Ondernemen in tijden van digitalisering: 12 digitale technologieën die de wereld kunnen veranderen

Van AI over cloud computing en big data tot robotisering: de impact van digitale technologieën op de bedrijfswereld wordt elke dag groter. Journalist Filip Michiels schreef er een boek over: 12 digitale technologieën die de wereld kunnen veranderen. Daarin illustreren ondernemers én experten het groeiende belang, het potentieel én de concrete toepassingsmogelijkheden van deze nieuwe technologieën. Op vraag van Bloovi pikt de auteur er vier domeinen én specialisten uit waar hij wat dieper op ingaat.

Wouter Haerick (imec) over de opmars van AI

Dat artificiële intelligentie aan een onstuitbare opmars bezig is, is een understatement. De technologie – of minstens het begrip – zag nochtans al zestig jaar geleden het levenslicht. Pas sinds 2010 werd het industriële potentieel ervan echt duidelijk, en dit was hoofdzakelijk te danken aan de almaar ruimere beschikbaarheid van data én de exponentieel toegenomen rekenkracht van computers.

AI is vandaag letterlijk overal. Dankzij de massale inzet van de technologie in de gezondheidszorg en biotechnologie zullen vroegtijdige diagnoses op termijn tienduizenden mensenlevens kunnen redden. Technologiereuzen zoals Google en Microsoft investeren dan weer miljarden euro’s in Natural Language Processing (NLP). Hierdoor wordt het voor computers almaar eenvoudiger om menselijke taal correct te interpreteren en zagen we de jongste jaren ook almaar meer performante digitale assistenten opduiken. De razendsnelle vooruitgang op vlak van computer vision zorgt ervoor dat bedrijfsprocessen in de meest uiteenlopende sectoren geautomatiseerd kunnen worden, waardoor de foutenmarge spectaculair daalt.

“De voorbije jaren zijn die systemen zo geëvolueerd dat computers zelf mee konden leren en hun eigen algoritmes zo constant ook zelf mee konden verbeteren. Anders gezegd: wij geven een computersysteem een set van tools mee waardoor je niet elke instructie nog vooraf moeten programmeren. Dit kennen we vandaag als machine learning. Gaan we nog een stap verder dan komen we uit bij deep learning: de modellen die je zo bouwt, gaan zichzelf ook nog eens continu verbeteren”, stelt Wouter Haerick.

Haerick is doctor in de computerwetenschappen, werkt onder meer voor de wereldvermaarde Leuvens innovatiehub imec en stond ook mee aan de wieg van het AI-lab van de UGent. “Cruciaal in dit proces zijn dus zowel de gigantische hoeveelheden data die voortvloeien uit de digitalisering, als de steeds krachtiger computers die het mogelijk maken om die almaar grotere datasets tegen een behapbare prijs in datacenters te verwerken.”

Hij waarschuwt evenwel voor een te fel overtrokken verwachtingspatroon op dat vlak. “Er wordt vandaag heel veel over big data gepraat, maar de nieuwste trend zijn eigenlijk de small data. Big data voedden de deep learning-hype, maar al te vaak staarden we ons daarbij blind op de enorme impact die algoritmen op basis van big data vandaag al hebben in allerlei sociale media. Terwijl die sector hoegenaamd niet voldoende representatief is”, stelt Haerick.

“Sociale media worden van data voorzien door tientallen of honderden miljoenen gebruikers, die ook nog eens heel mooi gespreid over allerlei subcategorieën. Bovendien zijn die kanalen ook nog eens in handen van ’s werelds grootste techbedrijven die effectief over de krachtigste en meest performante datacenters op deze planeet beschikken. In zo’n omgeving werkt deep learning inderdaad bijzonder goed, maar het is al te kort door de bocht om dan zomaar de vertaalslag te maken naar de bedrijfswereld.”

“De datasets waarop bedrijven kunnen terugvallen, zijn haast altijd oneindig veel minder uitgebreid, en zijn in mijn ogen dus geen big maar small data. En dus is het verwachtingspatroon ten opzichte van deep learning vanuit het bedrijfsleven vandaag vaak fel overtrokken.”

Volgens Haerick doen bedrijven er dan ook goed aan zich niet blind te staren op de hoeveelheid data alleen. Een klassiek ERP-systeem levert heel wat data af, en grote spelers zoals Amazon of Google bieden tegenwoordig ook al kant- en klare systemen aan om daarmee aan de slag te gaan.

