Data Analyse Maturity Model

Als een organisatie wil groeien en verbeteren is het belangrijk om te weten waar het nu staat en waar het naar toe wil.

Om uw organisatie te helpen met groeien en verbeteren door gebruik te maken van data, heeft Hendrikx ITC een data maturity model dat het datagebruik in een organisatie in kaart brengt.

Het data maturity model helpt om de huidige situatie van uw organisatie te beschrijven en laat zien waar uw organisatie naar toe zou kunnen streven. Het model geeft inzicht in de huidige situatie van de organisatie door te werken met 5 niveaus. Het kan ook gezien worden als onze roadmap om uw organisatie naar de volgende stappen te leiden door het data gebruik efficiënter, doelgerichter en productiever te maken. Het omvat ook de toepassing van Data Science, Machine Learning, en Artificial Intelligence.

IT Solutions Tilburg - HITC Data maturity model 400x225 1
Data Analyse Maturity Model

Level 1 Beschrijvende data

In het eerste niveau zijn de gegevens alleen beschrijvend van aard. De beschikbare gegevens laten de huidige situatie zien of wat er in het verleden is gebeurd. Enkele voorbeelden van niveau 1 gegevens zijn bankrekeningsaldi of prestatie-inzichten.

Level 2 Diagnostische data

Bij gegevens van niveau 2 zijn de gegevens niet alleen beschrijvend van aard, maar geven zij ook diagnostische informatie. Dit betekent dat de gegevens laten zien hoe ze tot stand zijn gekomen en waarom bepaalde waarden zijn wat ze laten zien. De gegevens worden op deze manier in perspectief geplaatst.

Level 3 Voorspellende data

Voorspellende informatie wordt mogelijk met data van niveau 3. Dat kan eenvoudig met behulp van trendanalyse. Het wordt echter pas echt interessant wanneer we Machine Learning toepassen om patronen te ontdekken. De data voorspelt ons de toekomst, waardoor organisaties gefundeerde beslissingen en veranderingen kunnen doorvoeren. Je zou kunnen denken aan een algoritme dat ons vertelt hoeveel auto’s de komende maand autopech zullen krijgen.

Level 4 Prescriptieve data

Door ons te vertellen wat er moet gebeuren om te optimaliseren of een bepaald doel te bereiken, gaat prescriptieve data nog verder dan voorspellende data. Prescriptieve data is waar Artificial Intelligence en Machine Learning zwaar worden toegepast. A good example of prescriptive data is the expansion of capacity and proposed changes to the configuration in order to prevent congestion on a production line.

Level 5 Autonome data

Autonome data-maturity kan worden gezien als het ultieme einddoel van Data.
Science en moet nog door veel organisaties worden bereikt. Een voorbeeld zou een systeem zijn dat zichzelf automatisch aanpast om optimaal te presteren. Dit gebeurt zonder tussenkomst van operatoren, ingenieurs of managers. Enkele voorbeelden zijn een SON (Self-Organizing Network), zelfstandige productielijnen of -systemen, maar ook automatisch voorraadbeheer.

Indeling van de niveaus

Niveau 1 en niveau 2 zijn gegevensniveaus die vooral uitleg geven over het verleden en de huidige tijd, wat betekent dat het reactieve niveaus zijn. Niveau 3 en niveau 4 geven input over de toekomst, waardoor organisaties kunnen bijsturen voordat er dingen gebeuren. Deze niveaus kunnen worden geclassificeerd als pro-actief. Het laatste niveau wordt automatisch aangepast, wat betekent dat er geen actie meer nodig is en daarom als niet-actief kan worden geclassificeerd. Het is mogelijk dat delen van hetzelfde proces aanwezig zijn op verschillende data analytics maturity levels.

Aanvullend advies

Als uw organisatie naar het volgende niveau wil, houd er dan rekening mee dat het fundament solide moet zijn. Onjuiste verwerking van ruwe data leidt tot drastisch verminderde nauwkeurigheid op hogere niveaus. Bij Hendrikx ITC werken we dagelijks samen met onze klanten om hen te helpen het volgende data maturity level te bereiken. Neem contact met ons op voor meer informatie!