10 reasons to purchase data science as a service

on augustus 17, 2017 Business Analytics As a Service with 0 comments

Data Science staat sterk in de belangstelling en niet voor niets. Steeds meer bedrijven zien het belang in van data voor innovatie, efficiënter werken en het verhogen van de kwaliteit van dienstverlening. Vooral het middenbedrijf in Nederland is bezig met een inhaalslag. Voor het gemak noemen we Business Intelligence, Dashboards, Scorecards, Forecasting en dergelijke vanaf nu Data Science.
Veel bestuurders denken dat de oplossing ligt bij het aannemen van eigen specialisten, misschien vanuit de gedachte dat dit goedkoper is. Inderdaad, het uurtarief van een ingehuurde medewerker is hoger dan het uurtarief van een eigen medewerker. En misschien zijn een paar eigen data scientists voldoende om een goed draaiende Data Science afdeling te hebben binnen uw eigen bedrijf. Maar maakt dat het uiteindelijk ook goedkoper? Blijft het bij loonkosten? Is een eigen Data Science afdeling wel optimaal als dit niet je core business is?

 

Hieronder staan 10 overwegingen om Data Science als dienst in te kopen.

1. Data Science heeft vaak een projectkarakter en is dus geen lijnactiviteit

Hier volgt een aantal voorbeelden van werkzaamheden die samenhangen met Data Science:

  • Opzetten van nieuw data warehouse of verbeteren van een bestaande.

  • Verbeteren van de vastlegging van gegevens in systemen (verkoop, financiën, operatie).

  • Ontwikkelen van dashboards, scorecards en alerts om een data-gedreven cultuur te kweken.

  • Implementeren van geavanceerde tools, zoals (real-time) forecasting, fraudedetectie of operationele beslissingsondersteuning.

Er zijn verschillende personen nodig om deze gespecialiseerde taken uit te voeren en die vaardigheden zijn vaak maar tijdelijk nodig. Een projectbenadering is daarom goedkoper: je betaalt alleen die competenties die echt nodig zijn op een bepaald moment.

2. Geen gedoe over werving nieuw personeel en verloop bestaand personeel

Bedrijven die een Data Science afdeling opzetten, hebben te maken met hoge wervingskosten en een hoog verloop. Dat komt doordat deze specialisten schaars zijn, vaak relatief jong en gemakkelijk elders aan de slag gaan. Als Data Science geen kernactiviteit is, kan een kleinere organisatie geen carrièrepad bieden waar veel Data Scientists naar op zoek zijn. Een gespecialiseerd bedrijf heeft een op elkaar ingespeeld team dat al vaker met het bijltje heeft gehakt. Bovendien hebben zij een netwerk van specialisten die kunnen bijspringen als het nodig is.

3. Snelle resultaten zijn cruciaal om gericht in actie te komen

Voor veel medewerkers is Data Science nieuw. Vaak is er angst voor verlies van werk of weerstand tegen verandering. Snel een werkende oplossing tonen is cruciaal om een organisatie in beweging te krijgen en helpt medewerkers vooruit. Veel gespecialiseerde bedrijven hebben tools ontwikkeld en methodes uitgewerkt waarmee ze wel drie keer zo snel een werkende oplossing kunnen leveren!

4. Kostenvoordelen door gedeeld gebruik van hardware en software

De kosten voor hard- en software bestaan uit werkplektoepassingen voor de data scientist en kosten voor de organisatie (server en BI tooling). De inrichting van een goede werkplek met noodzakelijke software komt uit op zo’n € 5.000 per jaar. De inrichting van servers, software kosten en dergelijke kost tussen de € 2.000 tot € 3.000 per maand. Zowel nieuwe tools als beveiligings- en privacybeschermende software maken het kostbaar.
Het delen van (een deel van) de infrastructuur is daarom een mooie optie. Je betaalt alleen voor het deel van de infrastructuur dat je daadwerkelijk gebruikt. En met moderne technieken en methoden kan data-afscherming veilig worden georganiseerd.

5. Volgen en gebruik maken van nieuwe trends in Data & Analytics

Data Science ontwikkelt en vernieuwt zich continu. Ontwikkelingen met BI tooling gaan in een razend tempo. Was IBM Cognos in 2014 nog een koploper op het vlak van Data Science, nu staat ze in de middenmoot. De keuze voor de juiste tooling is dus van groot belang voor de resultaten die uw organisatie kan behalen.
Het volgen van nieuwe ontwikkelingen vraagt tijd. Er komen maandelijks nieuwe en verbeterde functies bij in Data Science tooling. Deze hebben deze direct invloed op het werk van data scientists. Een gespecialiseerd bedrijf kan dit gemakkelijker in de gaten houden en maakt tijd om te experimenteren en zo uit te zoeken wat goed werkt en wat niet.