“Maar we moeten de waarde daarvan vooral niet overschatten”, waarschuwt hij. “Zodra je voldoende data ingeeft in een bepaald model, rolt er altijd wel een bepaald resultaat uit, maar hoe betrouwbaar of representatief is dit? Alles valt of staat immers met de kwaliteit van de ingevoerde data, en die moet je vooraf ook met de nodige domeinkennis beoordelen. Ik merk dat bedrijven nog te vaak tekortschieten in een goede voorafgaandelijke analyse van de data alvorens ze daar de algoritmes op loslaten.”

Hij wijst er ook op dat in haast elk bedrijf ook flink wat inhoudelijke kennis aanwezig is over bepaalde datasets. Ook die kennis kan in datamodellen worden gegoten. “Neem nu bijvoorbeeld jarenlang opgebouwde expertise rond vaak opduikende fouten in een productieproces. Of de inzichten die bedrijven zelf hebben verworven rond de afhankelijkheid van de ene stap in zo’n proces ten opzichte van een volgende stap.”

“Daarom kijken wij nu almaar vaker naar zogenaamde hybride AI: een combinatie van enerzijds puur datagedreven deep learning en anderzijds een veel bredere kennis van allerlei bedrijfsprocessen die nog niet in harde data verwerkt zit. Waarbij je vaak zeer uitgebreide domeinkennis dus toch op gestructureerde wijze in bruikbare modellen tracht te gieten. Het voordeel daarvan is dat die modellen dan ook perfect bruikbaar zouden zijn voor meerdere bedrijven uit eenzelfde sector.”

Overweeg je als bedrijf om bepaalde AI-toepassingen in je productieproces te integreren, dan vertrek je best vanuit een heel concrete probleembeschrijving”, geeft Wouter Haerick aan. “Op welke soort data zit je zoal en welk type problemen kan je daarmee eventueel oplossen? Neem nu bijvoorbeeld data uit het productieproces. Als je die combineert met data over grondstromen die afkomstig zijn van bij je leveranciers - en die dus niet in je ERP-proces zitten – dan is het wellicht mogelijk om de hele flow een stuk te optimaliseren. Of misschien laat de combinatie van die verschillende datasets je ook toe om je productkwaliteit op te krikken.”

“Eens je een mogelijk probleem uitgebreid beschreven hebt, wacht de grootste uitdaging: hoe krijg je nu in realtime datasets uit die verschillende bronnen aangeleverd?” Vandaag zijn bedrijven doorgaans wel in staat om zuiver via manuele tussenkomsten op geregelde tijdstippen een soort van snapshot af te leveren. Het wordt evenwel een heel ander verhaal als je die datastroom constant in een soort van continue data-pijplijn moet kunnen aanleveren.

“Pas als die continue datastroom gegarandeerd is, kan je in een volgende fase ook een echte datawetenschapper aan het werk zetten,” klinkt het. “Die moet vervolgens nagaan welke data er eventueel ontbreken om – met behulp van welbepaalde algoritmen – alles ook te vertalen in een model op maat van het bedrijf. Maar laat ons wel wezen: als het echt op deep learning aankomt, staat het gros van de bedrijven vandaag nog nergens”, meent Haerick.

Stijn Bijnens (Cegeka) over Cloud computing

SaaS - Software As A Service - is dé grote trigger achter de steeds prominentere rol van de cloud. In tijden waarin haast alle nieuwe applicaties cloud native ontwikkeld worden, kunnen bedrijven dankzij cloud-software dan ook al snel een flinke hap tijd én ontwikkelingskosten besparen.

“Een bedrijf dat met een bepaald probleem of met een nieuwe uitdaging geconfronteerd wordt, gaat op zoek naar een geschikte software-toepassing,” legt Cegeka-topman Stijn Bijnens uit. “Vandaag kijken bedrijven daarvoor in eerste instantie naar de cloud: kunnen ze de software waarnaar ze op zoek zijn daar ergens aankopen, waardoor ze zelf heel veel tijd en ontwikkelingskosten kunnen besparen? Het bijkomende voordeel daarvan is dat ze zich dan ook verder geen zorgen moeten maken om de hele IT-infrastructuur daarrond. Bestaat die applicatie niet, dan is het natuurlijk aan het bedrijf zelf om die te ontwikkelen, en dan zie je dat die nieuwe applicaties vandaag haast altijd cloud native ontwikkeld worden.”

