Column Christiaan Vrieling op FM.nl over de valkuil van selfservice BI

, , ,

SUMMAVIEW-oprichter Christiaan Vrieling heeft een nieuwe column geschreven voor FM.nl. Dit keer gaat hij in op het grootste risico dat op de loer ligt bij Selfservice BI: de gescheiden werelden van IT’ers en Excel-goeroes.

Christiaan schrijft:

Selfservice BI is dé trend voor 2018, volgens Amerikaanse BI-kenners. Nu ben ik de laatste om te ontkennen dat het deze kant ook in Nederland op zal gaan, maar vaste lezers van mijn columns weten inmiddels dat ik behoorlijk nuchter ben en, naast de voordelen, ook de risico’s van zogenaamde trends probeer in te schatten. In het geval van Selfservice-BI zijn die risico’s er ook. Selfservice BI is, teruggebracht tot de kern, een kwestie van een mooi dashboard opzetten aan de hand van data. Ik zie in de praktijk dat dit op compleet verschillende manieren gebeurt. Er zijn ruwweg twee methodes; de Excel-methode en de IT-methode. Ze zijn ontstaan uit compleet gescheiden belevingswerelden, maar ze komen elkaar dankzij Selfservice-BI tegen. Daar kan de schoen gaan wringen.

Lees de hele column op FM.nl

De toekomst van uw bedrijf voorspellen?

, ,

Microsoft heeft een tool op de markt gebracht waarmee toekomstige prestaties binnen organisaties relatief eenvoudig kunnen worden geanalyseerd: Microsoft Azure Machine Learning. Wat mij betreft heeft Microsoft hiermee de toekomst van datamanagement en Business Controlling in handen.

Door: Christiaan Vrieling

Elke organisatie doet, als het goed is, aan prestatiemeting. Om prestaties te kunnen meten wordt een keur aan middelen ingezet: KPI’s, databases, business intelligence, Excel, evaluatiegesprekken, noem maar op. Al deze vormen van prestatiemeting hebben één ding gemeen: ze meten alleen de actuele of de voorbije prestaties.

Prestatiemetingen in de toekomst

Microsoft Azure Machine Learning (Azure ML), doet het anders. Dit is een nieuwe tool die de gebruiker in staat stelt om prestatiemetingen en andere analyses op databases te verrichten die gericht zijn op  de toekomst. Dit biedt tal van vernieuwende mogelijkheden.

Planning optimaliseren

De manager die zich bezighoudt met planningen kan met Azure ML bijvoorbeeld veel eenvoudiger en handzamer de planning optimaliseren. Een bedrijf met veel factoren en actoren, zoals bijvoorbeeld de NS, kan dankzij deze tool makkelijker in kaart brengen  hoe veranderingen aan het spoorboekje zullen gaan uitpakken.

Revolutionair ingericht

Deze tool van Microsoft doet  iets revolutionairs: hij biedt de mogelijkheid om op een eenvoudige manier voorspellende analyses over data uit te voeren. Het revolutionaire aan deze tool is niet eens deze mogelijkheid op zich, het vernieuwende zit hem vooral in de manier waarop Microsoft hem heeft ingericht.

Het programma biedt de volgende innovatieve mogelijkheden:

  1. Werken met offline databases vanuit de cloud. Dit is een hybride oplossing.  Dat wil zeggen dat er met offline én online gegevens in de cloud wordt gewerkt.
  2. Snelle analyses maken. Er kan met Azure ML direct worden geanalyseerd; databases hoeven alleen maar te worden ‘geselecteerd’ en er kan direct worden begonnen met voorspellingen doen.
  3. Interactieve omgeving. Je kunt ‘spelen’ met data. Bijvoorbeeld: kijken wat er in de toekomst gebeurt als bepaalde factoren veranderen. Zo kunnen verschillende scenario’s snel worden behandeld.

Veel eenvoudiger

Momenteel zijn toekomstanalyses natuurlijk ook mogelijk. Hiervoor worden dan specialisten ingehuurd die veel tijd en moeite (en geld!) nodig hebben om tot een betrouwbare voorspellende analyse te kunnen komen. Alle scenario’s moeten los worden uitgewerkt en voor veel managers zijn uitkomsten van zulke analyses arbitrair omdat het heel lastig is om inzicht te krijgen in zo’n ingewikkeld proces . Ook het proces van trial and error is met de komst van Azure ML minder aanwezig, omdat verschillende scenario’s van tevoren allemaal data-technisch kunnen worden doorgerekend.  Met Azure ML wordt voorspellende analyses doen dus kinderspel.

