Wat is Augmented Analytics en wat levert dit op?

Augmented Analytics

Data analytics wordt niet voor niets vergeleken met vitamines. Een lichaam kan niet zonder vitamines; een organisatie kan niet zonder data analytics. Maar data analytics kan behoorlijk tijdrovend en arbeidsintensief zijn. Augmented Analytics is de trend die hierop lijkt in te spelen.

Wat is Augmented Analytics?

Augmented analytics komt neer op het automatiseren van data-analyse. Dit gebeurt door middel van machine learning, artificial intelligence en natural language processing. De automatisering is mogelijk door de kracht van computers en door de toegekomen kennis over algoritmes. Het zijn met name de repetitieve en arbeidsintensieve taken die geautomatiseerd worden. Dit betekent dat data scientisten – die normaal gesproken de data-analyse doen – zich meer kunnen focussen op andere taken.

Waarom automatiseren?

Maar waarom zou je data-analytics automatiseren? Het belangrijkste argument hiervoor is dat je sneller én beter moet zijn dan de concurrent. Data science wordt steeds vaker ingezet door organisaties om business-vraagstukken te beantwoorden. Dit betekent dat data science bedrijven die hiervoor worden ingehuurd, steeds beter en sneller antwoord moeten geven op deze vragen. En wie aantrekkelijk wil blijven voor een organisatie, moet data sneller omzetten in antwoorden dan alle andere data science bedrijven. Augmented Analytics is de beste manier om dit te bereiken, omdat je op deze manier een data scientist veel werk uit handen neemt.

Data-analyse in vijf stappen

Het volledige data-analyseproces verloopt volgens onderstaande vijf stappen:

  1. Data verzamelen van verschillende bronnen, zoals Internet, marketing releases en sociale media.
  2. Data prepareren, ordenen en opschonen.
  3. Een bijpassende analyse bouwen.
  4. Inzichten genereren uit de data door middel van de analyse.
  5. Deze inzichten communiceren naar de organisatie, en omzetten in concrete acties.

Naar schatting zijn data scientisten zo’n 80 procent van hun tijd kwijt aan de eerste twee stappen: het vergaren, voorbereiden en opschonen van de data. Augmented Analytics kan deze tijdrovende taken automatiseren, omdat voor deze taken niet per se diepgaande kennis over data science nodig is.

De voordelen van augmented analytics

Augmented Analytics is de toekomst, maar waarom? Dat lichten we hieronder even toe.

  1. Augmented Analytics heeft een positieve invloed op zowel de ROI (return on investment) als de TCO (total cost of ownership).
  2. Betere beslissingen, meer accurate businessvoorspellingen en beter meetbare analyses.
  3. Een betere integratie, een beter begrip en meer populariteit van data in de organisatie.
  4. Zowel het ICT-team als het data science team kunnen zich focussen op strategische problemen en complexere projecten.

Het laatst genoemde punt is het voordeligst voor beide partijen. Data scientisten zullen minder tijd kwijt zijn aan onderzoek naar data, en meer tijd investeren in het inspelen op relevante inzichten met minder bias dan normaal. Waarom minder bias? Omdat managers op zoek zijn naar onbevooroordeelde, accurate, kostenefficiënte en minder tijdrovende voorspellingen en oplossingen voor hun businessvraagstukken. Augmented Analytics zorgt ervoor dat deze oplossingen er sneller zijn, en ook nog eens betrouwbaarder zijn. Data scientisten hebben namelijk geen eeuwige concentratieboog, en bovendien is de kans op fouten groter bij herhaaldelijk en intensief werk.

Onderdelen van Augmented Analytics

Volgens Gartner kan Augmented Analytics worden verdeeld in drie categorieën:

  1. Augmented data preparation; de inzet van machine learning om data te versterken en te verrijken.
  2. Augmented data discovery; de inzet van machine learning om ‘citizen data scientists‘ in staat te stellen om verbanden tussen data te ontdekken en te visualiseren. Zij kunnen dit doen zonder modellen of algoritmes te hoeven bouwen.
  3. Augmented data science en machine learning; de automatisering van de kernaspecten van data science. Denk hierbij aan het automatisch selecteren van algoritmes, het inzetten van deze algoritmes en de monitoring ervan.

En Tableau en SAS dan?

Als je jezelf nu afvraagt: ‘Wordt dit probleem niet opgelost door softwaretools zoals Tableauen SAS?‘, dan is het antwoord nee. Deze tools maken zowel het analyseproces als het communiceren van de bijbehorende inzichten makkelijker. Deze tools voeren echter niet de analyse voor jou uit. Augmented Analytics doet dit juist wel.

Een trend in wording?

Augmented Analytics gaat automatisch door data heen om deze op te schonen, te analyseren en om te zetten in inzichten en acties. Gartner gaf al aan dat Augmented Analytics gezien kan worden gezien als ‘een ontwrichter in de data- en analyticswereld’. Dankzij de nieuwste cloudtechnologieën en de enorme hoeveelheden data, zal deze opkomende trend volgens hen snel mainstream worden. Augmented Analytics maakt het namelijk mogelijk om algoritmes op grote schaal te trainen én te verspreiden. En dit resulteert weer in een stijging van de hoeveelheid toegepaste data science.

Want to know more?

Ben je benieuwd naar wat wij nog meer in petto hebben als het gaat om data science? Neem dan contact op met Jesse Luk via jesse@tottadatalab.nl. Je kunt natuurlijk ook even bellen naar 020 514 1328.

Posted on 20 mei 2019

Share the Story

Back to Top