“En de meeste van de grote cloudbedrijven - denk aan Amazon, Microsoft of Google - spelen steeds nadrukkelijker in op die trend, door naast de pure software-applicaties nu ook al platformen en databases as a service aan te bieden. De cloud gaat dan wel in eerste instantie over de infrastructuur, maar het echte verschil wordt natuurlijk met de applicaties gemaakt.”

Weinigen beseffen het, maar er bestaat niet zoiets als één cloud. Enerzijds is er de opsplitsing tussen de zuivere infrastructuur en de echt inhoudelijke toepassingen. Die infrastructuur vertaalt zich dan bijvoorbeeld in servercapaciteit en opslagruimte. Giganten zoals Amazon of Microsoft bieden die aan vanuit reusachtige datacenters op verschillende plaatsen wereldwijd.

Anderzijds moet er ook een onderscheid worden gemaakt tussen de zogenaamde public cloud – waarvoor je bij de grote jongens ruimte en andere diensten kan aankopen - en de privé-cloud. “In se gaat het hier vooral om een theoretisch onderscheid, want de onderliggende technologie en het businessmodel zijn identiek”, legt Bijnens uit. “Ook Cegeka beschikt bijvoorbeeld over een eigen privé-cloud die lokaal is opgezet en door onze eigen mensen wordt beheerd. Wij verkopen die cloud dan als deel van een outsourcing-contract waarbij we de IT-infrastructuur voor onze klanten beheren.”

“In praktijk is het meestal zo dat grote bedrijven een deel van hun IT-infrastructuur onderbrengen bij de grote public cloud-jongens, een ander stuk zit ergens in een privé-cloud en een laatste gedeelte zit vaak ook nog in het bedrijf zelf. Dat hybride model is vandaag nog breed verspreid, de cloud is geen zwartwit-verhaal.”

Nu almaar meer softwaretoepassingen enkel nog aangeboden als software as a service worden aangeboden, moet je als bedrijf ook rekening houden met de voor- en nadelen van die trend. Eén van de belangrijkste nadelen daarvan is wel dat je zo’n cloud-versie als bedrijf amper nog kan aanpassen aan de eigen noden en vereisten. Daar staat tegenover dat de data-uitwisseling tussen verschillende applicaties die allemaal in de cloud draaien een stuk eenvoudiger verloopt, en dat je daar als bedrijf ook extra functionaliteiten kan voor inbouwen. Bovendien wordt het ook gemakkelijker om samen met andere bedrijven een gemeenschappelijk ecosysteem op te bouwen en zo meer toegevoegde waarde te bieden voor je klanten.

Stijn Bijnens: “Wil je een succesvol ecosysteem uitbouwen, dan moeten de applicaties van verschillende bedrijven in eerste instantie vlot met elkaar kunnen praten. Dit wordt sterk gefaciliteerd door het framework dat de grote cloud-providers aanbieden. De keerzijde van die medaille is dan weer het veiligheidsbeleid: als je zelf alle applicaties beheert en zelf ook de connecties maakt tussen de verschillende spelers op netwerkniveau behoud je natuurlijk ook zelf de controle. In de cloud wordt dit een stuk lastiger.”

Bram Vanderborght (VUB) over robotisering

Ons land telt vandaag 188 robots per 10.000 werknemers. Dat aantal ging de voorbije jaren opmerkelijk genoeg zelfs lichtjes naar beneden, en in vergelijking met landen zoals Singapore of Zuid-Korea staat de robotisering in België nog maar in de kinderschoenen. Zo zijn er in Singapore 10.000 werknemers respectievelijk al 831 aan de slag, in Zuid-Korea zijn dat er 774 robots. Maar ook in buurland Duitsland ligt de robitiseringsgraad al veel hoger, met 333 robots per 10.000 werknemers.

Op termijn zullen het niet zozeer de robots dan wel de cobots zijn die de brug zullen slaan tussen mens en robot. Een cobot is een collaboratieve robot, die zo ontworpen is dat hij in alle veiligheid naast en met mensen kan werken. Daarvoor beschikt hij bijvoorbeeld over een veiligheidsstop en instelbare veiligheidslimieten, zoals robotarmen die je met de hand kan tegenhouden.

