Dit is het zoveeelste spookbericht als zou innovatie beginnen in ICT-county. Zeker is dat ICT een zeer belangrijk instrument is bij innovatie, immers, ICT is in wezen NIETS anders dan een afspiegeling van wat we doen (bedrijfsprocessen) in een virtuele ruimte.

In de bijna 20 jaar bij een ICT-multinational heb ik alle belangrijke stromingen in ICT-land gezien, meegemaakt en gemarket. Daartussen zat één stroming die maar niet van de grond wilde komen: datamining. En dat, terwijl deze nobele kunst toch zeer verrassende doorkijkjes in onze bedrijfsprocessen kan opleveren. Waarom komt dit jonge veelbelovende renpaardveulen zo moeilijk op vier poten?

Eerste voorbeeld.
De jaarlijks (of bij US GAAP 3 maandelijkse horror): budgetronde.
Van elke Technologie-Produkt-Markt combinatie (50% van de bedrijven zijn hier al weg) onze verrichtingen in aantallen en geld (rest nog 25%) maar ook die van Concurrent 1,2 en 3 (nog 10% over) en de rest samengeveegd in één groep (5% over). En dat voor twee jaar geleden, lopend jaar en schatting voor over twee jaar. (1% over). De percentages zijn schattingen uit opmerkingen en constateringen)

Conclusie 1: vitale data zijn gewoon niet beschikbaar

Tweede voorbeeld
Nog niet zo lang geleden hebben wij bij vier grote bedrijven hebben wij een 360 graden feedbackscan opgetuigd. Daarvoor zijn een aantal basisgegevens noodzakelijk: personeelsnummer (unifier), achternaam, initialen, emailadres, telefoon, geboortedatum, datum in dienst, en optioneel datum in huidige functie, opleiding. Dezelfde gegevens van boven- en ondergeschikte en drie collegae. “Eitje”, zult u zeggen. Mis !!!

Bij geen van de vier bedrijven kwam dit met een druk op de knop voor elkaar. Sterker nog: de gegevens moesten uit verschillende bestanden worden gehaal. Verbindend element “personeelsnummer” was niet overal consistent aanwezig. Gevolg: handmatige samenstelling. Een drama. Hopen trammelant, fouten en vervuilde data: medewerkers die er al lang niet meer waren tot nieuwe die “onzichtbaar” bleken. De eerste actie van een datamining excercitie is daardoor het cleanen van de data. Mooi, dan is dat maar gebeurd. Mooi, dan zetten we die nieuwe data toch lekker terug? Mispoes. Zijtakken in de spelonken van de datavoorziening spugen dan plotsloos onzin uit.

Conclusie 2: éérst je gegevens cleanen.

Tot zover de zichtbare kant van datamining. Nu de onzichtbare kant.
Het kennen van de theorie en het veelvuldig werken met datamining doet dramatische dingen met je begripsvermogen. Anders dan bij relationele databases, waarbij je ongeveer alles aan elkaar kan knopen wat een gemeenschappelijk item bevat, word je bij datamining gedwongen eerst je spullenboel dimensioneel op orde te brengen. Er moet een model gemaakt worden.
Dat is in het begin een lastig werkje. Maar oefening baart kunst. Als je daar handig in wordt komt de ECHTE winst van datamining: ordening in je kop. Het beheersen van deze (best wel eenvoudige) technieken geeft als voordeel dat je makkelijker om gaat springen met zeer complexe problemen. Dit is mijns inziens een nog groter voordeel dan de snelheid en flexibiliteit de de methodiek biedt bij het concreet maken van “buikgevoel” en “intuitie”. Juist bij hele grote dataverzamelingen gaat dat niet zo makkelijk met “gewoon” gereedschap als een database.

Derde voorbeeld
In bijna alle gevallen troffen wij (soms grote) delen van informatie aan die gewoon met het verkeerde gereedschap worden beheerd. De meest misbruikte tool is MS Word.
Dat levert data met:
• Verschillende schrijfwijze (niet aggregeerbaar)
• Tabs en spaties door elkaar om spullenboel “op een rijtje” te krijgen (dodelijke misser)
• Opmaak geschikt voor printer (is ongelijk aan die voor een database)
• Letterlijk tientallen varianten
De “goedwillende boosdoeners” hebben vaak in eigen tijd de spullen ingeklopt. Uit een soort intuïtief begrip van het belang. Commentaar, feedback, kritiek of suggesties worden dan snel persoonlijk genomen.

Zeker als we met innovatie ad-hoc data in een of andere vorm willen hebben, wordtden de genoemde punten supercritisch.

Conslusie 3: gestructureerde data hoort in de juiste tools, zoals een database, Excel (pas op) of een of andere applicatie waarbij de output “op maat” kan worden gesneden. (is vaak niet zo).

Samenvattend kom ik tot de vierde “T”. Die van “Tidiness”.
Een over-all conclusie is dat de rol van ICT welliswaar belangrijk is, maar begint bij goed gebruik van wat er al in huis is. Scheelt soms de plaats van de komma aan de kostenkant en kan dramatische effecten sorteren in de realisatiefase (Feasibility Study, Time to Market, etc).

Groet,
Jos Steynebrugh
Change Enhancement, Zoetermeer