Big data in finance - Financial 2.0

Big data in het bedrijfsleven
De hoeveelheid en beschikbaarheid van gegevens en de afnemende kosten van alle elementen van data opslag, zoals geheugen en processing, betekenen een schat aan informatie voor bedrijven. Maar er wordt pas echt waarde toegevoegd als door analyses bedrijfsspecifieke informatie uit de beschikbare data is gehaald.

“De extreme omvang van big data vereist een andere manier van opslag van de gegevens en vaak zijn de IT- en infrastructuur van een bedrijf niet ingesteld op de vele datastromen. Hierdoor wordt het wel erg lastig om op een zorgvuldige en efficiënte manier informatie uit de data te extraheren. En dat is jammer, want dankzij big data hebben bedrijven de mogelijkheid om meer dan ooit inzicht te verkrijgen in de dynamiek van hun bedrijfsomgeving en toegang tot real-time informatie om bedrijfsbeslissingen te verbeteren. Daarom heb ik onderzocht hoe dit anders kan, en wat de financial hierin kan betekenen).”

Ontwikkelingen per branche
Voor de hand liggende toepassingen van big data zien we in de retailsector. Door de gegevens als koopgedrag en –locatie te analyseren kunnen belangrijke marketingbeslissingen beter worden onderbouwd. “Zo kwam de Amerikaanse supermarktketen Walmart er achter dat voorafgaand aan een tornado veel meer Pop Tarts – een populair Amerikaans koekje – worden verkocht en ook bier is op zo’n moment niet aan te slepen. Welke marketeer of demand planner komt nu op dergelijke voorspellingen zonder big data analytics?”

Maar ook voor andere branches is de toepassing van big data analytics uitermate geschikt. “Bijvoorbeeld in de bouwsector, waar gegevens kunnen worden verzameld door temperatuur, vocht en trillingen te meten om zo gericht en efficiënt onderhoud te plannen. Of het verbeteren van de zorg door wereldwijde gegevens over ziektes, medicatie en bijwerkingen te combineren.”

Investeren in big data
“Goed omgaan met big data vraagt om de juiste investeringen; de IT-infrastructuur dient over voldoende capaciteitte beschikken om alle datastromen te verzamelen en vast te leggen. Daarna dient de enorme brij aan vaak ongestructureerde of semigestructureerde data geanalyseerd te worden. Dit vraagt investeringen in data management en in data analyse programma’s.”

En daar blijft het niet bij. “Daarnaast dienen bedrijven ook te investeren in bekwaam personeel. Om uit de immense databestanden de juiste verbanden te kunnen leggen, zijn specialisten met kennis op het gebied van data-analyse, algoritmes, machine learning en artificial intelligence nodig. We gaan weer terug naar het voorbeeld van Walmart. Dit bedrijf laat potentiële werknemers bijvoorbeeld het gedrag van medewerkers voorspellen op basis van big data analytics.”

Tegenover de benodigde investeringen prijkt de business value van big data analytics. “Door het creëren van voorschrijvende modellen kun je voorspellen hoe klanten reageren doordat je weet hoe ze in het verleden gereageerd hebben. En door voortdurend te leren van de data kan deze voorspelling steeds verder gefinetuned worden. Dit kan direct concurrentievoordeel genereren. Daarnaast zijn er voorbeelden van bedrijven die op basis van data analytics hun beslissingsproces hebben kunnen verbeteren en versnellen, hetgeen het verschil kan maken tussen winst of verlies. Een ander interessant voorbeeld is het creëren van nieuwe producten en diensten voor klanten, gebaseerd op de kennis die big data analytics genereert.”

Big data en de financial
“Door toepassing van big data analytics heeft de financial direct aanzienlijk meer inzicht als gevolg van de volume component van de definitie van big data. Door deze data op een gestructureerde manier te analyseren is de controller in staat om analyses, adviezen en beslissingen beter te onderbouwen. Uit mijn onderzoek bleek dat financials met name voorspellende analyses als regressieanalyse en Association Rule Learning inzetten op omzeten voorraadgegevens ten behoeve van adviezen omtrent voorraadbeheersing en omzetoptimalisatie.” Big data analytics biedt financials meer en meer inzicht in de organisatie. “Waar rapportages voorheen maandelijks achteraf beschikbaar waren, heeft de financial nu realtime toegang tot alle informatie die de bedrijfsomgeving mogelijkerwijs beïnvloedt. De rol van de financial verschuift hierdoor van de registrerende en controlerende functie naar een meer adviserende rol ter ondersteuning van beslissingen.”