Industriële robots staan doorgaans vastgeklonken op hun werkplek en worden omringd door hekwerken om de andere werknemers te beschermen tegen de grote en zware robotarmen. Een cobot daarentegen is zo ontworpen dat hij automatisch op een lagere snelheid gaat draaien als er mensen in de buurt opduiken. Kom je té dichtbij, dan geeft hij je een waarschuwing. Op termijn - maar dan zijn we nog minstens tien jaar verder - zullen cobots ook mee kunnen genieten van de opmars van artificiële intelligentie. Ze zullen zelf denken, en in staat zijn autonoom te reageren op wisselende situaties.

VUB-professor Bram Vanderborght, die in opdracht van de Europese Commissie onlangs ook een rapport schreef over de cobots, benadrukt evenwel dat de inzet van robots en cobots voor zowat elk productiebedrijf stilaan een must zullen worden. “In steeds meer sectoren stappen we af van de pure massaproductie en evolueren we stilaan naar zeer gepersonaliseerde eindproducten. Om de lokale productie daarvan mogelijk te maken – zo dicht mogelijk bij de eindklant - zal de interactie tussen mensen en robots van doorslaggevend belang zijn. Logistiek is het immers onhaalbaar om heel veel gedifferentieerde producten binnen een aanvaardbaar tijdsbestek allemaal vanuit pakweg China tot bij de Europese eindklant te krijgen”, aldus Vanderborght.

“Op langere termijn zullen sterk gepersonaliseerde producten ook de vraag naar vakmanschap en zeer specifieke expertise opnieuw de hoogte injagen. Enkel de samenwerking met collaboratieve robots kan de productie daarvan ook betaalbaar houden. Op termijn kan de robotisering de zogenaamde reshoring dus een stevige boost geven, maar daar zijn we vandaag nog niet aan toe.”

Tekenend op dat vlak was de beslissing van de Duitse sportgigant Adidas eind vorig jaar om enkele nieuwe en zeer sterk geautomatiseerde schoenenfabrieken in Duitsland en in de VS opnieuw te sluiten. Zowel financieel als technologisch bleken die fabrieken nog te vroeg te komen. “Cobots staan vandaag echt nog maar aan het prille begin van hun ontwikkeling. De meest geavanceerde exemplaren die vandaag al op de markt zijn, kunnen hooguit enkele tientallen kilo’s tillen. Zelf wegen zelf ook al snel een ton, waardoor ze uiteraard ook helemaal niet zo mobiel zijn. Ook qua gevoel en manipuleerbaarheid is er nog een wereld van verschil met wat de mens aan kan.”

“De grootste uitdaging voor de volgende jaren zal er dan ook in bestaan om die cobots zo te programmeren dat ze op heel intuïtieve wijze nieuwe taken aankunnen en met mensen kunnen samenwerken”, weet Vanderborght. “Een kleine kmo zal immers nooit in een peperdure robot investeren als die hooguit enkele vaste taken aankan en vervolgens voor een nieuwe beperkte serie producten telkens opnieuw volledig geprogrammeerd moet worden. Cobots zijn de toekomst, ongetwijfeld, maar er is nog wat werk aan de winkel. Dankzij een doorgedreven interactie tussen mens en robot kan industrie 5.0 op termijn net voor nieuwe tewerkstelling zorgen in ons land. Tegelijk zullen we een verouderende arbeidsbevolking zo ook langer aan het werk kunnen houden.”

Christophe Lemaitre (Telenet Business) over IoT

Twintig miljard apparaten, wereldwijd. Dat is, zo becijferde onderzoeksbureau Gartner, het aantal slimme toestellen dat vandaag al op een of andere wijze met elkaar geconnecteerd is. Trek je daarvan het aantal smartphones, tablets en laptops af, dan blijven er nog zowat 7 miljard IoT-toestellen over. Dit gaat van afvalcontainers die vanop afstand worden gemonitord - en dus precies op tijd kunnen worden geledigd - over sensoren in gas- en waterleidingen die waarschuwen bij een lek tot IoT-toepassingen die een reusachtige fabriek veiliger en efficiënter maken. Geen wonder dus dat ook het verwachtingspatroon rond het Internet of Things de voorbije jaren crescendo ging, maar insiders pleiten in één adem ook voor enige nuchterheid.

“In heel wat bedrijven zit IoT echt nog in een proof of concept-fase, maar we merken wel dat de technologie in almaar meer sectoren stilaan ook echt omarmd wordt,” klinkt het bij Christophe Lemaitre. Hij is bij Telenet Business verantwoordelijk voor de zogenaamde connected devices. “Wij mikken met ons IoT-aanbod zowel op heel kleine bedrijven als op giganten genre Fluvius, een bedrijf dat nu bijvoorbeeld volop bezig is met de uitrol van miljoenen slimme meters.”

