Waarom het delen van data in de sharing economy van grote meerwaarde is

Airbnb en Uber zijn klassieke voorbeelden van sharing economy business modellen: bedrijven de ongebruikte fysieke assets aan het werk zetten en omzet genereren door dit te verhuren. En dit type bedrijven komen er steeds meer, waarbij data en het delen van deze data een zeer belangrijke rol speelt en van grote meerwaarde is. De potentiele waarde die in data zit wordt echter door veel bedrijven (nog) niet benut. In dit blog vertellen we waarom dat groei, verandering en innovatie tegenhoudt. En waarom het helemaal niet gevaarlijk is om je beschikbare data out in the open te gooien.

Binnen 15 minuten grafieken maken over nieuwe marktontwikkelingen? Het kan!

Niet zo lang geleden kwam een klant met een vraag bij ons of het mogelijk is om snel grafieken te publiceren over nieuwe marktontwikkelingen in zijn sector. Dat ze in omstreeks een kwartier een overzicht of grafiek naar buiten brengen, als ze een opmerkelijke ontwikkeling zien. Hebben we daar een oplossing voor? Lees in dit blog hoe we dit gerealiseerd hebben — en wat jij hier aan kunt hebben.

Normaal gesproken volgen we een vast protocol om nieuwe functionaliteit in productie te brengen. Dat is een kwestie van kwaliteitsbewaking. We willen zeker weten dat het versiebeheer en de documentatie goed zijn bijgewerkt, met testen vaststellen dat de nieuwe functionaliteit foutloos werkt en dat de bestaande functionaliteit dat ook nog doet! Dat zorgt voor een minimale omloopsnelheid van functionele vraag naar werkende oplossing.

Digitale jungle of snelweg? 3 redenen om data en databases op te schonen

Als het lukt ruim ik voor de zomervakantie zo goed en zo kwaad als het kan mijn bureau op. Ik ben slecht in weggooien van dingen, zowel thuis als op kantoor. Mijn kelder staat vol met spullen die ooit nog wel eens van pas kunnen komen. Herkenbaar? Als je er over nadenkt dan geldt hetzelfde voor spullen (documenten) op het werk, zowel in papieren als digitale vorm. Behalve dat ze vaak verouderd zijn en hun waarde hebben verloren kun je door de chaos de informatie die er toe doet niet meer vinden. Het opschonen van data en databases is van belang. Maar waarom? Wij hebben de drie belangrijkste redenen op een rij gezet.

Meten is weten maar het maakt enorm veel uit wát je meet

Stel: een controller van een groot bedrijf heeft de vraag om inzicht in de financiële situatie van zijn bedrijf met (zogenaamd) complexe, lange processen te krijgen. Natuurlijk kunnen we hem dit geven door systemen te ontsluiten, data te verzamelen, te structureren en vervolgens te presenteren. Het is echter de vraag of de controller en uiteindelijk het bedrijf daarmee écht geholpen zijn. Onze ervaring leert dat dit in het algemeen niet het geval is. Het gaat namelijk om de behoefte achter de vraag. Waarom wil de controller dit onderzocht hebben? We zeggen wel meten is weten, maar het maakt enorm veel uit wát je meet.

Datakwaliteit in de AGF sector: hoe hou je je data vers?

Tussen bedrijven binnen de AGF sector en in de keten wordt steeds meer data uitgewisseld. Om als bedrijf in deze complexe voedselketen te kunnen opereren is goede datakwaliteit steeds belangrijker. Maar uit de praktijk blijkt dat datakwaliteit nog niet altijd hoog op de agenda staat. In de AGF sector is er een initiatief van GS1, Frug I Com en het GroentenFruit Huis om, in samenwerking met retailers, voorlichtingsbijeenkomsten over datakwaliteit voor de sector te gaan houden. Het doel is om de supply chain nog verder te professionaliseren. De voorwaarde daarvoor is wel dat de datakwaliteit optimaal moet zijn. Maar hoe realiseer je dit?

Wat simpel lijkt is soms toch moeilijk: de kunst van het omgaan met data

De startup what3words heeft een revolutionair alternatief systeem bedacht voor plaatsaanduiding op aarde en voor adresseren in het algemeen. Ze hebben de hele wereld opgedeeld in vakjes van 3×3m, die elk worden aangeduid met een unieke combinatie van 3 woorden. Een combinatie van dwelled.relate.bouncing is gemakkelijker te onthouden dan de GPS aanduiding 52.373278, 4.8920175. Er zijn inmiddels bedrijven en organisaties die erin investeren. Is dit een prachtig voorbeeld van een simpele oplossing voor een ingewikkeld probleem? Of is het lastiger dan het lijkt? Goed omgaan met data is ook in dit nieuwe systeem cruciaal.

De glazen bol de deur uit! Data-driven besluitvorming in vijf stappen

Van een glazen bol wordt gelukkig maar zelden gebruik gemaakt, maar de weg naar data-driven besluitvorming is er een die veel bedrijven nog moeten in slaan. Dergelijke besluitvorming hoeft niet direct op basis van big data en complexe algoritmen te gebeuren. Maar adequaat datamanagement en data-analyse, ondersteund door optimale processen, tools en systemen is noodzakelijk om die besluitvorming ook daadwerkelijk op betrouwbare data te kunnen baseren. Wat is er nodig voor data-driven besluitvorming op basis van verifieerbare data?

Datakwaliteit is cruciaal: guesstimates geven geen zekerheid

Guesstimates zijn schattingen die worden gemaakt zonder gebruik van adequate en volledige informatie. Het is een combinatie van een guess (gok) en een estimate (schatting). Je kunt je voorstellen dat de datakwaliteit en betrouwbaarheid van deze gegevens twijfelachtig is. Het blijkt echter dat op basis van guesstimates belangrijke besluiten worden genomen, zoals bijvoorbeeld bij klimaatdoelstellingen rondom emissie van methaan en rondom tellingen van bedreigde diersoorten. Waarom zijn sommige berekeningen gebaseerd op schattingen? En kloppen die gegevens wel?

De teler als data specialist: waarom standaardiseren van data onmisbaar is

Paul Turner van AgDNA sloeg in zijn blog de spijker op zijn kop met zijn opmerking dat telers heel vindingrijke en kundige mensen zijn. Tijdens het teeltseizoen hebben ze een diversiteit van petten op, zoals die van bodemspecialist, monteur, weerkundige, voorraadbeheerder, marketeer en accountant. En daar is de laatste jaren de rol van data specialist aan toegevoegd. Standaardiseren van data en protocollen is noodzakelijk om te zorgen dat telers deze rol goed kunnen invullen.

6 tips om betrouwbare data te behouden in tijden van de filter bubble

Ben je al bekend met de filter bubble? Al een tijdje wordt er over gesproken dat de wereld van social media wordt ingekleurd door algoritmes in platforms als Google en Facebook. Zij zorgen ervoor dat informatie zodanig wordt gepersonaliseerd, dat je zoekresultaten, nieuws en aanbiedingen te zien krijgt die in het verlengde liggen van wat je eerder leuk vond, zocht of kocht. Je wordt dus continu bevestigd in je eigen wereldbeeld. Op zich niks mis mee, maar besef je nog wat er buiten die bubble allemaal gebeurt? En is die data eigenlijk wel betrouwbaar?