Wat is descriptive analytics? Een definitie

Descriptive analytics vormt de basis van alle business analytics. In dit artikel geven we een definitie van descriptive analytics en hoe je descriptive analytics kunt gebruiken bij het realiseren van je bedrijfsdoelen.

BI-tools (Business Intelligence) en datascience lijken soms wel iets weg te hebben van magie, waarmee verborgen trends worden ontfutseld uit grote hoeveelheden ruwe data en op basis waarvan zakelijk leiders zoals jij de juiste beslissingen kunnen nemen en belangrijke initiatieven kunnen realiseren, zelfs als je te maken hebt met beperkte hulpmiddelen.

Descriptive analytics is de basis van business intelligence, zoals we in dit artikel zullen laten zien. Zakelijk leiders vinden hier een antwoord op de vragen die door ruwe data worden opgeroepen en kunnen op basis van de geboden informatie beslissingen nemen om hun bedrijf in de juiste richting te leiden.

Analysetools kunnen een goed hulpmiddel zijn bij het realiseren van bedrijfsdoelen. Maar BI-tools kunnen ook vreemd aanvoelen voor nieuwe en minder ervaren gebruikers, vanwege hun complexe interface en een schijnbaar eindeloze stroom aan nieuwe termen en acroniemen.

Business analytics is alleen nuttig als gebruikers ermee om kunnen gaan en descriptive analytics vormt de brug tussen ontoegankelijke, ruwe data en bruikbare inzichten.

Laten we descriptive analytics eens nader onder de loep nemen, te beginnen met een definitie.

Wat is descriptive analytics? Een definitie

Descriptive analytics is een type gegevensanalyse waarmee zakelijk leiders ruwe data kunnen omzetten in een bruikbare en makkelijk te begrijpen vorm die antwoord geeft op de vraag “Wat is er gebeurd?”

Gartner definieert descriptive analytics meer in het bijzonder als “het onderzoeken van data of content … voor een antwoord op de vraag “Wat is er gebeurd?” (of “Wat is er aan de hand?”), gekenmerkt door traditionele business intelligence (BI) en visualisaties zoals taartdiagrammen, staafdiagrammen, lijndiagrammen tabellen of gegenereerde narratieven.”

Descriptive analytics is een van de vier hoofdcategorieën van data analytics, samen met diagnostic analytics, predictive analytics en prescriptive analytics.

Met behulp van data analytics kunnen bedrijven grote volumes aan data methodisch onderzoeken, waarbij met name descriptive analytics zakelijk leiders helpt inzicht te verschaffen in de historische prestaties van hun bedrijf.

Dat vormt de basis voor alle business analytics.

Als bijvoorbeeld een producent van het ene op het andere kwartaal te maken heeft met een daling van inkomsten, zou met descriptive analytics kunnen worden vastgesteld dat de bron van die daling te wijten is aan een afname van bestellingen van tomaten in een specifieke markt onder een bepaalde demografische groep tijdens een bepaalde week. Ter vergelijking:

• Diagnostic analytics helpt te begrijpen waarom dat is gebeurd: droogte als oorzaak van minder smakelijke tomaten.
•   Predictive analytics helpt te bepalen wat er zal gebeuren: een voortdurend watertekort dat zal leiden tot nog meer tomaten van mindere kwaliteit.
• Prescriptive analytics helpt vast te stellen wat de producent moet doen: onderzoek verrichten naar een nieuwe tomaat-variant die minder water nodig heeft.

Zodra deze informatie met behulp van data analytics is blootgelegd, bestaat de volgende stap uit het samenvatten en rondsturen van de voornaamste bevindingen. Datavisualisatie helpt gebruikers die bevindingen te verpakken en presenteren in een makkelijk te begrijpen vorm zodat ze kunnen worden gedeeld met stakeholders.

Je kunt je voorstellen dat elk van deze typen data analytics grote voordelen kan hebben voor bedrijven, maar het begint allemaal met descriptive analytics.