“Wat mij betreft, zit de grote uitdaging niet zozeer in het leren omgaan met de grotere connectiviteit en de vele voordelen daarvan die de technologie een bedrijf kan bieden. Nee, bedrijven moeten vooral inzien dat IoT hen er ook toe zal dwingen om hun bedrijfsmodellen radicaal te herdenken.” Een vaak geciteerd voorbeeld op dat vlak is dat van de Duitse elektronicareus Miele. In de B2B-markt verkoopt Miele nog amper wasmachines, maar verdient de Duitse producent nu vooral geld met de verkoop van wasbeurten. Het product werd dus ingeruild voor een dienst, zeg maar. “Dankij IoT kan Miele zijn wasmachines continu monitoren, waardoor het bedrijf zijn klanten kan garanderen dat die wasmachines ook altijd en overal optimaal zullen blijven functioneren. Klanten betalen dus voortaan gewoon per wasbeurt. Dit verhaal gaat uiteraard net zo goed op voor industriële boilers, warmwaterketels of zelfs boormachines. Hierdoor kunnen en moeten bedrijven hun businessmodel dus volledig veranderen.”

Nu rijden er uiteraard al veel langer geconnecteerde vrachtwagens rond en zitten industriële machines ook al jarenlang tjokvol sensoren, maar nieuwe technologische doorbraken hebben het speelveld op korte tijd ingrijpend veranderd. Zo zijn die sensoren veel kleiner en gevoeliger geworden, en ook de sterk verbeterde batterijtechnologie en de alomtegenwoordigheid van 4G zorgen ervoor dat haast alles vandaag vanop afstand gemeten en opgevolgd kan worden.

Bovendien laat cloud-technologie ons nu ook toe om veel grotere sets van data te analyseren. Puur technologisch kan er dus al heel veel, maar toch is IoT volgens Lemaitre nog lang niet mainstream in de bedrijfswereld. Je eigen model radicaal anders invullen, gaat immers een heel eind verder dan hier en daar wat nieuwe technologie introduceren. “Maar geloof me: dit is hoogstens een kwestie van tijd. In zowat alle sectoren staan jonge wolven te popelen om het over te nemen van oude gevestigde spelers, en de inzet van nieuwe digitale technologie fungeert daarbij als breekijzer.”

“De verbetering van de klantenervaring is dan weer de centrale drijfveer. Dit gaat van parkings met automatische nummerplaatherkenning over tracking and tracing in de brede logistieke en mobiliteitssector tot de optimalisering van de ophaling van glascontainers door hen te voorzien van sensoren.”

In het bedrijfsleven spelen hierbij min of meer dezelfde triggers als bij particulieren: niemand ligt wakker van IoT op zich, maar we zijn wel allemaal vragende partij voor digitale toepassingen die ons leven een stuk comfortabeler kunnen maken of die ons geld kunnen besparen.

Neem nu de boomende online verkoop: niets is voor de verkoper én voor de post- of koerierdiensten zo vervelend als een pakje dat niet afgeleverd kon worden. Al die miljoenen niet geleverde pakjes slorpen enorm veel tijd en dus ook heel veel centen op. En dus kan een digitaal slot voor alle betrokken partijen én voor de klant - die het niet afgeleverde pakje achteraf niet langer zelf moet gaan afhalen - een reusachtige vooruitgang betekenen. “Dit is een perfecte illustratie van hoe de digitale transformatie voor leveranciers én klanten een win-winsituatie oplevert”, geeft Lemaitre aan.

Hij haalt er nog een tweede voorbeeld bij. “Waterschade blijft tot vandaag de allergrootste kostenpost voor verzekeraars. Het klassieke voorbeeld kennen we allemaal: je zult het altijd zien, maar uitgerekend als je op vakantie bent, springt de waterleiding in je appartement. Voor de verzekeringsmaatschappij is dit een dure grap, voor het slachtoffer betekent zo’n lek heel wat praktische miserie. Ook in dit geval kunnen slimme en geconnecteerde sensoren dus voor beide partijen een interessante businesscase opleveren.”