Van Multinational tot MKB

Azure ML is heel breed toepasbaar. Iedereen die iets (vastgelegd in data) wil weten over de toekomst, kan nu zelf een toekomstgerichte analyse uitvoeren om te kijken wat de volgende waarden zullen zijn in de database. Dit kan zowel op hele grote als op kleine schaal. Niet alleen de NS en Unilever, maar ook het MKB en de detailhandel kunnen de nieuwe tool van Microsoft inzetten voor verbetering van hun bedrijfsvoering. De dorpsbakker bijvoorbeeld, kan kijken wat er met de afzet van een bepaald soort brood gebeurd als hij de prijs aanpast met een heel simpel grafiekje.

Maar Azure ML kan meer, zeker ook voor de meer omvangrijke organisaties. Met R-codes kunnen bijvoorbeeld zeer dynamische gegevenssets worden gemaakt. Zo kunnen heel veel verschillende factoren worden meegerekend om uitgebreide, gedetailleerde toekomstanalyses voor een groot bedrijf uit te voeren.

Goud in handen

De mogelijkheden van Azure ML zijn dus bijna eindeloos. Iedereen die toekomstvoorspellingen wil doen, kan deze nieuwe tool gebruiken omdat hij zo breed toepasbaar is. Ik zou me geen branche kunnen voorstellen, waar dit niet handig is. Dus bij deze doe ik een toekomstvoorspelling: Microsoft heeft met Azure ML goud in handen.

Hoe wij van onze tijdsregistratie een feest(je) maken

, ,

Tijdsregistratie verloopt binnen heel veel organisaties stroef. Meestal ligt één hoofdoorzaak aan de basis van deze bottleneck: de medewerker vergeet het te doen of stelt het uit, omdat de gebruikte software niet voldoet. Binnen SummaView speelden deze problemen ook. Daarom hebben we besloten zelf een app te ontwikkelen die van tijdsregistratie een feest maakt. Nou ja, een klein feestje dan.

Vaak spelen dezelfde twee problemen die allebei in feite terug te voeren zijn op een slechte werking van het urenregistratiesysteem. De medewerker wil aan het eind van de dag naar huis en ‘vergeet’ zijn uren in te vullen. Er kan natuurlijk best sprake zijn van écht vergeten, maar niet zelden ligt aan dit ‘vergeten’ het werkelijke probleem ten grondslag: het systeem werkt traag en onlogisch en het kost de medewerker veel tijd om alle uren in te vullen. Niet bepaald uitnodigend en uitstel ligt op de loer.

Duidelijke eisen

Bij SummaView besloten we een app te ontwikkelen die deze problemen oplost. We stelden vooraf duidelijke eisen. Allereerst moet de app op zowel mobiel (iOS, Android, WindowsPhone) als voor desktop-systemen beschikbaar zijn. Als de tijdregistratie op kantoor wordt vergeten, vormt mobiel invullen onderweg in de trein of thuis een werkbaar alternatief.

Tijdswinst boeken

De andere eis is dat de app snel en soepel werkt. Zo besparen we veel irritante wachttijd. Daarnaast moet de app eenvoudig en snel overzicht kunnen bieden van alle geplande en werkelijke uren. Tijdswinst boeken met het invullen van gegevens vormt eveneens een speerpunt. Denk daarbij aan automatisch invullen van tijden, data, klantnamen etc.

Verder uitrollen?

De ontwikkeling van de app is nu nog in volle gang. De eerste betaversie is getest en alle medewerkers zijn nu al razend enthousiast en kunnen niet wachten om de app in gebruik te nemen. Binnenkort verwacht ik dat de app definitief in gebruik genomen kan worden. En wie, als alle kinderziektes eruit zijn,  weet rollen we onze app op termijn wel verder uit, zodat ook onze klanten ervan kunnen profiteren. Wordt vervolgd dus.

