For the English version, click here Big Data is een begrip dat steeds vaker voorbij komt. De exponentiële groei van gegevens heeft het voor organisaties steeds moeilijker gemaakt om de verkregen informatie te identificeren en te benutten. Hierdoor besteden steeds meer organisaties aandacht aan datawarehousing en data-analyse tools, wat het aantal uur aan rapportage werkzaamheden van medewerkers op de lange termijn vermindert. Een bijkomstig voordeel daarvan is dat bedrijven korter op de bal kunnen spelen en de resultaten beter kunnen begrijpen. Maar wat is Big Data? Welke data-analyse tools zijn er en wat zijn de kenmerken en verschillen van de twee grootste spelers in de markt op het gebied van data-analyse? Big Data Er wordt gesproken van Big Data wanneer er wordt gewerkt met één of meerdere datasets die te groot zijn om met reguliere databasemanagementsystemen onderhouden te worden. Althans, dat is één van de definities. Vooral de term ‘Big’ is een begrip waarover geen consensus kan worden bereikt. Sommigen zijn van mening dat alle data die niet meer op één pc passen vallen onder het begrip Big Data, terwijl anderen vinden dat data pas Big wordt als het niveau van meerdere servers wordt ontstegen. De overeenkomst die kan worden gevonden is dat Big Data de omvang van een verzameling van data beschrijft. Dimitri Tokmetzis, auteur van De Correspondent, gaf eind 2013 aan dat Big Data vaker geen omvang beschrijft, maar een ontwikkeling. “Het bevat namelijk twee componenten. Allereerst de computertechnologie: de steeds geavanceerder hard- en software die het mogelijk maakt om meer data te verzamelen, te bewerken en te bewaren. Het tweede component is de statistiek die het mogelijk maakt om in een verzameling losse data betekenis te vinden”. Tokmetzis stelt dat dat de wereld vol komt te hangen met sensoren toegangspoorten, camera’s, telefoons en meetapparatuur die continu alles registeren en data opslaan, die wij vervolgens weer kunnen gebruiken. “De digitale wereld en de fysieke wereld worden steeds meer één lichaam en data is het bloed”, aldus de Correspondent van Surveillance & Technologie [1]. Data-analyse Tool: Power BI Maar welke middelen zijn er beschikbaar om echt waarde te hechten aan alle gegevens die zijn opgeslagen? In dit artikel bespreken we er twee. De eerste data-analyse tool die verder wordt toegelicht is Microsoft Power BI. Power BI wordt strategisch gebruikt om ruwe data om te zetten in begrijpelijke inzichten met behulp van visuele grafieken en dashboards. Dit stelt gebruikers in staat om overtuigende rapporteren te generen en de huidige stand van zaken in de business te delen. Dit geeft de gebruikers van Power BI meer inzicht in de genomen activiteiten en behaalde prestaties, waardoor ze weloverwogen beslissingen kunnen nemen op basis van echte gegevens. Daarnaast kan Power BI profiteren van een enorme hoeveelheid aan data terwijl andere platforms daar moeite mee hebben. Power BI heeft indrukwekkende compressiemogelijkheden die het mogelijk maken om gegevens te analyseren en te visualiseren die niet in Excel kunnen worden geopend. Bovendien kan je in Power BI data transformeren, zoals het toevoegen van kolommen, het creëren van relaties tussen verschillende databronnen en het maken van de zogeheten ‘measures’ waarmee je bepaalde waardes kan berekenen. De tool is zo krachtig dat Power BI zelf de analyse kan doen waarom de omzet van de afgelopen maand achterloopt ten opzichte van het budget [2]. Data-analyse tool: Tableau “Benut de kracht van uw gegevens. Ontketen het potentieel van uw mensen. Kies het analyse platform dat de wereld van business intelligence ontwrichte. Kies Tableau”, is de slogan die lezers als eerste te zien krijgen als de website van Tableau wordt bezocht [3]. Tableau is een krachtige en snel groeiende datavisualisatie tool die helpt bij het vereenvoudigen van onbewerkte gegevens. Het mooie van Tableau-software is dat het geen technische of enige vorm van programmeerkennis vereist om met de tool te werken. Bovendien kunnen de gemaakte visuals en dashboards door professionals op elk niveau in een organisatie worden begrepen. Zelf een niet-technische gebruiker is in staat om een dashboard aan te passen in Tableau [4]. De beste eigenschappen van Tableau zijn: 1. Gegevens mengen: hiermee kun je meerdere databronnen aan elkaar koppelen, door het vinden van een gemeenschappelijk veld. Een voorbeeld hiervan is het veld artikelnummer in de databron ‘verkochte artikelen’ en voorraad artikelen’. 