Daanalytics

Wat doet DaAnalytics nu eigenlijk?

Wat doe jij nou precies voor werk?

Deze vraag krijg ik regelmatig en ik merk dat ik dat een lastige vraag vind om te beantwoorden. Jij doet toch iets met computers? Nou ja, daar kan ik duidelijk over zijn. Mijn gereedschap is over het algemeen een laptop. Afhankelijk van mijn opdrachtgevers kan dat ook een vaste pc zijn. Ik kan echter niet zeggen dat ik ook verstand van laptops of pc’s heb. Mijn laptop en ik zijn onafscheidelijk, maar wanneer die stuk is, dan breng ik hem naar iemand met verstand van laptops. Werk jij in de IT? Tsja, ik werk veel met software en heb regelmatig contact met IT-afdelingen, maar om dan te zeggen dat ik in de IT werk. IT is wat mij betreft ook zo’n ruim begrip.

Ok, nu zijn we al wat verder maar het is nog steeds niet echt duidelijk. Laten we voor het gemak IT zien als het orgaan dat hardware en software levert en beheert. De Business zie ik dan als de partij die producten afneemt bij IT. In mijn rol zit ik tussen de Business en IT in.

Mijn passie is het verzamelen, verwerken, opslaan en presenteren van data

In mijn profiel op LinkedIn heb ik het volgende staan: “Mijn passie is het verzamelen, verwerken, opslaan en presenteren van data. Ik help organisaties deze interne en externe data zodanig in te zetten, dat ze in actie kunnen komen. Mijn doel is simpel; Een klant moet beslissingen kunnen nemen op basis van feiten binnen de juiste context.”

Data is de nieuwe olie
Data is de nieuwe olie

Er wordt veel gesproken over data. Met name dat het de nieuwe olie zou zijn. Het idee is dat er met data bakken met geld te verdienen is. Bedrijven als Facebook, Uber en AirBnB worden vaak als voorbeeld genomen. Deze bedrijven bezitten feitelijk niks anders dan een platform waar zij op een slimme manier, op basis van data, vraag en aanbod bij elkaar brengen. Toch is het allemaal niet zo heel eenvoudig. Net als bij olie gaat er ook bij het beschikbaar stellen van data een heel productie proces aan vooraf. Al ben ik géén expert, ik kan wel melden dat olie niet zo maar uit de grond komt. Daar bovenop is ruwe olie ook niet zomaar geschikt voor direct gebruik.

Data Platform

Met data is het precies hetzelfde. Behalve dat er steeds meer en steeds sneller een variëteit aan data beschikbaar komt, is data op zichzelf niet echt meteen bruikbaar. Ook data dient verschillende bewerkingsslagen te ondergaan voordat er inzichten uit te halen zijn. Daar houd ik mij dagelijks mee bezig.

Voordat er überhaupt met data aan de slag gegaan kan worden moet duidelijk worden waar de data voor nodig is. Data verzamelen omdat het toevallig in een applicatie zit is onzinnig. Eerst zal er duidelijk moeten worden welke inzichten er nodig zijn en welke acties er uitgevoerd moeten / kunnen worden. Data kan hier een rol in spelen. Samen met de Business (Marketing, Finance, HR, etc.), de domein experts, wordt er gekeken naar de verschillende processen. Daarbij wordt er intern en extern gekeken welke data beschikbaar is.

Zoals eerder gezegd, deze ruwe data is niet zomaar zonder meer bruikbaar. Deze data moet ontsloten worden. Daarmee bedoel ik dat deze data uit systemen, applicaties of devices gehaald moet worden. Vervolgens ondergaat deze data diverse bewerkingsslagen alvorens deze data echt gebruikt kan worden. Daartoe gaan er data architecten aan de slag, die net als bij bijvoorbeeld een gebouw ervoor zorgen dat de data op een goede en betrouwbare manier wordt verwerkt en opgeslagen. Zij leveren de bouwtekeningen, richtlijnen en documentatie op waar de ontwikkelaars vervolgens mee aan de slag kunnen. Data Engineers zorgen voor een infrastructuur waarbij de data uit de bron wordt gehaald en zodanig wordt opgeslagen zodat Data Analisten deze data inzichtelijk (bijv. door middel van dashboards) kunnen maken.

Dit is een enorm versimpelde weergave van de werkelijkheid. Zaken als security, privacy en ethiek spelen een steeds grotere rol. Hoewel het verhaal van Gordon’s Pizza geinig bedoeld is, is dit niet wat je wilt met data. Maar ook de manier waarop je de data visualiseert is niet zomaar een a-b-c-tje. Ik heb daar begin 2020 nog eens een presentatie over gehouden. Snelle technologische veranderingen zijn ook een constant aandachtspunt.

Pong & DaAnalytics

Sinds begin 2018 ga ik officieel als zelfstandige door het leven. Sinds 2004 ben ik actief op het gebied van Data & Analytics. Daarbij ben ik met name als Data Analist bezig om de data tijdig en binnen de juiste context te presenteren voor de eindgebruiker. Waar nodig vervul ik ook Data Engineering taken. Ik beleef het meeste plezier aan het contact met de Business om samen een passende oplossing te ontwikkelen. De Business vanuit de inhoud en ik meer vanuit de techniek.

In 2018 ben ik ook begonnen bij Pong. Ik ben actief als Manager Data & Analytics bij Pong. Wij zijn een ICT-dienstverlener met een focus op Data-gerelateerde uitdagingen. Binnen Pong ben ik verantwoordelijk voor de Data & Analytics unit. Ik ben géén typische manager. Samen met onze consultants kijk ik wat het beste is voor de ontwikkeling van Pong en voor de ontwikkeling van de individuele consultant. Zie het meer als een coach, dan als een manager. Ik doe bewust nog steeds zelf consultancy. Omdat ik dat nog steeds gewoon leuk vind. Maar ik wil ook weten wat er ‘in het veld’ gebeurt en waar onze consultants tegenaan lopen.

DaAnalytics is mijn persoonlijke label en de naam waarmee ik online te vinden ben.

Hopelijk heb ik een en ander iets duidelijker kunnen maken? Zo niet, ik leg het graag nog wat beter uit dan.

Dank voor het lezen.

Daan Bakboord

Bekijk ook:

Snowflake’s Data Classification in Snowsight

Snowflake Data Governance directly from Snowsight

Last year I blogged about how to use Snowflake functionality to; “Know your Data”. Especially in these times where Generative AI becomes more and more mainstream, it’s essential to know what data is input for the LLM’s. Now Snowflake has made this a few clicks easier, offering classifying functionalities directly from Snowsight.

Lees verder »