyses bieden organisaties de kans om hun data te benutten voor nieuwe mogelijkheden. Dat leidt op zijn beurt tot slimmere zakelijke bewegingen, efficiëntere acties, meer winst en blijere klanten. Voor zijn rapport ‘Big data in Big Companies’ ging Tom Davenport, IIA Director of Research, langs bij meer dan 50 bedrijven om te achterhalen hoe die bedrijven gebruikmaken van big data. Hij ontdekte dat big data bedrijven het volgende opleverde:
- Kostenreductie. Big data technologieën zoals Hadoop en cloud-gebaseerde analyses bieden significante kostenvoordelen wanneer je kijkt naar het opslaan van grote hoeveelheden data. Bovendien kunnen deze technologieën ook andere efficiënte manieren van zakendoen identificeren.
- Slimmere en betere besluitvorming. De snelheid van Hadoop en in-memory analyses in combinatie met de mogelijkheid om nieuwe databronnen te analyseren, maakt het voor bedrijven mogelijk om informatie direct te analyseren en beslissingen te nemen op basis van wat ze hebben ontdekt.
- Nieuwe producten en diensten. Als je de behoeftes van klanten kunt meten door middel van analyses, heb je ook de macht om klanten te geven wat ze willen. Davenport legt uit dat big data-analyses ertoe leiden dat bedrijven nieuwe producten maken die meer aan de klantbehoeftes voldoen.
Big data-analyses in de wereld van tegenwoordig
De meeste organisaties beschikken over big data. Veel bedrijven weten bovendien dat het handig is om data te benutten en er waarde uit te halen. Maar hoe doe je dat? Deze bronnen onthullen de nieuwste inzichten in de overlap tussen big data en analyses.
How machines learn human language
Big data increases constantly – including social media, emails, texts, sensor data and more. With natural language processing, machines can sift through volumes of big data to uncover trends, analyze sentiment and identify correlations.
Big data analytics builds a better world
SAS is passionate about using advanced analytics to improve our future – whether addressing problems related to poverty, disease, hunger, illiteracy, climate change or education. See how we do it.
Alternative data: Risky or essential?
Alternative data is often unstructured big data of limited use in raw form. Learn why it’s so important to analyze this data to get a comprehensive and current picture of the changing business world.
Wie gebruikt het?
Beeld je eens een bedrijf in dat snelle en flexibele beslissingen neemt om competitief te blijven. Waarschijnlijk speelt big data een grote rol binnen dit bedrijf. Lees hier hoe verschillende soorten bedrijven deze technologie mogelijk toepassen.
Biowetenschappen
Klinisch onderzoek gaat langzaam, is duur en gaat vaak mis vanwege verschillende oorzaken. Geavanceerde analyses, kunstmatige intelligentie (AI) en het Internet of Medical Things (IoMT) biedt een enorm potentieel aan verbeterde snelheid en efficiëntie in iedere fase van klinisch onderzoek, dankzij meer intelligente en geautomatiseerde oplossingen.
Banken
Financiële instellingen gebruiken grote hoeveelheden data om analytische inzichten op te doen. Op basis van deze inzichten kunnen er goede, financiële beslissingen worden genomen. Dankzij big data-analyses hebben financiële instellingen toegang tot de informatie die ze nodig hebben, wanneer ze het nodig hebben zonder gebruik te maken van overbodige tools en systemen.
Productie-industrie
Binnen de productie-industrie is het oplossen van problemen niks nieuws. Deze industrie loopt dagelijks tegen complexe problemen aan, variërend van complexe toeleveringsketens, IoT, bewegingstoepassingen en arbeidsbeperkingen tot defecte apparatuur. Dit is de reden dat big data-analyses van essentieel belang zijn binnen de productie-industrie. Zo ontdekken bedrijven namelijk nieuwe, kostenbesparende kansen en omzetkansen.
