Op het gebied van Data Analytics gaan de ontwikkelingen snel. Toch hebben veel Finance Professionals hier nog niet direct een beeld bij op basis van de eigen praktijk. Dat kan ook goed kloppen, want de rol van de mens blijft in de eerste stadia van data analytics nog relatief groot. En omdat we in veel gesprekken en ronde tafels terugkrijgen dat een groot deel van de Finance functie vooral ergens tussen beschrijvend en diagnostisch werkt wanneer het aankomt op data analyse, is het misschien moeilijk voor te stellen hoe de rol van de mens in data analytics opschuift.
De rol van de mens schuift op in Data analytics
Een goede afbeelding om die rol van de mens in data analytics te verhelderen is de onderstaande afbeelding waarin Gartner de vier types van analytics capabilty bescrhijft.
Figuur 1: Types of Analytics Capabilities (Gartner, 2014)
De figuur laat goed zien wat de menselijke input nog is om tot een beslissing en actie te komen in de verschillende stadia van data analytics. In de route van beschrijvend (descriptive), via diagnostisch (diagnostic), naar voorspellend (predictive) en uiteindelijk voorschrijvend (prescriptive) wordt die rol steeds kleiner. Tegelijkertijd kunnen we stellen dat de rol van digitale technologie (als machine learning en Artificial Intelligence of A.I.) steeds verder toeneemt met steeds slimmere en verdergaande toepassingen. Het is overigens geen wet van Meden en Perzen dat we uiteindelijk als vanzelf uitkomen in decision automation. Maar dat we die richting op bewegen onder invloed van de technologische ontwikkeling lijkt evident. Ik licht de verschillende typen hier onder kort toe.
Beschrijvend, of wat is er gebeurd
Wanneer de data analytics mogelijkheden van de organisatie voornamelijk in een beschrijvend stadium zitten zijn nog veel bewerkingen op die data nodig om uiteindelijk tot inzichten en mogelijke acties te komen. Deze inzichten worden verstrekt door menselijke input en bewerking op basis van de uit de bronsystemen aangeleverde data.
Diagnostisch, of waarom is het gebeurd
Hier nemen de data analytics mogelijkheden van de organisatie al toe. De systemen kunnen op basis van de beschikbare data ook al verbanden leggen en laten zien waarom een bepaalde gebeurtenis of trend zichtbaar is. Toch komt ook hier veel menselijke input bij kijken om vanuit deze analyses te komen tot inzichten op basis waarvan beslissingen kunnen worden genomen.
Voorspellend, of wat gaat er gebeuren
In dit stadium van data analytics is de analyse die rechtstreeks wordt aangeleverd vanuit de systemen al een stuk dieper geanalyseerd. Naast een analyse op waarom iets gebeurd worden ook al voorspellingen gedaan over hoe de toekomst zich gaat ontwikkelen wanneer bepaalde parameters worden gemanipuleerd. De rol van de mens in het komen tot besluitvorming wordt hier aanzienlijk minder, omdat bijvoorbeeld mogelijke scenario’s en beschikbare opties al worden aangeleverd als resultaat van de analyse.
Voorschrijvend, of wat moet ik doen?
Wanneer data analytics in dit stadium komt wordt eigenlijk vanuit de data de hele voorliggende keuze al aangeleverd. De mens heeft dan als input eigenlijk de keuze om een uiteindelijke beslissing te nemen (en het advies volgen) en de acties uit te zetten. In sommige gevallen is ook het uiteindelijk nemen van de beslissing zelfs te automatiseren. Bij dat laatste kun je bijvoorbeeld denken aan een oplossing waarbij op een website automatisch een keuze wordt gemaakt voor een groene button op basis van een A/B test waarbij met behulp van Machine Learning is herkend dat de meeste mensen op een groene button hebben gedrukt bij de keuze tussen een groene en een rode.
Wat betekent dit voor Finance?
Voor Finance is deze ontwikkeling er één om in de gaten te houden. De Finance Professional die goed snapt hoe Machine Learning en A.I. ons vakgebied gaan raken kan zich voorbereiden op een toekomst waarbij het echt gaat om de essentie van ons vakgebied: het mogelijk maken van besluitvorming in organisaties. Daarbij is het besef dat data analytics meer is dan Business Intelligence belangrijk. De rol die hoort bij een Finance Professional die data analytics onder de knie heeft is een mooie en belangrijke. Want met de kennis die Finance heeft van de organisatie, met de toegenomen beschikbaarheid van data en met de groei in krachtige middelen om die data te analyseren en verrijken komt Finance echt in haar kracht te staan. Wie kan de juiste vragen aan ‘de data’ stellen? Wie kan ervoor zorgen dat de keuzes passen bij de strategische ambities van de organisatie? Wie heeft begrip van data en de processen in de organisatie? Juist, Finance!
