De verschillen tussen diverse analyses

Binnen data analyse wordt onderscheid gemaakt tussen verschillende analyses, de beschrijvende, diagnostische, voorspellende, adviserende en cognitieve analyses. In dit artikel vertellen we je meer over de verdiepende en achterliggende informatie van deze analyses.

Mede door Big Data en het enorme aanbod aan analytische programma’s en tools, is een nieuw tijdperk aangebroken voor data-analyses. Met het enorme aantal datapunten die we tegenwoordig hebben en de drang om deze te gebruiken wordt er minder naar het verleden gekeken en meer naar de toekomst. Onderstaand geven we per analyse een beschrijving.

De beschrijvende analyse (descriptive analytics)

Dit is, zoals de naam al doet vermoeden, de analyse waarin alle gegevens verzameld worden en waarin het uiteindelijke verloop van het proces beschreven wordt. Het is de eerste en eenvoudigste fase van de vijf  analyses. Veel historische informatie wordt verzameld en de nog niet bewerkte, ook wel ‘onbewerkte gegevens’, worden aangeboden via gegevensaggregatie of datamining waar vervolgens waardevolle inzichten uit het verleden uit voortkomen. Deze bevindingen geven op een zo eenvoudig mogelijke manier aan dat er iets gebeurt, zonder verder in te gaan op ‘de waarom-vraag’. Dit is dan ook een van de grootste redenen dat je aan een beschrijvende analyse alleen niet voldoende informatie hebt.

De diagnostische analyse (diagnostic analytics)

Dit is een vervolg op de eerste analyse die je hebt uitgevoerd, zoals hierboven omschreven. Tijdens deze analyse ga je namelijk verder in op de “waarom-vragen”. Nu ga je de historische gegevens vergelijken met andere gegevens om vervolgens de vraag te beantwoorden waarom iets op een bepaalde manier is gebeurd in het verleden. Tijdens de diagnostische analyse worden datasets verzamend om afwijkende aspecten de identificeren, bepaalde patronen te detecteren en relaties te bepalen.
Nice to know: de meeste Business Intelligence stopt bij deze fase en blijft steken in het rapporteren van KPI's of historische gegevens. 
 

De voorspellende analyse (predictive analytics)

Dit is in grote lijnen een categorie die beschrijvende en voorspellende variabelen uit het verleden gebruikt, om zo de waarschijnlijkheid van een onbekende toekomstige uitkomst te analyseren en te identificeren. Tijdens deze analyse worden diverse modellen, technieken en methoden samengebracht om vervolgens alle gegevens te analyseren, risico’s en kansen te beoordelen en voorspellingen te doen voor de toekomst. In dit stadium vraag je niet langer alleen wat er is gebeurd, maar waarom het is gebeurd en wat er in de toekomst zou kunnen gebeuren.

De adviserende analyse (prescriptive analytics)

Deze analyse omvat de toepassing van wiskundige en computationele wetenschappen. Deze stap omvat diverse beslissingsopties om te profiteren van de resultaten van de beschrijvende en voorspellende analyses. Deze analyse gaat verder dan voorspellende analyses door zowel de acties te specificeren die nodig zijn om voorspelde resultaten te bereiken, als de onderling gerelateerde effecten van elke beslissing. Bij de adviserende analyse anticipeer je niet alleen wat er zal gebeuren en wanneer het zal gebeuren, maar ook waarom het zal gebeuren. Verder suggereren adviserende analyses beslissingsopties over hoe te profiteren van een toekomstige kans of juist hoe je een toekomstig risico kunt verkleinen.

De cognitieve analyse

De cognitieve analyse staat geheel in het teken van het gebruik van de bevindingen van de vier analyses die je hiervoor hebt uitgevoerd. De cognitieve analyse is een samenkomst tussen een aantal technologieën, waaronder: semantiek, kunstmatige intelligentie-algoritmen en een aantal leertechnieken zoals deep learning en machine learning. 

Door gebruik van deze technieken kan een analyse meedenken met de vraag. Het zal niet alleen de vraag proberen te beantwoorden, maar kijken naar wat de bedoeling is en in welke context deze staat. 

Herken jij jouw bedrijf of organisatie hierin? Heb je vragen over dit artikel of ben je op zoek naar andere informatie? Stuur ons dan gerust een berichtje, via: data@koop.overheid.nl. 

Dit artikel is tot stand gekomen naar aanleiding van dit artikel.