Veelvoorkomende vallen in data-analytics projecten vermijden — Een praktische gids

Capgemini's recent onderzoek toont aan dat 15% van de big-data initiatieven in Europa faalt. Om bij de 85% die slagen te horen, moet je de meest voorkomende vallen zorgvuldig navigeren. In deze post behandel ik de eerste twee grote vallen — de overige twee worden in een apart artikel gedetailleerd.

Deze uitdagingen zijn universeel. In onze vroege data-analytics workshops ontmoeten we ze frequent van kickoff tot voltooiing. Gebaseerd op tientallen succesvolle projecten, schets ik elke valkuil, leg uit waarom het belangrijk is, en illustreer het met concrete voorbeelden.

1. Wie initieert het project — IT of Business?

Data-analytics en "big data" worden vaak door elkaar gehaald, maar dienen verschillende doeleinden. IT-teams lanceren typisch projecten omdat ze de benodigde infrastructuur kunnen leveren — databases, clusters en pipelines. Echter, simpelweg data verzamelen creëert geen bedrijfswaarde.

Echte waarde ontstaat wanneer een niet-IT-afdeling duidelijke, commercieel relevante doelen definieert. Deze doelen sturen data scientists om te focussen op actionable insights in plaats van ruwe volume. Nauwe samenwerking tussen de business-eigenaren en data scientists is essentieel; de eerste leveren domeinkennis, de laatste vertalen het naar modellen en visualisaties.

Data-analytics engineers fungeren als de brug tussen IT en business. Hun operationele ervaring — of in productie, logistiek, of een ander domein — zorgt ervoor dat data correleert met real-world processen (machines, sensoren, workflows). Het succes van een project hangt af van deze kennisoverdracht.

Hoewel IT vaak projecten initieert, hangt succes af van actieve betrokkenheid van de doelafdeling om concrete technische en zakelijke doelen te definiëren.

2. Niet alle data is gelijk gemaakt

Eenmaal het gelanceerd, pauzeer. Voordat je de data aan scientists overhandigt, moet je de kwaliteit en kwantiteit ervan auditen.

a) Datakwaliteit

Beoordeel formaatconsistentie, brontransparantie en dataintegriteit. Voor multi-bron integratie is een unieke identifier (bijv. timestamp, onderdeelnummer) cruciaal. Let op heterogene datum/tijd formaten of niet-gesynchroniseerde klokken over systemen heen — deze kunnen merges corrumperen.

b) Datahoeveelheid

Meer data is doorgaans voordelig, maar relevantie telt. Voor voorspellende modellen die zeldzame gebeurtenissen targetten (bijv. storing of defect), moet je trainingsset voldoende negatieve instanties bevatten. Als de dataset scheef is, zal het model worstelen om de minderheidsklasse te leren. Het verlengen van het observatievenster of het verrijken van data kan dit probleem mitigeren.

c) De juiste data

Naast volume moet de data de variabelen bevatten die nodig zijn om het technische doel te halen. Bijvoorbeeld, als je wilt voorspellen oppervlakterauwheid, moet de rauwe meting worden vastgelegd en opgeslagen; anders kan geen model worden gebouwd. Ontbreken van kritieke features vertraagt de voortgang en verhoogt kosten.

Projectsucces waarborgen

Om kwaliteit, kwantiteit en relevantie aan te pakken, leveren we een set data-kwaliteitsrichtlijnen aan bij projectstart. Deze richtlijnen, gecombineerd met vroege workshops die focussen op quick-win use cases, verhogen de bewustwording van productie-experts en versnellen volgende fasen.

Bron: Bosch.IO