Nico Huybrechts (Datashift) over big data

“Bedrijven onderschatten systematisch de hoeveelheid data die ze vandaag al genereren, niet in het minst omdat heel veel van die data ergens verstopt zitten in het systeem.” Aan het woord is Nico Huybrechts, oprichter en CEO van Datashift, een bedrijf dat klanten helpt om meer datagedreven te worden en op termijn een volwaardige datastrategie uit te bouwen.

“Ik neem het voorbeeld van een doorsnee kmo. Iemand verricht daar een eerste aankoop, en wordt geregistreerd of krijgt een klantenkaart. Diezelfde klant wordt opgenomen in een direct marketing-maillijst, of contacteert later de helpdesk. Hij plaatst vervolgens ook online een bestelling, of stuurt iets terug. Elke nieuwe actie genereert nieuwe data, maar heel vaak zitten die in aparte systemen of bij aparte afdelingen opgeslagen.”

Huybrechts kan het niet voldoende benadrukken: als het over data gaat, moet je als bedrijf vooral inzetten op een allesomvattende en heel brede strategie. In concreto: enerzijds zoveel mogelijk kwalitatieve data verzamelen, anderzijds ook de bedrijfsorganisatie en de mensen zelf meenemen in dat traject. “Telkens we met nieuwe klanten in gesprek gaan, valt me op hoeveel bedrijfsleiders denken dat dit dan om een heel lange en zware opdracht gaat, waarbij de eerste tastbare resultaten jaren op zich zullen laten wachten. Dit is echt een stevige misvatting.”

Als het anno 2021 veel eenvoudiger en goedkoper geworden is om specifieke usecases op basis van data te ontwikkelen, dan is dit grotendeels te danken aan de spectaculaire evolutie die cloudtechnologie heeft doorgemaakt. Tot voor enkele jaren geleden moest je als bedrijf eerst zwaar investeren in extra servercapaciteit. Pas na die investering – en nadat je ook al de nodige hardware had aangekocht - kon je met je data ook effectief aan de slag. Tegenwoordig werkt de cloud vooral volgens het pay as you use-model, waardoor je bepaalde usecases kan ontdekken en uitproberen op basis van data terwijl je enkel betaalt voor de hardware en servercapaciteit die je effectief gebruikt.

De drempel komt hierdoor natuurlijk een heel stuk lager te liggen, en je kan al doende leren. “Te veel kmo’s denken nog altijd dat eenmalig zwaar moeten investeren in bepaalde toepassingen of datatrajecten, en dat ze dan gelanceerd zijn. Dit is niet zo: data zullen almaar aan belang winnen en nieuwe toepassingen openen, maar je kan als bedrijf voortaan zelf wel het tempo bepalen en uittesten wat wel of niet werkt. Data zijn er haast altijd genoeg, maar vaak merken we ook dat een bedrijf niet op de juiste data zit, of dat ze niet voldoende kwaliteitsvol zijn. Sterker nog: als je als bedrijf niet meer doet dan enkel maar zoveel mogelijk data te verzamelen – zonder welomlijnde strategie of business-doelstelling – dan leidt dit binnen de kortste keren tot grote chaos”, waarschuwt Huybrechts.

Wanneer worden data nu big data? En vanaf welk datavolume haal je daar als bedrijf dan ook echt meerwaarde uit? Traditioneel gaat men daarvoor uit van de 3 V’s, Volume, Velocity en Variety. Gigantische volumes dus, die tegen een zeer hoge snelheid gegenereerd worden en die bovendien ook typologisch nog eens heel erg verschillen, gaande van zeer gestructureerd tot totaal ongestructureerd.

Nico Huybrechts: “Dit kan dan gaan van camerabeelden over muiskliks tot logfiles en foto’s. Maar om heel eerlijk te zijn: wij gebruiken die term big data eigenlijk nooit. Zeker voor kmo’s moet je vooral op zoek gaan naar de data die voor jouw business mogelijk een verschil kunnen maken of nieuwe kansen kunnen scheppen.”

“In sommige gevallen kan een bedrijf dan misschien wel terugvallen op 600 miljoen klantenrecords – in theorie toch flink wat data dus – maar moet je helemaal geen big data-technieken voor de verwerking daarvan. Big data-technologie differentieert zich onder meer door andere types databases of programmeertaal, of door verschillende opslagtechnieken. Maar het is dus perfect mogelijk dat pakweg dertig miljoen zeer goed gestructureerde klantenrecords toch met een klassieke database verwerkt kunnen worden.”