Van bit naar business: Omgaan met organisatorische en praktische uitdagingen van analytics implementatie

Deze scriptie bestudeert vier onderzoeksvragen om een antwoord te bieden op de algemene vraagstelling: “Omgaan met de uitdagingen van data analytics implementatie”. Deze onderzoeksvragen zijn: [OV1] Hoe organiseren bedrijven hun analytics?; [OV2] Hoe matuur zijn bedrijven met betrekking tot elk van de DELTA dimensies?; [OV3] Kunnen platformen die geautomatiseerde analytics diensten aanbieden, een oplossing vormen voor het voorspelde tekort aan data analytics experten?; en [OV4] Kunnen we gebruikmaken van nieuwe vormen van data representatie om predictieve analytics modellen te verbeteren? Het overkoepelende thema overheen deze onderzoeksvragen, is het creëren van relevante bedrijfswaarde door het toepassen van analytische technieken op data. We categoriseren deze uitdagingen in twee stromingen: een organisatorisch en een praktisch perspectief.

Allereerst adresseren we de organisatorische aspecten. Werknemers kunnen al snel kleine (onafhankelijke) analytics projecten opzetten. Niettemin, om werkelijk te genieten van de voordelen die data analytics kan bieden, dient het hoger management te overwegen hoe ze een cultuur van data-gedreven beslissingen kunnen aanmoedigen. Enkel op deze manier zal het mogelijk worden om een strategisch en competitief verschil te maken. Meer specifiek omschrijven we de huidige analytics omgeving, uitdagingen en opportuniteiten. Dit wordt toegepast op het concept van analytics maturiteit om het groeipad en indicatoren van een hogere maturiteit in kaart te brengen. Ten slotte, gaan we dieper in op de waarneming dat de vereiste analytics vaardigheden moeilijk te vinden zijn in de huidige arbeidsmarkt. Platformen die geautomatiseerde analytics diensten aanbieden, kunnen hier een oplossing bieden, en brengen bovendien ook andere voordelen met zich mee, zoals een verbeterde communicatie tussen analisten en domeinexperten. Om bovenstaande vragen te beantwoorden, maken we gebruik van kwantitatieve methoden, zoals enquête en experimenteel onderzoek. Dit vullen we aan met kwalitatieve onderzoeksmethoden, i.e. interviews, die de validiteit van onze studies verder verhogen.

Met betrekking tot de praktische uitdagingen, starten we van een bevinding uit het eerste deel, namelijk dat bedrijven zich concentreren op simpele en begrijpbare descriptieve analytics technieken in plaats van geavanceerde predictieve technieken. Specifiek bestuderen we netwerk analytics met als doel het verbeteren van de performantie en begrijpbaarheid van analytische modellen. Aan de hand van twee praktische studies, in boekhouding en marketing, onderzoeken we hoe we gebruik kunnen maken van de gelijkenissen en sociale interactie tussen entiteiten. Beide studies tonen aan dat er veel potentieel zit in deze nieuwe vorm van data representatie. Dit tweede gedeelte maakt bovendien gebruik van een design science methodologie aangezien het een specifiek probleem, relevant in een bedrijfscontext probeert te beantwoorden.

Samengevat, deze scriptie stelt verschillende manieren voor om om te gaan met organisatorische en praktische uitdagingen van analytics implementatie. We presenteren nieuwe bevindingen en modellen die de analytics maturiteit in bedrijven kunnen bevorderen en aanmoedigt om slim gebruik te maken van de indrukwekkende hoeveelheden data die tegenwoordig opgeslagen worden.