Gezondheidszorg
De gezondheidszorg zit vol big data – dat is een feit. De combinatie van medische dossiers, gezondheidsplannen, informatie van verzekeringsmaatschappijen en veel andere informatie maakt het echter lastig om deze data te beheren. Tegelijkertijd bevatten deze data heel veel inzichten die je kunt ontdekken wanneer je er analyses op loslaat. Dit maakt big data-analyses zo ontzettend belangrijk in de gezondheidszorg. Door grote hoeveelheden informatie (zowel gestructureerd als ongestructureerd) snel te analyseren, kunnen zorgmedewerkers levensreddende diagnoses stellen of behandelingen direct starten.
Overheid
Veel overheidsinstanties staan voor een grote uitdaging: werken met minder budget zonder in te leveren op kwaliteit of productiviteit. Het is een groot probleem binnen wethandhavingsinstanties die hun best doen om met beperkte middelen de criminaliteit te handhaven. Dit is waarom zoveel instanties gebruikmaken van big data-analyses: de technologie zorgt voor gestroomlijnde handelingen terwijl de instantie een meer holistische kijk krijgt op criminele activiteiten.
Retail
In de afgelopen jaren is klantenservice enorm veranderd. Klanten verwachten dat retailers precies begrijpen wat ze nodig hebben en wanneer ze dat nodig hebben. Big data-analysetechnologie helpt retailers om aan die wensen te voldoen. Dankzij enorme hoeveelheden data die afkomstig zijn uit klantloyaliteitsprogramma’s, bestelhistorie en andere bronnen krijgen retailers niet alleen goed inzicht in hun klanten, maar kunnen ze ook trends voorspellen, nieuwe producten aanbevelen en winstgevender zijn.
SAS is the only vendor analysts consider a leader across fraud, case management, decisioning, data management and data science.
Explore how SAS ranks across solutions, industries and analysts
Bringing stability to earthquake victims
When a massive earthquake struck Nepal, it left hundreds of thousands of families homeless – living outdoors in tents. As the monsoon season approached, families desperately needed to rebuild more substantial housing. The International Organization for Migration (IOM), a first responder group, turned to SAS for help. SAS quickly analyzed a broad spectrum of big data to find the best nearby sources of corrugated sheet metal roofing. And the work to rebuild began.
Hoe werkt het en wat zijn de belangrijkste technologieën
Geen enkele technologie omvat big data-analyses volledig. Natuurlijk zijn er geavanceerde analyses die op big data kunnen worden toegepast, maar eigenlijk werken verschillende technologieën samen om te zorgen dat je de meeste waarde uit je informatie haalt. Dit zijn de belangrijkste:
Cloud computing. A subscription-based delivery model, cloud computing provides the scalability, fast delivery and IT efficiencies required for effective big data analytics. Because it removes many physical and financial barriers to aligning IT needs with evolving business goals, it is appealing to organizations of all sizes.
Datamanagement. Data moet een hoge kwaliteit hebben en goed beheerd worden voor het geanalyseerd kan worden. Omdat datastromen binnen bedrijven nooit stoppen, is het belangrijk om te werken met repetitieve processen en standaarden voor datakwaliteit. Zodra de data betrouwbaar is, moeten organisaties een master data management program opstarten, waardoor er binnen de hele organisatie op dezelfde manier gewerkt wordt.
Data mining. Data mining is een manier om patronen te ontdekken in grote hoeveelheden data. Deze informatie kan vervolgens gebruikt worden voor verdere analyse om complexe, zakelijke vragen te beantwoorden. Data mining software zorgt ervoor dat je te midden van de chaotische en repetitieve data toegang hebt tot informatie die mogelijke uitkomsten voorspelt, waardoor je uiteindelijk sneller de juiste beslissingen kunt nemen.
Data storage, including the data lake and data warehouse. It's vital to be able to store vast amounts of structured and unstructured data – so business users and data scientists can access and use the data as needed. A data lake rapidly ingests large amounts of raw data in its native format. It’s ideal for storing unstructured big data like social media content, images, voice and streaming data. A data warehouse stores large amounts of structured data in a central database. The two storage methods are complementary; many organizations use both.
