Blablabla - INTRO - wat is een trendletter?

Waarover gaat deze trendletter?

Big Data is een hype. Wie uit de immense en onoverzichtelijke hoeveelheid gegevens heldere conclusies kan filteren, heeft een interessant business model. Wereldwijd zijn er al mooie toepassingen, die we in deze trendletter bespreken.

Zo bespaarde de stad Seatle tot 25% op energieverbruik. Heel wat chemiebedrijven in de haven van Antwerpen ontdekken potentiële incidenten op basis van algoritmes en data-analyse.

 

Rekenkracht en algoritmes

Voor de opslag en verwerking van gigantische hoeveelheden data zijn veel computers nodig. Die computers moeten beschikken over voldoende rekenkracht om patronen te ontdekken in die data.

De oplossing: platforms die duizenden computers aan elkaar koppelen om zo een immense rekenkracht mogelijk te maken voor distributed storage en distributed processing.

Lijkt al een huzarenwerk, maar de volgende uitdaging is net zo essentieel: de verwerking van die data. Wie de meest geavanceerde analysetechnieken gebruikt, zal het meest resultaat bereiken.

Een succesvol voorbeeld daarvan is Google. De zoekmachine bundelt en categoriseert een enorme hoeveelheid informatie en maakt daarbij gebruik van een leger van servers.

Op al die informatie laat de zoekmachinereus algoritmes los die elke website een genummerde plaats geven bij een zoekopdracht. Dankzij die algoritmes vindt elke surfer de info die hij online zoekt.

Is big data nieuw?

De toename in internetverkeer is slechts 1 element in die groeiende berg data, maar het biedt wel een goede illustratie van de groeisnelheid.

Nee. Sinds het ontstaan van computers in de jaren ‘40 werden ze gebruikt om grote hoeveelheden informatie te verwerken. 

Colossus, de eerste elektronische computer uit 1943, hielp de Britten tijdens de Tweede Wereldoorlog om de Duitse Enigma-code te kraken. Colossus zocht in de berichten terugkerende patronen en kon zo de vertaalsleutel ontcijferen.

Wat wel nieuw is, is de explosieve groei van de hoeveelheid data. Ook de verwerkingssystemen evolueren razendsnel om gelijke pas te houden.

Die combinatie verklaart de recente hype rond big data.

Big data in retail

Grote supermarktketens houden massa’s gegevens bij over hun klanten. Zo kunnen ze gerichte reclameacties voeren. Een voorloper in die gespecialiseerde aanpak is de Amerikaanse supermarktketen Target. 

Target verkoopt zowel kleding, als voeding, schoonmaakproducten en multimedia. De keten stelde vast dat hun kopers enkel bepaalde producten bij hen kochten. Sommige kopers haalden wel hun schoonmaakproducten bij Target, maar gingen er niet op zoek naar een nieuwe outfit.

Tenzij er plots iets verandert in het leven van die koper. 

De komst van een kind is een unieke kans tot klantenbinding, dat weten alle supermarkten. Krijgt een koppel hun eerste kind? Dan worden de dagelijkse gewoontes flink doorheen geschut. Op dat moment zijn mensen sneller geneigd om hun winkelgedrag te veranderen. 

Target ging daarom zelf op zoek naar een manier om zwangere vrouwen te detecteren en deze met specifieke promo-acties aan de winkel te binden nog voor de geboorte van hun kind.

Dankzij big data.

Veel vrouwen starten bijvoorbeeld rond de 20ste week van de zwangerschap met vitaminesupplementen. Maar er veranderen nog heel wat producten op het winkellijstje van aanstaande ouders.

Target identificeerde 25 producten die vaak wijzen op een mogelijke zwangerschap. Kochten klanten heel wat van deze producten? Dan wist de winkel niet alleen dat iemand zwanger is, Target kon bovendien vrij nauwkeurig inschatten wanneer de geboorte voorzien was.