3 makkelijk te begrijpen Machine Learning algoritmes

, ,

Big data is op dit moment erg belangrijk in de tech wereld. Dit maakt machine learning erg zeer interessant omdat machine learning enorm krachtig is in het maken van voorspellingen en berekende suggesties. Voorbeelden hiervan is Netflix, die algoritmes heeft  die een suggestie doet wat je volgende film word op basis van de films die je al gekeken hebt. Een ander voorbeeld is dat Bol.com een suggestie doet voor je volgende aankoop op basis van de aankopen die je al gemaakt hebt.

Binnen machine learning zijn er 3 soorten algoritmes. Namelijk supervised learning, unsupervised learning en reinforcement learning. Supervised learning is handig in situaties waar de dataset die je gebruikt een label heeft. Unsupervised learning is handig in situaties waar je eerst moet ontdekken wat de relaties zijn in een niet gelabelde dataset. Reinforcement learning is een middelmaat van de andere twee voorbeelden. Ik ga het in dit artikel hebben over supervised learning.

Supervised learning:

Decision Trees:

Een dicision tree is eigenlijk een soort boomachtig model waar verschillende keuzes en mogelijke consequenties uitgetekend worden. Hier een plaatje om er een beeld bij te krijgen.

Er wordt eigenlijk dus een minimum aantal vragen gesteld om zo dicht mogelijk bij een correct antwoord te komen. Deze methode zorg ervoor dat je een probleem structureel en systematisch aan kan pakken om tot een logische conclusie te komen.

Naïve Bayes Classification:

Naïve bayes classification is een soort algoritme waarbij de bayes’ law word toegepast. The Bayes’ law indiceert de waarschijnlijkheid van een gebeurtenis. Hier meer over Bayes’ law: https://en.wikipedia.org/wiki/Bayes%27_theorem

Figuur 2: formule voor de bayes’ law

 

Als je de Naïve bayes classification gebruikt ga je doormiddel van de Bayes’ law oordelen of iets waarschijnlijk is en kom je zo tot een veronderstelling wat het meest voor de hand liggend is.

Ordinary Least Squares Regression:

Als je iets van statistieken weet, dan heb je hoogstwaarschijnlijk weleens gehoord van lineaire regressie. Least squares is hetzelfde als lineaire regressie. Lineaire regressie is een methode hoe je een regressie-analyse toepast.  Lineaire regressie kan je zien als een rechte lijn door een aantal punten heen zetten.

Figuur 3: lineaire regressie visualisatie

 

Door de lijn door te trekken kom je op een redelijk correcte voorspelling van wat er gaat gebeuren.

Bibliografie:

Le, J. (2016, Augustus). The 10 Algorithms Machine Learning Engineers Need to Know. Retrieved from KDnuggets: http://www.kdnuggets.com/2016/08/10-algorithms-machine-learning-engineers.html
Wikipedia. (2017, Mei 29). Retrieved from Bayes’ theorem: https://en.wikipedia.org/wiki/Bayes%27_theorem

 

 

Verbaasd over de kracht van Excel: check onze Accelerator

, ,

Soms gebeurt het, zelfs na 20 jaar Excel-ervaring, dat je verbaasd bent over de kracht en snelheid van Microsoft Excel. Tijdens het maken van een korte video-demo, waarbij ik de rekensnelheid van een traditionele spreadsheet vergelijk met een identieke ‘getunede’ versie, ervoer ik onverwacht een plezierige verrassing.

Ik was bezig met de voorbereiding van onze nieuwe SummaView Taste-actie waarbij wij gebruikers van Business Intelligence willen laten proeven van onze kunsten. Zoals in de screencastvideo hieronder te zien is, duurde het herberekenen van de waardes in de traditionele spreadsheet ongeveer 15 seconden.

Ik switchte voor de vergelijking direct naar de getunede versie en had dus niet in de gaten dat de resultaten al binnen een seconde waren herberekend. En ik maar doortellen! Je ziet ook dat ik daarna weer switch naar de traditionele versie want ik dacht dat er iets fout was gegaan.

Zou zie je, onze eigen oplossingen verrassen onszelf zo nu en dan, in positieve zin. Meer weten over wat onze Excel Performance Accelerator voor uw organisatie kan betekenen? Laat het ons weten.