De integratie van data analytics in de kerncompetenties van de financiële functie heeft mogelijk ook impact op de competenties en vaardigheden van de financial. “De financial van nu dient affiniteit te hebben met datastromen en IT-processen en een bredere kijk op het werkveld. Voorheen werd gekeken naar verbanden binnen/tussen financiële gegevens, maar door de big data revolutie wordt dit veel breder. Kennis van de business is nodig om de brug te kunnen slaan tussen de ondernemingsvraagstukken en data analyse. Ten slotte dient de financial over de juiste vaardigheden te beschikken om de uitkomsten van de analyses te kunnen interpreteren en dit vraagt om ontwikkeling van technische, statistische en analytische skills.”

Er zijn volop mogelijkheden om je te verdiepen in data analytics. “Binnen de accountantsopleiding zijn IT-controls een belangrijk onderdeel geworden en steeds meer universiteiten starten met een specifiek big data programma. Maar ook door vakbladen en nieuwsberichten bij te houden en blogs of forums te volgen kun je je kennis verder ontwikkelen.”

Big data toepassen
“Het begint bij de IT-structuur. Deze dient voldoende capaciteit te hebben om de data op een veilige en betrouwbare manier op te slaan en te beheersen. Het is voor bedrijven van groot belang om te blijven investeren in de IT-omgeving. Vervolgens dienen data analisten voldoende kennis te hebben om de datastructuren te begrijpen en verbanden en modellen te ontwikkelen. Begin klein en zet de modellen eerst op in Excel. Vervolgens kun je uitbreiden met verschillende datastromen en datavisualisatietools”. Volgens Maaike zul je na enige tijd zien dat data analyse in het DNA van de organisatie wordt opgenomen; de gehele organisatie onderkent dan het belang en de toegevoegde waarde van data analyse. Zelfs wervingsprocedures worden erop ingericht, zoals in het voorbeeld van Walmart.

“Aan de wijze waarop organisaties zich profileren, kun je data gedreven bedrijven herkennen. Bij start ups en grote internetbedrijven zie je dit vaak terugkomen. Maar ook AEX-bedrijven zien meer en meer de business value die data analytics kan brengen. Dit zie je terug in de pro-actieve houding ten aanzien van investeringen om oude processen en systemen te vervangen. Data gedreven organisaties zijn continu op zoek naar verbetermogelijkheden”.

Niet alleen moet er worden geïnvesteerd in technologie en talentvolle medewerkers, er dienen ook stappen te worden gemaakt in het opschonen van data. “Dit vertaalt zich met name in het inrichten van processen om ervoor te zorgen dat data van de juiste kwaliteit is voor het beoogde gebruik. Juist door de extreme omvang van de data kan vertroebeling tot verkeerde verbanden of conclusies leiden.”

Tips voor jou als financial
“Voor jou als financial is het belangrijk dat het bedrijf waar je werkt de IT-infrastructuur blijft ontwikkelen. Dit is de basis. Daarnaast is de zuiverheid van de dataset zeer belangrijk. Met name bij voorspellende analyses gaat het voorspellen op basis van zeer omvangrijke datasets vrijwel altijd gepaard met het gelijktijdig schatten van meerdere parameters. Wanneer sprake is van schattingsfouten door verschillende parameters, dan kan er sprake zijn van accumulatie van ruis. Dit kan de voorspelling in belangrijke mate vetroebelen. Daarnaast kan er bij het gebruik van big data analytics sprake zijn van ‘valse’ correlatie wanneer door de enorme omvang van de datasetongecorreleerde variabelen ten onrechte alsnog worden gecorreleerd. Ik ben van mening dat de financial hierop bedacht dient te zijn en daarom met een kritische houding de output dient te challengen.”

“Daarnaast spreekt het denk ik voor zich dat het analyseren van de immense hoeveelheid aan ongestructureerde, gestructureerde en semigestructureerde data een hoge mate van specifieke kennis vereist. Zorg dat je over de juiste competenties en vaardigheden beschikt: bereid je voor op de toekomst!”

Wil je meer informatie ontvangen over Kasparov? Neem dan contact op met Jaco de Pee.