Het vakgebied Data & Analytics is volop in ontwikkeling: Business Intelligence en Datawarehousing lijkt compleet verdrongen te worden door Big Data, Data Science, Machine Learning en AI. Op technologisch vlak is dat te verklaren, gezien de doorbraak van krachtige hybride dataverwerkingsplatformen en technologieën zoals, Spark, Drill, NoSQL, microservices, streaming data, datavirtualisatie plus decommoditisering van AI en Analytics.
We lijken echter veel van wat we de afgelopen 25 jaar geleerd hebben alweer vergeten te zijn: technologie is slechts een onderdeel van “the mix”. Werken vanuit een sterke business case, relevante use cases, conceptueel, logisch en technisch modelleren van data, bepalen van datakarakteristieken en dataroutes plus de implementatie in de organisatie zijn cruciaal om echt succesvol te worden met Data & Analytics. Met de veelheid aan Data & Analytics technologieën lijken we soms door de bomen het bos niet meer te zien en vergeten we voldoende aandacht te besteden aan deze thema’s.
In deze sessie gaan we in op vier praktijkcases waarin we laten zien hoe moderne Data & Analytics technologieën niet het doel, maar het middel zijn om business waarde te creëren. Hoe gaat u vanuit een startsituatie (inflexibele datawarehouses, complex BI-landschap, wildgroei aan Big Data en AI toepassingen, behoefte aan control, datamanagement en sneller te reageren op nieuwe Data & Analytics behoeften van de business) naar een POC-, Pilot- en implementatiefase? Leer van een pensioenuitvoerder, Academisch Ziekenhuis, verzekeraar en zoetwarenbedrijf hoe zij deze stappen hebben doorlopen.
• Datagedreven versus procesgedreven organisaties: een schijnbare tegenstelling?
• De valkuilen van moderne Data en Analytics-toepassingen: technologie, kennis en complexiteit
• De business case voor Data en Analytics
• Vier praktijkcases: leren, proeven, doen.