In 3 stappen naar een datagedreven energiebedrijf

10 november 2015
In 3 stappen naar een datagedreven energiebedrijf

In mijn vorige blog nodigde ik Nederlandse energiebedrijven uit om te kijken naar voorbeeldcases van datagedreven buitenlandse branchegenoten. Bedrijven die data en geavanceerde analyses al volop inzetten om zich beter te onderscheiden in hun markt. De vraag is natuurlijk hoe je zo’n datagedreven organisatie realiseert.

In mijn ervaring kun je daarvoor het beste de volgende drie stappen volgen:

1: een gebruikscase definiëren
De eerste stap ligt in feite bij de business: het bepalen van de ‘use case’ ofwel een specifieke uitdaging of besluitvormingstraject die je met een data gedreven oplossingen kunt ondersteunen. Zo kan in een overzichtelijk project direct waarde gecreëerd worden. Daarna is de volgende business case een stuk gemakkelijker te verkopen.

2: analytics als proces implementeren
Dit is mogelijk met de ‘analytics factory' die de processen voor het voorbereiden van data, en het bouwen, beheren en benutten van modellen structureert. Zo wordt de complete data-levenscyclus gemoderniseerd en komt de onderneming tot een maximale toepassing van data-analyses terwijl de impact op de bestaande IT-infrastructuur beperkt blijft.

3: Analytics operationaliseren
Stap drie is het aanstellen van specialisten met analytische, technische en bedrijfskundige vaardigheden die zich bezighouden met projecten die waarde uit data halen: de ‘data scientists’. Vanuit een ‘Analytics Competency Center’ (ACC) kunnen zij de transitie naar een analytische organisatiecultuur ondersteunen. Zo beschikt de onderneming over een vliegwiel om de analytics factory optimaal te benutten.

In deze blog ga ik verder in op de eerste stap: het definiëren van een gebruikscase.

Uit recent onderzoek door Accenture en General Electric blijkt dat 87% van de ondernemingen voorziet dat ‘Big Data Analytics’ het concurrentielandschap in hun branche al op korte termijn zal veranderen. En dat 89% gelooft dat bedrijven die geen Big Data Analytics-strategie hebben marktaandeel en momentum verliezen. Geavanceerde analyses van grote hoeveelheden data is dus duidelijk geen hype, maar het roept wel veel vragen op. Heb je de juiste data en hoe staat het met de kwaliteit ervan? Welke aanpak volg je? Zijn de te verkrijgen inzichten echt zo waardevol? Heb je de juiste mensen in huis? Welke specifiek besluitvormingstrajecten wil je met een datagedreven oplossing ondersteunen?

Strategische focus
Zoals zo vaak het geval is, heeft een stap-voor-stap benadering de grootste kans van slagen. Te beginnen met de allerbelangrijkste vraag: welke vraag wil je beantwoorden? Deze stap ligt in feite bij de business: het bepalen van de ‘use case’ die voortvloeit uit de strategische focus van de organisatie. Voor Eandis was dit bijvoorbeeld het verbeteren van de distributie van gas en elektriciteit om de EU 2020-doelstellingen voor energie-efficiëntie te halen. De gebruikscase kan te maken hebben met het klantperspectief, het inplannen van onderhoudswerkzaamheden of het beter voorspellen van de energievraag, maar ook met bijvoorbeeld duurzaamheid of regelgeving.

Boven alles wil je voorkomen dat je blijft steken in een eindeloze zoektocht naar de ultieme gebruikscase. Bij het bepalen van de use case is het de aanbeveling om met behulp van een zogenaamde value map te starten vanuit de strategie van de organisatie. De strategische doelstellingen veroorzaken uitdagingen in de verschillende processen. Vervolgens is het mogelijk om naar best practices in elk van die processen te kijken. Dit geeft een beeld van de ‘ist-soll’ situatie, en stelt een organisatie beter in staat vast te stellen hoe big data en analytics de organisatie kunnen helpen. Waarom het wiel opnieuw uitvinden?

Na het bepalen van de use case is het van belang om het besluitvormingstraject te versoepelen. Hiervoor heeft SAS een aanpak ontwikkeld waardoor innovaties van business-vraagstukken getest kunnen worden: het Big Data Innovation Lab.

Experimenteren
Het Big Data Innovation Lab is een testomgeving waarin high-performance, in-memory analyses met SAS, bijvoorbeeld op Hadoop kunnen worden uitgevoerd. Daardoor kun je meteen aan de slag met nieuwe datatypes en grotere datavolumes. Zo komt de focus te liggen op het in een kort tijdsbestek en met zo min mogelijk overhead bewijzen (of weerleggen) van ideeën rond het gebruik van data en analyses. Ofwel: met kleine experimenten bepalen wat werkt. Dit werkt uitstekend omdat je snel en doelgericht de relevantie van een mogelijke use case bepaalt. Ook kun je de beste onderdelen behouden en opschalen. In het hieropvolgende project kan direct waarde gecreëerd worden, waarna de volgende business case een stuk gemakkelijker te verkopen is. Zo kan gestaag aan draagvlak in de organisatie gebouwd worden.

In mijn volgende blog ga ik dieper in op de tweede stap die energiebedrijven helpt te transformeren naar een datagedreven organisatie: analytics als proces implementeren. Meer weten over het SAS Big Data Innovation Lab? Bekijk deze video. Verder vinden deze week de Accenture Innovation Awards plaats. Voor deze jaarlijkse wedstrijd wordt onder andere bekeken wat de meest veelbelovende innovaties zijn op het gebied van Clean & Affordable Energy. De winnaars worden vrijdag bekendgemaakt.