2020 03 Value Chain

DIGITALISERING

FIGUUR 6 Bouwstenen voor het implementeren van AI

Bedrijfs toepassingen

Talent en Organisatie

1

2

Data

3

Technologie

4

5

Processen

6

Cultuur

Waar gebruik je analytics voor?

“Single source of truth” Verwerking van gegevenskwaliteit Externe data bronnen en diensten Ongestructureerde data extractie Real-time data processing Data woordenboeken Heb je toegang tot de correcte data?

Heb je de juiste systemen?

Heb je de juiste vaardigheden?

Zijn bedrijfsprocessen geoptimaliseerd

Hoe kan je een data gedreven cultuur bouwen

Experiment mindset Data-driven besluitvorming Adoptie van analytische tools Vertrouwen in data en algoritmes

Data democratizatie Data governance (security, privacy etc.) Kennis overdracht Collaboratie Agile ontwikkeling

Data scientists IT specialisten Business Analytics vertalers UX designers Competentie centrum Chief Data Officer Advisors & Start-Ups

Centrale data platformen Cloud diensten Big Data Architectuur Open Source tools IoT connectiviteit Machine Learning User Interface

Identificatie en priorizatie van de core business use cases Multi-departementale lenzen Gebruik van beschikbare data

Bedrijfsgeörienteerd

Technologisch

Organisatorisch

Mensen Voor meer gegevens en nieuwe technolo gieën zijn ook verschillende mensen met specifieke vaardigheden inzake analyse in het maakdomein nodig. De voorbije jaren zijn ondernemingen ‘data scientists’ beginnen aanwerven, maar ze hebben het nog steeds moeilijk om de gepaste organisatorische opstelling te vinden om de nieuwe vaardig heden – naast die van traditionele ingenieurs – ten volle te benutten. Een typische vaststelling in dit verband is dat producenten een transformatieproces door lopen: ze beginnen met een gefragmenteerd en ongecoördineerd gebruik van data en AI-experts. Vervolgens evolueren ze naar een meer gecentraliseerd organisatiemodel (bv. een ‘center of excellence’ dat aan AI is gewijd), waardoor de organisatie een gro tere maturiteit in termen van AI verwerft. En in het eindstadium kunnen AI-compe tenties dan opnieuw worden gedecentra liseerd wanneer ze eenmaal volledig in de organisatie geïntegreerd zijn. Een centraal AI-team moet niet alleen uit data scientists bestaan, maar ook uit wat men in het jargon ‘data engineers’, ‘data stewards’, ‘solution architects’ en ‘analy tics translators’ noemt. Zulk een centraal AI-team werkt dan samen met teams van de diverse productiefuncties om AI-op lossingen voor specifieke gebruikssitu aties te ontwikkelen en in de praktijk te brengen.

Processen Om efficiënt te werken, hebben onderne mingen een basiskader voor goed bestuur en processen nodig dat ze formeel moeten vastleggen. Een voorbeeld van zo’n proces is ‘AI use-case pipeline management’, om nieuwe use cases in het bedrijf doorlo pend te identificeren en te evalueren. Een ander voorbeeld is een formeel vastge legd ontwikkelingsproces voor AI-oplos singen dat doorgaans voortbouwt op het standaardproces voor datamining dat in diverse sectoren gangbaar is (CRISP-DM). Cultuur Tot slot moeten producenten een door data en AI aangestuurde cultuur mogelijk maken. Daartoe moeten ze ervoor zorgen dat mensen vertrouwen krijgen in data en algoritmes door in het kader van per soneelsvorming niet alleen AI en de door AI aangeboden mogelijkheden en waarde toe te lichten, maar ook te wijzen op de risico’s en beperkingen van deze technolo gie. Tegelijkertijd moeten ondernemingen de bekommernissen van hun personeel ernstig nemen en dienovereenkomstig handelen, terwijl ze een overtuigende visie op een effectieve samenwerking tus sen mens en machine creëren om de vrees te pareren dat AI duizenden jobs in de maaksector zal doen verdwijnen.

geven van engagement en zelf ook AI-me thoden en AI-technologieën te omarmen. Deze vorm van innovatie kunnen ze ook stimuleren door een benadering te steu nen die ruimte laat voor mislukken in het experimenteren met AI. En, al is falen een optie, successen moeten op passende wijze worden gehuldigd en bekendge maakt opdat AI in de hele organisatie ingang zou vinden. Koen Cobbaert PwC België

Hogere leidinggevenden moeten de voor trekkers van verandering zijn door blijk te

15

V A L U E C H A I N M A N A G E M E N T - M A A R T 2 0 2 0