Data: De Nieuwe Olie – Hoe Raffinaderijen Ruwe Informatie Omzetten In Zakelijke Waarde

Voor enterprise-teams is data overal—klaar om inzichten te ontgrendelen die zakelijke doelen vooruitdrijven. We spraken met twee van Nokia's toonaangevende IoT-experts, Marc Jadoul, Director of IoT Market Development, en Denny Lee, Head of Analytics Strategy, over het omzetten van data in de "olie" die groei aandrijft.

ReadWrite: De frase "data is de nieuwe olie" is opgedoken op conferenties en in discussies, maar wat betekent het echt voor bedrijven en hun klanten?

Marc Jadoul: Van een waardeperspectief, denk aan data als ruwe olie. Net als een vat ruwe olie wordt geraffineerd tot hoogwaardige vliegtuigbrandstof, moet ruwe data een vergelijkbare transformatie doormaken om zijn volledige waarde te ontgrendelen. Hoe meer geraffineerd de data, hoe meer gesofisticeerde applicaties het kan aandrijven.

Beeld een piramide: de basis vertegenwoordigt ruwe sensordata. De volgende tier betreft monitoring en discovery—anomalieën of trends identificeren. Deze analyse levert cruciale informatie die data-gedreven besluitvorming (DDDM) ondersteunt. Als je een leerlaag toevoegt via cognitieve analytics, informeert de data niet alleen beslissingen maar voorspelt ook toekomstig gedrag. Op de top, wordt volledig geraffineerde data kennis die autonoom beslissingen door machines en applicaties mogelijk maakt.

In deze waarderketen beweegt data van ruwe input naar inzicht, dan naar kennis, en uiteindelijk automatiseert processen. De raffinage-analogie—plutôt dan de smeermiddel-metafoor—benadrukt hoe verhoogde raffinage waarde versterkt.

Denny Lee: Toen de "nieuwe olie"-frase opduikte, herinnerde het me aan de jaren '70, toen oliecontrole economische controle betekende. Data speelt een vergelijkbare rol: het meesteren ervan laat je je industrie en markt sturen. Data wordt vaak valuta genoemd, maar het is ruw. Inzichten en intelligentie zijn wat bedrijven echt nodig hebben, en dat onderscheid telt.

RW: Bij het adviseren van een klant over data-gedreven innovatie, wat zouden ze eerst moeten vragen?

MJ: Begin met het begrijpen van je eigen business en de uitdagingen waar je voorstaat. Jaag niet op een oplossing voordat je het probleem kent. Zoals Simon Sinek zegt, begin met "waarom" in plaats van "hoe" of "wat."

DL: Zakelijke uitkomsten tellen, maar je moet ook de audience binnen de organisatie overwegen. CEO's zien een breed zandbakje, terwijl andere stakeholders zich richten op narrower domeinen. Map hun context, werk dan terugwaarts om de data te identificeren die hun specifieke probleem oplost. Deze benadering lijnt analytics af op zakelijke doelen.

Cross-organisatorische samenwerking is cruciaal—waardevolle inzichten ontstaan vaak pas wanneer barrières gebroken worden.

RW: Wie is de typische kampioen in een IoT-gedreven data-initiatief, en hoe lijn je doelen af over het enterprise?

DL: In IoT splitst de organisatie in OT (operations technology) en IT. De OT-kampioen controleert infrastructuur, terwijl de IT-kampioen informatiestroom beheert. Bijvoorbeeld, een predictive-maintenance-focus kan slechts een specifiek budget betreffen, terwijl een manager bredere, cross-functionele impact zoekt.

MJ: Data-analisten spelen een cruciale rol. Ze "raffineren" data, overbruggen de kloof tussen ruwe input en zakelijk inzicht. Hun skillset mengt wiskunde, statistiek, algoritmes en domeinkennis—essentieel voor het vertalen van data in actionable beslissingen.

RW: Is het riskant om een klant te overladen met te veel data-opties, vooral als ze gebrek aan in-house-talent hebben?

MJ: Het hangt af van de oplossing. Bijvoorbeeld, een temperatuursensor op een koelunit vereist alleen anomalie-monitoring; filteren aan de bron voorkomt data-overload. Intelligente dataverzameling en vroege pre-processing zijn cruciaal.

DL: Denk aan data-intelligentie als een stack, vergelijkbaar met de menselijke hersenen: de laagste laag handelt snelle, autonoom beslissingen; hogere lagen bieden geaugmenteerde intelligentie voor menselijk toezicht. In een IoT-fabriek aandrijft de bodemlaag robotica, terwijl bovenste lagen strategische inzichten bieden.

MJ: Edge computing is het moderne equivalent van een reverse CDN. Door data dicht bij de bron te verwerken—of voor video of IoT—verlaag je latentie en vermijd je het shuttelen van massive volumes naar de cloud. Dit spiegelt de caching-strategie die streaming haalbaar maakte.

RW: Kun je voorbeelden geven van data-gedreven processen die zowel kostenbesparing als duidelijke besluitpaden ontgrendelen?

MJ: Onze video-analytics-oplossing is een primair voorbeeld. Duizenden CCTV-camera's genereren continue streams, maar slechts een fractie vereist menselijke aandacht. Door video in realtime te analyseren, vlagt het systeem anomalieën—verkeerde-richting verkeer, beveiligingsschendingen—wat snelle reactie met een fractie van de bemanning mogelijk maakt, wat kosten bespaart en veiligheid verbetert.

DL: Andere use cases omvatten voorspellend onderhoud, next-best-action-aanbevelingen, geautomatiseerde root-cause-analyse, klant-gerichte AI, en operationele optimalisatie. Deze applicaties gaan verder dan gesiloeerde data, wat enterprise-brede waarde levert.

Dit artikel is geproduceerd in partnerschap met Nokia en is onderdeel van een serie die data-analytics, beveiliging en IoT-platforms verkent.