Die informatie was goud waard voor de marketeers van Target. Zij stuurden vervolgens kortingsbonnen voor producten die een zwangere vrouw nodig heeft. In de winkel kan die marketeer het product in kwestie plaatsen tussen babykleren en babymelk.

Zo kon de keten toekomstige ouders ervan overtuigen om in de winkel een heel brede waaier aan producten aan te schaffen.

Wat kan Big Data betekenen voor Antwerpen?
Dalend energieverbruik en onderhoudskosten

Sensoren kunnen meten hoeveel mensen aanwezig zijn in een gebouw of hoe warm het buiten is. Met deze info kunnen verwarmings- en verluchtingssystemen nauwkeuriger afgesteld worden.

Een klimaatsysteem kan ook gekoppeld worden aan het boekingssysteem van vergaderzalen. Geen vergadering? Geen verwarming nodig.

Installaties zelf kunnen ook bruikbare data aanleveren. Verbruikt een deel ervan meer dan normaal? Dan is een onderhoud aangewezen. Zo vermijd je pannes en bespaar je onderhoudskosten.

De Amerikaanse stad Seattle rustte 90 gebouwen uit met dergelijke sensoren, dankzij een samenwerking met Microsoft en Accenture. Het resultaat: energieverbruik en onderhoudskosten daalden met 10 tot 25% per gebouw.

Incidenten voorspellen

Op een chemische installatie in de haven van Antwerpen staan tot 500.000 sensoren om temperatuur, druk, debiet en andere waarden te meten. Die gegevens worden naar een centrale databank gestuurd. In de controlekamers zoeken medewerkers, op schermen vol tijdseries, naar onregelmatigheden en gevaren.

De software van Trendminer, een Big Data bedrijf met hoofdzetel in Hasselt, maakt het mogelijk om de data te indexeren, labelen, analyseren en monitoren. Zo kunnen incidenten voorspeld worden door algoritmes in plaats van door medewerkers.

Trendminer heeft al een mooie portefeuille aan klanten met (petro)chemische mastodonten zoals Total, Solvay, Evonik en Borealis, maar ook bij farmabedrijven (Janssen Pharma), grondstoffenverwerkers (Umicore) en industriële spelers (ThyssenKrupp, Stora Enso).

Deze automatisering kan een verdere groei van de chemische sector in Vlaanderen ondersteunen, ook al blijven operatoren een cruciale rol spelen in geval van een incident.

Luchtkwaliteit meten

De gemeente Elsene meet zijn luchtkwaliteit via sensoren op de voertuigen van de gemeente.

Deze informatie gebruikt de gemeente om luchtkwaliteit en mobiliteit te verbeteren. Een mobiele app voor voetgangers en fietsers toont niet alleen de snelste, maar ook de gezondste route op basis van de real-time informatie.

Andere toepassingen van Big Data

Snel, sneller, FLITS

De reactiesnelheid van een computersysteem, met name hoe lang het duurt voor een gebruiker een resultaat krijgt van het systeem, bepaalt in belangrijke mate de gebruiksvriendelijkheid van het systeem. In bepaalde sectoren draait snelheid echter om meer dan louter gebruiksgemak. Het voorbeeld bij uitstek is de financiële sector, en dan in het bijzonder de beurshandel.

Het meest gekende paradigma van beurshandel is ongetwijfeld ‘buy low, sell high’. Met andere woorden: koop aandelen wanneer de koers laag staat en verkoop deze weer wanneer de koers gestegen is en strijk zo de winst op. Aandelenkoersen zijn echter zeer grillig en fluctueren de hele dag door. Een speciale tak van de financiële sector heeft zich op deze kleine fluctuaties toegelegd, de zogenaamde flitshandel of high-frequency trading. 