2. Real-time analyse: deze optie stelt gebruikers in staat om dynamische gegevens snel te analyseren en te begrijpen. Dit is vooral nuttig wanneer de snelheid van updaten van de gegevens erg hoog is. 3. Samenwerking: data-analyse mag geen isolerende taak zijn, daarom is Tableau gebouwd voor samenwerking. Teamleden kunnen gegevens delen, vervolgvragen maken en gemakkelijk visualisaties doorsturen naar anderen die waarde uit de gegevens kunnen halen [5]. Power BI vs Tableau De wereld van data visualisatie en analyses groeit erg snel en er komen elke dag nieuwe toetreders bij. Gebruiksgemak, kracht, merkherkenning en prijs zijn belangrijke begrippen die Power BI en Tableau op dit moment hebben om voorop te blijven in de markt. Power BI gebruikt de bestaande Microsoft-systemen zoals Azure, SQL en Excel om datavisualisaties te bouwen. Power BI heeft daarom een streepje voor op mensen die met Microsoft-producten werken. Het is daarnaast ook een goede en goedkope opties voor startups die gegevens visualisatie nodig hebben maar niet veel extra kapitaal hebben. Ook is Power BI goedkoper dan Tableau, vooral als een organisatie al flink heeft geïnvesteerd in software van Microsoft. Power BI heeft een desktop, service en een mobiele versie. Veelal heb je alle drie de varianten nodig wanneer een dashboard wordt gemaakt, maar het is vrij eenvoudig om dit onder de knie te krijgen. Bovendien kunnen gegevens uit verschillende databronnen makkelijk worden opgehaald. De hele tool is gebouwd om de tijd van visualisaties te versnellen en het geeft zelfs de meest beginnende gebruikers toegang tot krachtige data-analyse en ontdekking zonder veel voorkennis vooraf. De realtime gegevensverwerking zorgt ervoor dat organisaties direct kunnen reageren op veranderingen die in de data-analyse worden weergegeven. Tableau is gespecialiseerd in het maken van mooie visualisaties, maar veel van hun advertenties zijn gericht op bedrijfsomgevingen met data-engineers en grote budgetten. In
Investment Night 2019: Some A.I.s stalk civilians, others are making billions
Kunstmatige intelligentie ontwikkelt zich in rap tempo en veel van onze taken worden overgenomen door computers. Gedreven door een hoeveelheid data om bang van te worden, lijken ze vaak zelfs beter in staat om beslissingen te nemen dan wij mensen zelf. Vrijwel in elk werkgebied worden digitale technologieën toegepast, zo ook in de financiële wereld. Experts van Microsoft, UBS, Achmea en Rabobank vertelden tijdens Investment Night 2019 hoe artificial intelligence deze sector beïnvloedt. Voor niets gaat de zon op. Hoewel investeerders vaak trots vertellen over hun Alpha, betekent een hoger potentieel rendement doorgaans een hoger risico. De verwachtingen van Artificial Intelligence zijn hoog daarentegen. Zorgt deze evolutie dan toch voor de resultaten waar financiële instellingen van dromen? Laten we om mee te beginnen eens kijken wat kunstmatige intelligentie eigenlijk is. Volgens Dick van der Sluijs (Microsoft) verstaan we hieronder alles wat we nog niet kunnen. De definitie verandert continu en dit zou dus betekenen dat we A.I. nooit in praktijk zullen zien. Wel wordt er in de wetenschap onderscheid gemaakt tussen 3 fases, waarvan we ons nu slechts in de eerste bevinden. Over een bewustzijn van computers kunnen we nog niet spreken. Arnfried Ossen (UBS) gaf aan dat de eerste fase van machine learning al ruime tijd toegepast wordt in de investeringswereld. Op dit moment is het met name de mogelijkheid om enorme hoeveelheden data te verwerken die grote voordelen biedt. Investeren draait om het vinden van relaties. Kunstmatige intelligentie stelt ons ertoe in staat om veel complexere verbanden te vinden dan wijzelf kunnen met de basis van statistiek. Ook alternatieve data is hierbij erg belangrijk. “Investeerders zullen het niet graag toegeven, maar kunstmatige intelligentie wordt (of is) beter in investeren dan zij.” Echter, voorlopig is de samenwerking tussen mens en machine nog de succesformule. Dat blijkt ook uit de ervaring van Ralph Sandelowsky (Achmea). Er bestaan oneindig veel correlaties die volgens de statistieken een rendement kunnen voorspellen, maar logischerwijs op geen enkele manier met elkaar verbonden zijn. Natuurlijk valt er niet uit te sluiten dat er echt geen links zijn, maar het is als institutionele investeerder lastig aan klanten te verkopen dat je computer een belegging heeft gedaan die je zelf niet uit kunt leggen. Hoewel er op niet al te lange termijn wel computers zullen worden ingezet die volledig eigen investeringsstrategieën toe passen, is de technologie niet overal in financiële instellingen even goed vertegenwoordigd. Dennis Tak en Niels Haars (Rabobank) lieten zien dat de handel in obligaties nog vrijwel volledig analoog gebeurt. Dit maakt deze markt vrij inefficiënt en om die reden relatief onpopulair, ondanks de enorme omvang van het belegde kapitaal. Computers zouden ook hier een groot verschil kunnen maken in het verbeteren van de liquiditeit van obligaties. Computers doen op dit moment nog vooral wat wij ze programmeren om te doen, maar het zal niet lang duren voor computers zichzelf leren hoe ze kunnen leren. Investeerders zullen het niet graag toegeven, maar kunstmatige intelligentie wordt (of is) beter in investeren dan zij. Hoewel veel werk in de financiële wereld zal worden overgenomen, blijft de rol van technologie vooralsnog beperkt tot het adviseren van de mens. Het zal nog even duren voor het duidelijk is hoe groot de risico’s zijn, maar een ding is zeker: computers will make billions. Ik wil de bovengenoemde sprekers en dagvoorzitter Tom Jessen bedanken voor hun bedrage aan het symposium. Daarnaast wil ik mijn complimenten uiten voor het harde werk van de commissie, bestaande uit Twan Tacken, Emil de Veer, Yorg Bosmans en Koen Bouwmans.
