Big Data

Ik zie, ik zie wat jij niet ziet…

22 april 2014

Technology Update

Big Data Visualisatie

Oscar Wijsman oscar.wijsman@bdvc.nl @oscarwijsman AlmereDataCapital.nl BDVC.nl @bdvcalmere @Datacapital

Big Data in de Gartner hype cycle

Big Data

Big – Bigger – Biggest Data?

• Gartner: “We have reached the point that collecting and storing data is cheaper than throwing it away”

Big – Bigger – Biggest Data?

De klassieke 3 V’s van Doug Laney (2001)

Volume

Velocity

Variety

En 3 S voor de infrastructuur (HP, 2011)

Scale

Speed

Sources

3 Primaire Big Data bronnen

Human

Software

Things

Voorbeelden bronnen

• Elk bedrijf en instelling verzamelt data

• De overheid verzamelt allerhande data

• Geavanceerde telescopen, smart infra

• Research data, zorgdata

• Sociaal Media

• Online data

• Sensors – Internet of Things

• Mobile Smart Devices vindt je overal

• Iedereen verzamelt data…

Big Data in alle vormen

• Ruwe data vs. bewerkte (“schone”) data

• Bronnen: zowel interne als externe (open) datasets

• Data kan veel structuur hebben of in het geheel niet

• Oude data of real-time

• Data kan incompleet zijn

• Altijd één of meer van de 3 V’s

• Betrouwbaarheid kan sterk variëren

Van wie is al die Big Data?

• Beheer en eigendom van data

• Wet en regelgeving – ook Europese wetgeving

• Doelbinding versus algemeen gebruik

• Ruwe data versus bewerkte data

• Hoe persoonlijk is data uit een machine?

• Privacy: Governance van data of consent op gebruik?

Big Data en Open Data

Open Data

Structuur

Big Data

Geen Structuur

Big Data & Analytics

”Predicting events is difficult,

especially when it’s about the future”

A.J.P. Taylor, historian (1909 – 1990)

Predictive analytics – Algoritme intuïtie?

Big Data Analytics

• Diversiteit aan nieuwe tools + eigengemaakte algoritmes

• Specifieke strategie, mindset en vaardigheden Data Scientist

• Zoeken naar verborgen patronen – data mining

• Zowel correlaties als causaal of semantisch verband

• Nieuwe of verbeterde inzichten

• Besluitvorming op basis feiten i.p.v. gevoel / aannames

• Vaak visualisatie nodig: beeld krijgen – c.q. het uit te leggen

Mythes over Big Data

• Big Data is nieuw

• Big Data is alleen voor Social Media en sentiment analyse

• Big Data is een hype en gaat wel weer over

• Big Data is altijd veel data

• Big Data betekent Hadoop gebruiken

• Big Data is alleen ongestructureerde data

• Big Data en NoSQL betekent No SQL

• Big Data kun je alleen maar visualiseren

• Big Data is slechts een ICT issue

De toekomstige Business met Big Data

Voorbeelden van meerwaarde van Big Data

• Betere besluitvorming

• Kostenbesparing

• Nieuwe en snellere inzichten

• Nieuwe producten, diensten en business modellen

• Cijfers in plaats van onderbuik gevoel

• Combinaties maken die eerder niet mogelijk waren

• Beter onderzoek

Stappenplan

• Bepaal het doel – wat wil je bereiken / afbakening

• Wat wil je aan data gebruiken – wat is je omgeving

• Ideevorming

• Provable concept

• Proof of concept

• Pilot in beschermde omgeving

• Naar productie

Data / Omgeving

Doel

Idee

Provable

Concept

Proof of Concept

Pilot

Productie

Big Data Value Center

• Creëer een Big Data Ecosysteem

• Doel: meer waarde met data

• Toegepaste ‘Big Data Factory’ aanpak

• Help Big Data (start-up) MKB

• Onafhankelijk, pre-competitief & open innovatie

• Leren, experimenteren, realiseren

• Haal waarde uit crossovers

LEARN

MATCH

DO

Vragen?

Wat moet de Mediasector met Big Data?

Advisering & Opleiding Strategie &

Transformatie

Inzicht & Analyse

Platforms &

Infrastructuur

Big Data Competenties

Advisering & Opleiding

• Awareness & advocating

• Business kansen

• Ideevorming

• Assessments

• Training

• Provable Concept

• Proof of Concept

Strategie & Transformatie

• Strategie

• Architectuur

• Roadmap

• Nieuwe business modellen

• Mindshift binnen de organisatie

• Verandermanagement –organisatorische impact

Inzicht & Analyse

• Big Data Analytics – Advanced BI

• Big Data patronen

• Machine learning / algoritmes

• Causaal verband - > Correlaties

• Visualisaties

• Rol van de Data Scientist

Platforms & Infrastructuur

• Implementaties nieuwe technologie (Hadoop, Spark, Hive etc.)

• Integratie van data

• Koppelingen – intern & extern

• Deployment nieuwe tools en vormen van data-opslag

• Data crunching

• Hosting / cloud oplossingen

• File systems

• Streaming van data