6. Risico op niet gedocumenteerde oplossingen: continuïteit

Data scientists moeten zelf hun weg vinden in een steeds veranderende omgeving. Vaak gaat dat niet in een rechte lijn naar het doel, maar wordt gewerkt via trial-and-error. Door de goede arbeidsmarkt voor data scientists blijven ontwikkelde oplossingen regelmatig niet gedocumenteerd achter na hun vertrek. Vaak heeft een nieuwe medewerker net een andere kijk en begint dan aan een nieuwe oplossing.

Continuïteit is een onderschat thema. Zeker als Data Science het stadium bereikt dat het noodzakelijk is voor kritische bedrijfsprocessen. Door Data Science als service in te huren, voorkomt u dat er gedoe ontstaat tussen medewerkers vanwege verschillende visies of dat een nieuwe medewerker het systeem omgooit omdat niet duidelijk is wat de voorganger heeft gedaan en waarom. Een gespecialiseerd Data Science bedrijf garandeert continuïteit en zorgt voor gedegen documentatie, zodat altijd achteraf kan worden teruggevonden hoe een oplossing is opgebouwd.

 

7. Schonen van data vereist gestructureerde aanpak

Veel organisaties hebben onvolledige data en verouderde systemen die niet goed op elkaar zijn afgestemd. Hierdoor liggen gegevens onvoldoende vast. Om goede analyses te kunnen maken, moet de kwaliteit van data worden verbeterd. Het meten en verbeteren van datakwaliteit is een taak die vaak wordt onderschat.
Een gespecialiseerd bedrijf heeft efficiënte tools en methoden ontwikkeld om data te schonen, te corrigeren en eventueel bij te schatten. Dit zorgt voor snellere en kwalitatief betere resultaten.

8. Voldoen aan de nieuwe, zwaardere privacyrichtlijn per mei 2018

Privacy is een belangrijk issue. Organisaties worden steeds vaker geconfronteerd met de noodzaak tot het afschermen van privacygevoelige informatie. Technisch gezien is dat goed mogelijk in een moderne database. Met always encrypted technologie kan gevoelige data gecodeerd worden opgeslagen.
Voor interne medewerkers is het vaak omslachtig en ingewikkeld om dit op te zetten. Bij het outsourcen van het data warehouse wordt dit direct professioneel opgezet. Zo voorkomt u niet alleen dat de leverancier bij gevoelige data kan komen, maar ook dat deze data in allerlei Excelbestanden en in de mail gaat rondzwerven.

9. Flexibiliteit: opschalen en afschalen

Met outsourcen kan snel worden op- en afgeschaald. Opschalen is belangrijk om snel meters te kunnen maken, als de business daarom vraagt. Afschalen is nodig om kosten te besparen, maar ook om te voorkomen dat een data scientist gaat knutselen aan de gebruikte tools en zo voor meer (onnodige) complexiteit zorgt en functies die u niet nodig heeft. Een gespecialiseerd bedrijf levert puur en alleen díe dienst waar u als bedrijf om vraagt.

10. Afnemende kosten in de loop van de tijd

Wanneer men een eigen Data Science afdeling wil opzetten binnen het bedrijf, zal de nodige research moeten worden gedaan. Dat kost tijd en geld. Een bedrijf dat gespecialiseerd is in Data Science, weet direct wat de benodigde hard- en software zijn. En snelle en scherp geprijsde start kan zo worden geleverd. Na de eenmalige opstartkosten, zijn er verder alleen eventuele onderhoudskosten voor periodiek onderhoud van de tools. Er kunnen immers altijd veranderingen optreden in bijvoorbeeld het format waarin de data wordt opgeslagen, waardoor de tool niet helemaal goed meer werkt. De data scientists van een gespecialiseerd bedrijf weten waar ze op moeten letten en kunnen snel verbeteringen toepassen. Een steeds beter werkende tool heeft steeds minder onderhoud nodig, wat leidt tot lagere kosten.

Decisive Facts

Is dit herkenbaar voor u? Wilt u stappen zetten op het gebied van Data Science, maar weet u nog niet hoe? Of heeft u ervaring met eigen data scientists, maar wilt u eens wat anders proberen? Bij Decisive Facts hebben we veel kennis en ervaring met het uitvoeren van Data Science projecten bij middelgrote ondernemingen. Heeft u interesse om dit onderwerp vrijblijvend te bespreken? Dan kunt u ons bereiken via peter@decisivefacts.nl of bel 020 370 51 33.

Add comment

CAPTCHA * Time limit is exhausted. Please reload CAPTCHA.

Deze site gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

WordPress PopUp Plugin
Decisive Facts