1. Big Data
Ik zie, ik zie
wat jij niet ziet…
22 april 2014
Technology Update
Big Data Visualisatie
Oscar Wijsman
oscar.wijsman@bdvc.nl
@oscarwijsman
AlmereDataCapital.nl
BDVC.nl
@bdvcalmere
@Datacapital

2. Big Data in de Gartner hype cycle
Big
Data

3. Big – Bigger – Biggest Data?
• Gartner: “We have reached the point that collecting and storing data
is cheaper than throwing it away”

4. Big – Bigger – Biggest Data?

5. De klassieke 3 V’s van Doug Laney (2001)
Volume
Velocity
Variety

6. En 3 S voor de infrastructuur (HP, 2011)
Scale
Speed
Sources

7. 3 Primaire Big Data bronnen
Human
Software
Things

8. Voorbeelden bronnen
• Elk bedrijf en instelling verzamelt data
• De overheid verzamelt allerhande data
• Geavanceerde telescopen, smart infra
• Research data, zorgdata
• Sociaal Media
• Online data
• Sensors – Internet of Things
• Mobile Smart Devices vindt je overal
• Iedereen verzamelt data…

9. Big Data in alle vormen
• Ruwe data vs. bewerkte (“schone”) data
• Bronnen: zowel interne als externe (open) datasets
• Data kan veel structuur hebben of in het geheel niet
• Oude data of real-time
• Data kan incompleet zijn
• Altijd één of meer van de 3 V’s
• Betrouwbaarheid kan sterk variëren

10. Van wie is al die Big Data?
• Beheer en eigendom van data
• Wet en regelgeving – ook Europese wetgeving
• Doelbinding versus algemeen gebruik
• Ruwe data versus bewerkte data
• Hoe persoonlijk is data uit een machine?
• Privacy: Governance van data of consent op gebruik?

11. Big Data en Open Data
Open
Data
Structuur
Big Data
Geen
Structuur

12. Big Data & Analytics
”Predicting events is difficult,
especially when it’s about the future”
A.J.P. Taylor, historian (1909 – 1990)

13. Predictive analytics – Algoritme intuïtie?

14. Big Data Analytics
• Diversiteit aan nieuwe tools + eigengemaakte algoritmes
• Specifieke strategie, mindset en vaardigheden Data Scientist
• Zoeken naar verborgen patronen – data mining
• Zowel correlaties als causaal of semantisch verband
• Nieuwe of verbeterde inzichten
• Besluitvorming op basis feiten i.p.v. gevoel / aannames
• Vaak visualisatie nodig: beeld krijgen – c.q. het uit te leggen

15. Mythes over Big Data
• Big Data is nieuw
• Big Data is alleen voor Social Media en sentiment analyse
• Big Data is een hype en gaat wel weer over
• Big Data is altijd veel data
• Big Data betekent Hadoop gebruiken
• Big Data is alleen ongestructureerde data
• Big Data en NoSQL betekent No SQL
• Big Data kun je alleen maar visualiseren
• Big Data is slechts een ICT issue

16. De toekomstige Business met Big Data

17. Voorbeelden van meerwaarde van Big Data
• Betere besluitvorming
• Kostenbesparing
• Nieuwe en snellere inzichten
• Nieuwe producten, diensten en business modellen
• Cijfers in plaats van onderbuik gevoel
• Combinaties maken die eerder niet mogelijk waren
• Beter onderzoek

18. Stappenplan
• Bepaal het doel – wat wil je bereiken / afbakening
• Wat wil je aan data gebruiken – wat is je omgeving
• Ideevorming
• Provable concept
• Proof of concept
• Pilot in beschermde omgeving
• Naar productie
Data /
Omgeving
Doel
Idee
Provable
Concept
Proof of
Concept
Pilot
Productie

19. Big Data Value Center
• Creëer een Big Data Ecosysteem
• Doel: meer waarde met data
• Toegepaste ‘Big Data Factory’ aanpak
• Help Big Data (start-up) MKB
• Onafhankelijk, pre-competitief & open innovatie
• Leren, experimenteren, realiseren
• Haal waarde uit crossovers
LEARN
MATCH
DO

20. Vragen?

21. Wat moet de Mediasector met Big Data?
Advisering & Opleiding
Strategie &
Transformatie
Inzicht & Analyse Platforms &
Infrastructuur
Big Data
Competenties

22. Advisering & Opleiding
• Awareness & advocating
• Business kansen
• Ideevorming
• Assessments
• Training
• Provable Concept
• Proof of Concept

23. Strategie & Transformatie
• Strategie
• Architectuur
• Roadmap
• Nieuwe business modellen
• Mindshift binnen de organisatie
• Verandermanagement –organisatorische impact

24. Inzicht & Analyse
• Big Data Analytics – Advanced BI
• Big Data patronen
• Machine learning / algoritmes
• Causaal verband - > Correlaties
• Visualisaties
• Rol van de Data Scientist

25. Platforms & Infrastructuur
• Implementaties nieuwe technologie (Hadoop, Spark, Hive etc.)
• Integratie van data
• Koppelingen – intern & extern
• Deployment nieuwe tools en vormen van data-opslag
• Data crunching
• Hosting / cloud oplossingen
• File systems
• Streaming van data