Data is overal—en het vermenigvuldigt zich constant. Dat is waarom plannen voor big data nu belangrijker is dan ooit. Maar de meeste IT-afdelingen hebben het te druk met de lichten aan houden, zorgen dat systemen veilig zijn, en het verwerken van dagelijkse verzoeken. Er is geen tijd om na te denken aan de toekomst van de data zelf.
Waarom je proactief (niet reactief) met je data moet omgaan
Data volumes zullen blijven groeien. Het internet weet het. Jij weet het. En wij weten het. Er bestaat geen twijfel over: we zullen steeds grotere en grotere data volumes blijven genereren, zeker als je bedenkt dat het aantal handheld apparaten en apparaten die met het internet verbonden zijn exponentieel zal toenemen.
Dat is waarom je nu grip op je data moet zien te krijgen—voordat het uit de hand loopt.
De manier waarop je nu al tientallen jaren met je data omgaat is geen duurzame aanpak voor de toekomst. En je kunt niet simpelweg reageren op verzoeken om data, en vervolgens maar hopen dat het volstaat.
De beste manier om met je data om te gaan is door het proactief te benaderen.
Hoe je data proactief moet benaderen
Data proactief benaderen betekent dat je strategisch moet nadenken over de toekomst van je data.
Vraag jezelf af…
In welke systemen bevindt data zich vandaag? Waar zal het zich morgen bevinden? Op hoeveel datagroei anticipeer je elk jaar?
Door het beantwoorden van deze vragen kun je strategisch over je data na gaan denken. Vervolgens kun je passende maatregelen nemen om je data te verwerken.
#1. Maak een einde aan handmatig worstelen met data
Niemand heeft tegenwoordig nog de tijd om handmatig query’s te draaien voor eenmalige verzoeken. Jouw IT-team heeft dat ook niet.
Het schrijven van SQL-query’s zorgt ervoor dat je programmeurs minder tijd overhouden voor belangrijke taken, zoals het optimaliseren van applicaties.
En hoewel het draaien van een query in Query/400 sneller lijkt—je kunt slechts één query tegelijk draaien. En elke keer heb je andere informatie nodig, die weer een heel nieuwe query vereist.
Dat kan gewoon geen stand houden wanneer Jen de CEO vraagt om de data van alle verkopen van het afgelopen kwartaal. En Kelly van Sales vraagt om de verkoopdata van haar regio van het laatste kwartaal. En John van Financiën vraagt om de omzet van die verkopen in de loop van het kwartaal.
Als je handmatig met data zit te worstelen, krijg je elke keer een net iets andere versie van dezelfde gegevens.
Het is tijd om automatisering en machine learning toe te passen, zodat je dat handmatige geworstel met data kunt voorkomen. Volgens onderzoek van Forrester is machine learning van essentieel belang voor het reduceren van de time-to-insight. Dus door het automatiseren van het query proces door gebruik te maken van robotic process automation kun je de data van het kwartaal één keer opvragen, en deze gebruiken om elk verzoek te vervullen.
Naarmate de hoeveelheid data groeit, is het van groot belang om de time-to-insight te versnellen. Data wordt miljoenen tonnen data, en je hebt een snellere manier nodig om die data te verkrijgen en te zorgen dat deze bij de juiste mensen terecht komt.
#2. Haal je informatie uit de juiste bronnen
Je hebt overal data. Maar is het wel de juiste data? En hoe kom je daar achter?
Informatie is overal—niet alleen in één database—en het is altijd al overal geweest.
Het zit in de bedrijfstoepassingen op IBM i. Het zit in databases zoals Microsoft SQL Server en Oracle. En het zit in zakelijke systemen en applicaties.
Dit betekent dat Kelly van Sales data nodig heeft met betrekking tot verkopen, data die is opgeslagen in een Customer Relationship Management (CRM) applicatie op IBM i. John van Financiën heeft data nodig die wordt opgeslagen op een Great Plains boekhoudsysteem. En Jen de CEO heeft een alomvattend beeld nodig van data in elke applicatie, elk systeem en elke database—inclusief IBM i, Microsoft SQL Server en Oracle.
Dus je hebt een manier nodig om data van allemaal verschillende bronnen samen te brengen in één bron van waarheid. En je hebt een manier nodig die je in staat stelt om door de warboel van eindeloze gegevens te spitten en te zorgen dat de juiste gegevens bij de juiste persoon terechtkomen, op het juiste moment.
Het gebruiken van een moderne query en rapportage tool maakt het makkelijk om data uit verschillende bronnen samen te brengen in één heldere versie van de waarheid.
#3. Verander data in informatie
Alleen het verstrekken van data is niet genoeg meer. Je organisatie heeft behoefte aan een manier om data te veranderen in informatie die iedereen binnen je organisatie kan consumeren.
Kelly van Sales wil grafieken en tabellen. John van Financiën wil het in een spreadsheet. En Jen de CEO wil een zorgvuldig uitgewerkt verslag.
Daarvoor heb je de juiste tools voor bedrijfsinformatie-verwerking en analytics nodig.
Business intelligence dashboards kunnen een belangrijke bijdrage leveren als het aankomt op het veranderen van data in informatie. Grafieken en tabellen kunnen iedereen helpen te begrijpen wat de data betekent. Met zo’n visualisatie kan Kelly van Sales haar kansen voor de rest van het jaar zonder moeite vaststellen.
Microsoft Excel is een zakelijke standaard—met name als het aankomt op financiële resultaten. Door betrouwbare data door software robots geautomatiseerd naar een Microsoft Excel spreadsheet te exporteren, kun je voor mensen als John van de financiële afdeling de time-to-insight verkorten.
Tot slot
Data uit verschillende bronnen samenvoegen in één rapport kan een behoorlijke uitdaging zijn als je alles handmatig moet doen. Maar het is makkelijk als je een slimme tool, zoals software robots, achter de hand hebt. Op die manier kun je Jen de CEO de inzichten bieden die ze nodig heeft om vooruitgang te boeken met het bedrijf en in de behoeften van de markt te voorzien.