Hadoop. Dit open source software framework kan grote hoeveelheden data opslaan en toepassingen uitvoeren in clusters van commodity hardware. Vanwege het constant toenemende datavolume en de variaties hierin is dit een essentiële technologie geworden in het bedrijfsleven. Dankzij het distributed computing model kan big data bovendien snel verwerkt worden. Een bijkomend voordeel van het open source framework van Hadoop is dat het gratis is en dat het commodity hardware gebruikt om grote hoeveelheden data op te slaan.
In-memory analytics. Door data vanuit het systeemgeheugen te analyseren (en niet vanaf je harde schijf), kan je direct gebruikmaken van de inzichten die je opdoet uit je data. Voor deze technologie zijn datavoorbereiding en analytische proceslatenties niet nodig om nieuwe scenario’s te testen en modellen te bouwen. Het is niet alleen een makkelijke manier voor organisaties om flexibel te blijven en betere beslissingen te nemen, maar het zorgt er ook voor dat bedrijven repetitieve en interactieve analysescenario’s kunnen draaien.
Machine learning. Machine learning is een specifieke subset van kunstmatige intelligentie waarbij een machine leert hoe hij moet leren. Hierdoor kunnen er snel en automatisch modellen geproduceerd worden die sneller werken en meer nauwkeurige resultaten opleveren – zelfs op grote schaal! Door nauwkeurige modellen te bouwen hebben organisaties een grotere kans om mogelijke kansen te benutten en onbekende risico’s te ontwijken.
Predictive analytics. Predictive analytics of voorspellende analysetechnologie maakt gebruik van data, statistische algoritmen en machine learning technieken om de waarschijnlijkheid van toekomstige resultaten te bepalen op basis van historische data. Het is hierbij vooral belangrijk dat er een goed beeld wordt geschetst van wat er in de toekomst gaat gebeuren, zodat organisaties meer het gevoel hebben dat ze de juiste beslissingen nemen. Voorspellende analyses worden vooral ingezet voor fraudedetectie, risico’s, bedrijfsactiviteiten en marketing.
Text mining. Text mining technologie helpt om text data van het internet te analyseren, zoals opmerkingenvelden, boeken en andere tekstuele bronnen, om zo inzichten op te doen die je anders nooit had opgemerkt. Bij text mining wordt machine learning or natural language processing toegepast om door documenten zoals e-mails, blogs, Twitterfeeds, enquêtes en informatie over concurrenten heen te gaan. Zo kan je grote hoeveelheden informatie analyseren en nieuwe onderwerpen en relaties ontdekken.
Improved vehicle design, reduced maintenance cost
Commercial vehicles from Iveco Group contain many sensors, making it impossible to process data manually. With advanced analytics from SAS® Viya® deployed on Microsoft Azure, Iveco Group can process, model and interpret vast amounts of sensor data to uncover hidden insights. Now the company can understand behaviors and events of vehicles everywhere – even if they’re scattered around the world.
Volgende stappen
Ontdek hoe big data-analyses een rol spelen in datamanagement.
Visuele tekstanalyse
Met de visuele tekstanalyse van SAS kan je opkomende trends en verborgen mogelijkheden ontdekken. Je kunt ongestructureerde data automatisch omzetten in waardevolle inzichten waar machine learning en voorspellende modellen weer op voort kunnen bouwen.
Recommended reading
- Article What is synthetic data? And how can you use it to fuel AI breakthroughs?There's no shortage of data in today's world, but it can be difficult, slow and costly to access sufficient high-quality data that’s suitable for training AI models. Learn why synthetic data is so vital for data-hungry AI initiatives, how businesses can use it to unlock growth, and how it can help address ethical challenges.
- Article Analytics: A must-have tool for leading the fight on prescription and illicit drug addictionStates and MFCUs now have the analytics tools they need to change the trajectory of the opioid crisis by analyzing data and predicting trouble spots – whether in patients, prescribers, distributors or manufacturers. The OIG Toolkit with free SAS® programming code makes that possible.
- Article Vijf AI-technologieënKen je het verschil tussen kunstmatige intelligentie en machine learning? En kun je uitleggen waarom computer vision een AI-technologie is? Je leest het in dit korte artikel.