Big Data is big. Big data is de enorme berg aan beschikbare digitale gegevens waaruit allerlei waardevolle informatie te halen is. Rond het analyseren van die datastromen is een hele markt ontstaan, die 150 miljard dollar groot is op jaarbasis.
Volgens marktonderzoeker IDC genereert de wereld dit jaar 2.700 exabytes aan digitale informatie. Een exabyte staat gelijk aan 10.000.000.000.000.000.000 bytes....En deze hoeveelheid groeit jaarlijks met 60%. Nog voor te stellen? Nee dus. Maar wat je je wel kunt voorstellen is dat er in die enorme berg data een wereld aan interessante informatie moet zitten.
In het blad MT van maart 2012 staan een aantal zeer interessante voorbeelden over het analyseren van al die data:
Wal-Mart: Leveranciers zijn aangesloten op het voorraadmanagementsysteem en weten dus precies hoe het met de verkoop van hun producten gaat. Velen zijn zelf verantwoordelijk gemaakt voor het op peil houden van de voorraad in de winkels van Wal-Mart. Ook voor flexleveranciers en andere intermediairs, zoals W&S-bureaus zou dit in de toekomst interessante mogelijkheden bieden. Op basis van voorspellingen van workload, in combinatie met verzuim-, verlof- en verloopcijfers, kan precies ingeschat worden of er flexwerkers ingeschakeld moeten worden of nieuwe medewerkers geworven.
Cablecom constateerde dat veel klanten afscheid namen in de dertiende maand nadat ze abonnee waren geworden. Klanten bleken die beslissing echter al veel eerder genomen te hebben. In de negende maand ontving de klantenservice al significant meer telefoontjes van later opzeggende klanten. Cablecom bood klanten vervolgens in de zevende maand een speciale aanbieding bij verlenging van het abonnement aan en reduceerde het aantal afhakende abonnees zo in één jaar tijd van 20 tot 5%. Bedrijven als Google passen dit principe al toe bij het analyseren van het verloop van medewerkers. Door data te bestuderen zijn patronen te ontdekken van medewerkers die hun baan gaan opzeggen. Door hier voortijdig op te anticiperen is (ongewenst) verloop van medewerkers te voorkomen en worden wervings- en inwerkkosten bespaard.
IBM ontwikkelde een 'Traffic Prediction Tool'. Deze app gebruikt GPS-gegevens van de telefoon om de rijgewoontes van de gebruiker te analyseren en combineert deze vervolgens met real-time informatie over de verkeersomstandigheden. Daarop volgt een gepersonaliseerd advies voor een optimale route. Hierop kan de personeelsplanning afgestemd worden. Chauffeurs gaan efficiënter met hun tijd om, zodat de productiviteit stijgt.
Bij creditcardmaatschappij Capital One bepalen algoritmes welke pagina bezoekers van de website te zien krijgen. In tweetiende van een seconde stelt de software 'met een grote mate van nauwkeurigheid' vast tot welke sociale en inkomensklasse de bezoekers behoort. Daarop wordt de aanbieding gebaseerd. Dit werkt met tracking cookies van websites die de bezoeker daarvoor heeft bezocht. Overigens moet de Nederlandse consument daar vanaf 5 juni toestemming voor geven. Voor werkenbij- of carrièresites biedt een dergelijke techniek natuurlijk kansen. De bezoeker de juiste informatie of look and feel voorschotelen, zodat de kans groter wordt dat deze daadwerkelijk solliciteert of de werkgever als employer of choice ziet.
De mogelijkheden zijn dus eindeloos als het analyseren van big data (waaronder ook de 'gedragingen' op bijvoorbeeld sociale media behoren) op juiste wijze wordt opgepakt. Uiteraard moeten privacy-issues wel geadresseerd worden. Hoe dan ook, we leven in interessante tijden! :-)
Deze blogpost is geschreven door Marco Hendrikse
| 