Bij flitshandel worden aandelen automatisch gekocht en weer verkocht. De computer beslist dus, op basis van algoritmes, wanneer er wordt gekocht of verkocht. Flitshandelaars kunnen zo op een fractie van een seconde inspelen op prijsfluctuaties. Om orders supersnel te verwerken investeren flitshandelaars in de meest geavanceerde computers en dataverbindingen. Hierbij worden inzichten en algoritmes uit Big Data gebruikt om die computers aan te sturen en maximaal te laten presteren. Om het belang van snelheid te illustreren: een tijdswinst van 1 milliseconde (1/1000ste van een seconde) in de verwerking van de aan/verkooporders levert een flitshandelaar naar schatting 100 miljoen USD (!) op per jaar. 

Big Data en creativiteit

Big Data draait om het vinden van patronen in een grote hoeveelheid informatie, wat het uitermate geschikt maakt voor “droge” analyses, maar voor creatieve toepassingen heeft het weinig meerwaarde. Een computer is immers gebonden door allerlei wiskundige regels en kan geen echte creativiteit aan de dag leggen. Of toch? 

Laurence Van Elegem, marketing- en communicatiemanager van @nexxworks, breekt in een interview voor Trends een lans voor de creatieve mogelijkheden van computers. Vandaag zijn er al voorbeelden zoals IBM’s Chef Watson die nieuwe recepten voorstelt door wiskunde los te laten op een gigantische berg data. Automatische vertalingen worden steeds accurater. Ook het creëren van nieuwe, literaire teksten is niet langer een onoverkoombare grens. Zo haalde een door een computersysteem geschreven kortverhaal de tweede ronde in een Japanse literaire wedstrijd. Toegegeven, dat is nog ver van de eerste plaats, maar desalniettemin een nieuwe stap in de richting van creatieve, intelligente computers.

Creativiteit is vaak het resultaat van het koppelen van bestaande elementen. Laat dat nu net het sterktepunt van Big Data zijn. Het evalueren van het resultaat is nog aan de mens, maar dat is een kwestie van trial & error. Hoe meer feedback een computer kan registreren, hoe kwalitatiever de voorstellen zullen worden.

De toekomst van Big Data 

Nood aan expertise 

Om op een zinvolle manier met Big Data aan de slag te gaan is er nood aan tal van profielen, gaande van databankbeheerders en data analisten tot managers met specifieke kennis over Big Data. In Vlaanderen behoren ICT-profielen zoals bedrijfsanalist ICT en databankbeheerder echter al jaren tot de lijst van knelpuntberoepen. Een boom in Big Data toepassingen, naast alle andere trends richting verdere digitalisering, maakt dat het tekort nog zal toenemen. 

Specifiek voor Big Data is er geen schatting voor Vlaanderen, maar in de VS wordt er een tekort van 140.000 tot 190.000 analisten met deep analytical skills verwacht tegen 2018, samen met een tekort van 1,5 miljoen managers en analisten met de know-how om de geanalyseerde big data om te zetten in effectieve beslissingen.

Nieuwe business modellen

Gespecialiseerde dienstverleners in Big Data zijn een groeiende markt. Gezien de specifieke expertise die vereist is besteden meer en meer bedrijven hun data-analyse uit. Tegen 2017 zou meer dan 30% van de bedrijven die big data gebruiken hiervoor beroep doen op een gespecialiseerde tussenpartij.

Daarnaast leveren meer en meer sensors in producten meer en meer informatie. Zo kan de consument bij online bestellingen beter op de hoogte gehouden worden over de levering via zogenaamde track & trace toepassingen. Maar ook na de levering kan er allerlei nuttige informatie bezorgd worden: waar staat mijn wagen geparkeerd? Moet de olie vervangen worden? Is de bandendruk nog in orde? 

Op het niveau van de consument gaat dit nog over een relatief beperkte hoeveelheid data, maar voor een volledig klantenbestand wordt het een schat aan informatie. De analyse daarvan kan een bedrijf helpen om een beter inzicht te krijgen in hoe verschillende consumenten het product gebruiken en het aanbod daarop afstemmen.

Zo biedt Big Data een voedingsbodem voor tal van nieuwe business modellen waarvan het aanbod veel nieuwe aansluit bij de nood van de consument.

Deel deze pagina: