De 5 kritieke kenmerken van een Analytical Platform

22 oktober 2015
De 5 kritieke kenmerken van een Analytical Platform

De weg naar een analytics-driven organisatie vereist transformatie op het gebied van organisatie, processen en technologie. Wat betreft organisatie is het hebben van een Analytics Competency Center geen uitzondering meer. Verder zie je steeds vaker dat een lifecycle-aanpak wordt gehanteerd voor analytische processen, waarbij het operationaliseren van analytics een belangrijk onderdeel is. Productiemodellen worden opgenomen in de operationele processen waarmee deze herhaalbaar ingezet kunnen worden.

De technologische basis wordt gevormd door een Analytical Platform. Maar wat maakt een dergelijk platform succesvol; wat zijn de kritieke kenmerken? Om te komen tot herhaalbare en geautomatiseerde productie kunnen we leren van industrieën die al door die fase zijn gegaan. Neem de automobielindustrie waarbij men van handmatige, unieke fabricage is gekomen tot een gestroomlijnd en extreem schaalbaar productieproces. Verschillende eindproducten wordt geproduceerd op hetzelfde platform. Daarbij bestaan er vijf cruciale kenmerken die je ook terugziet bij een Analytical Platform:

5. Right-Time delivery
Binnen de automobiel industrie is just-in-time-delivery van voorbewerkte materialen een belangrijk kenmerk. Vertalen we dat naar analytics, dan zien we een soortgelijke beweging. Event Stream Processing wordt op steeds grotere schaal ingezet om het ruwe materiaal van analytics - data - te verzamelen, voor te bewerken en just-in-time (of right- time) aan te leveren aan het analytische proces. Dit is noodzakelijk om op grote schaal te blijven produceren en onze ‘warehouses’ of data lakes niet te overladen. Ook wordt Event Stream Processing steeds belangrijker door ‘the Internet of Things’.

4. Automation
Het gaat hierbij met name over automatisering op grote schaal. Een expert-lasser kan waarschijnlijk een nog net iets sterkere las plaatsen dan een robot. Maar kan hij dat ook 1000 keer per dag met dezelfde kwaliteit? Hetzelfde zien we bij het ontwikkelen van analytische modellen. SAS Factory Miner kan bijvoorbeeld automatisch duizenden modellen genereren op detailsegmenten van de data met een betere overall voorspelbaarheid dan een complex expertmodel.
Het feit dat deze analytics-technologieën nu gebruikmaken van een in-memory, gedistribueerd processing-platform maakt de benodigde schaalgrootte mogelijk.

3. Transparantie
Iedere auto heeft een stuur, een gaspedaal en een rem. Het eindproduct is daarom transparant naar de eindgebruiker. Deze ziet niets van de onderliggende complexiteit. Hetzelfde principe geldt voor de informatie-producten die voortkomen uit het Analytical Platform.

In een Analytical Platform zie je deze transparantie in 3 soorten:
Data federatie zorgt voor het afschermen van de onderliggende complexiteit van de opslag van de data. Of het nou Hadoop, een RDBMS of iets anders is.
Visualisatie maakt een interactieve, self-service benadering mogelijk naar de verrijkte gegevens.
- Self-service data management met bijvoorbeeld SAS Data Loader for Hadoop, zorgt voor flexibiliteit in gebruik zonder de noodzaak van expert-kennis.

2. Operationaliseerbaarheid
Het op één na belangrijkste kenmerk van een Analytical Platform is operationaliseerbaarheid. Ben je in staat als organisatie om de uitkomsten van het analytische ontwikkelproces in productie te nemen? Ieder jaar zien we de prachtigste ontwerpen langskomen op de Auto Salon van Genève, maar wat zien we er uiteindelijk op de weg van terug? Dan blijkt dat het in productie nemen van modellen andere eisen met zich meebrengt. Dit is de grootste uitdaging waar organisaties nu voor staan: de uitkomsten van hun analytics-laboratorium verzilveren. Met SAS Decision Management kunnen we dit mogelijk maken: het automatisch uitvoeren van analytische modellen in de operationele processen.

1. Governance
De impact van de ouput van analytics is groot en vereist dan ook een goed georganiseerde governance. Een goede data governance is nodig om te waken over de kwaliteit van de belangrijke grondstoffen van analytics. Daarnaast speelt model governance een steeds belangrijkere rol. Model governance om continu te toetsen of de modellen de gewenste uitkomsten voortbrengen en nieuwe modellen indien nodig te implementeren.

Cruciaal
Een gebied waarbij al deze kenmerken relevant zijn is ‘the Internet of Things’. Hierbij worden enorme hoeveelheden data gegenereerd. Een gemiddeld olieplatform genereert al 8TB per dag, de Boeiing 787 Dreamliner 40TB per uur en de self-driving car 1GB per seconde. IoT maakt ons persoonlijke leven makkelijker met wearable devices en home automation. Maar 70% van de waarde gaat komen uit business-to-business toepassingen. Het toepassen van analytics is daarbij cruciaal. Dit vereist ‘Analytics on the Edge’ waarbij in-stream analytics wordt toegepast daar waar de data oorspronkelijk gegenereerd wordt.

Een Analytical Platform is de basis voor een succesvolle implementatie van modellen. Deze brengen uiteindelijk de waarde van data en analyses naar de oppervlakte. Het gaat daarbij om veel meer dan het hebben van de grootste auto met allerlei toeters en bellen die je zelden tot nooit nodig hebt. Bouw een platform met een stevig fundament en een krachtige motor waarmee je altijd sneller dan de concurrentie op de bestemming aankomt.

In deze video licht ik de 5 kritische factoren toe en geef ik aan welke rol innovatie speelt in het Analytical Platform.