Klaar om aan de slag te gaan met data analytics voor je bedrijf? Hier is een korte video (in het Engels) om je te helpen meteen een goede start te maken:

Elementaire descriptive analytics uitvoeren

Waar software veel van het voorwerk voor gegevensanalyse kan doen, kan descriptive analytics worden uitgevoerd met niet meer dan een spreadsheet. (Je hebt wel de add-in Analysis ToolPak voor Excel nodig om complexere analyses uit te voeren.)

Als je een redelijk klein bedrijf hebt en je dataset hoogstwaarschijnlijk een of twee bronnen omvat, of als je niet beschikt over de middelen om te investeren in een BI-platform, ben je wellicht een prima kandidaat om descriptive analytics uit te voeren met een spreadsheet.

Nadat je de gewenste dataset hebt opgenomen in een spreadsheet (zoals de maandelijkse verkoopgegevens), kun je met de functie voor descriptive statistics statistische gegevens zoals totale verkoop, gemiddelde opbrengst per verkoop en standaarddeviatie genereren.

Hier zijn enkele voorbeelden van bedrijven die profijt kunnen hebben van elementaire descriptive analytics met gebruik van alleen maar een spreadsheet:

• Een hoveniersbedrijf dat de gemiddelde opbrengst per opdracht wil vaststellen
•   Een bloemist die de jaarlijkse groei van zijn klantenbestand wil bepalen
•   Een mecanicien die het totaal aantal uitgevoerde opdrachten per maand wil vaststellen

 Wil je zien hoe dat in zijn werk gaat? In deze video (in het Engels) kun je zien hoe je enkele eenvoudige descriptive statistics in Microsoft Excel kunt genereren:

Descriptive analytics voor je bedrijf

Tenzij je een data-analist of datawetenschapper bent (of er een in dienst hebt, in welk geval je vooroploopt), vraag je je misschien af waar je überhaupt moet beginnen met de analyse van je data.

Descriptive analytics is de eerste stap bij het uitvoeren van data-analyses omdat descriptive analytics (“Wat is er gebeurd?”) de andere drie typen analytics van informatie voorziet.

Dat kan zowel een voordeel als een nadeel zijn. Enerzijds verschaft descriptive analytics de basis voor alle business intelligence. Maar anderzijds helpt descriptive analytics alleen maar naar boven te halen wat er is gebeurd zonder meteen duidelijk te maken waarom dat is gebeurd, wat er vervolgens kan gebeuren of wat je zou moeten doen.

Daarom moet descriptive analytics nooit het eind van het verhaal zijn, maar moet het leiden tot diagnostic analytics, predictive analytics en/of prescriptive analytics.

Bovendien is descriptive analytics het meest zinvol wanneer het regelmatig wordt uitgevoerd. Je kunt bijvoorbeeld geen maandelijkse verkoopgegevens genereren als je de analyse maar een paar keer per jaar uitvoert wanneer je een merkt dat er een sterke daling of stijging van de verkoopcijfers is. Hier kunnen BI-dashboards die historische gegevens automatisch bijhouden goed van pas komen. In plaats van te rommelen met financiële verslagen en spreadsheets met historische gegevens door te spitten om handmatig een descriptive analyse te maken, zouden zakelijk leiders een BI-tool moeten gebruiken om dat proces te stroomlijnen en tijd te besparen.

Hier is een proces in vier basisstappen om met descriptive analytics waardevolle inzichten in je bedrijf te krijgen:

1. Selecteer een BI-tool die met je aanwezige software kan worden geïntegreerd. Gebruikers kunnen in ons overzicht van BI-tools filteren op integraties met honderden verschillende platforms. Ook voor boekhoudsoftware zijn er tal van BI-apps te vinden.
2. Bepaal welke meetwaarden je wilt onderzoeken. Daarbij kan het gaan om opbrengsten, nieuwe klanten en aanwezigheid op social media. Verwijs als beginpunt naar je bedrijfsdoelen en geef aan wat je tekortkomt.
3. Haal relevante data op en bereid deze voor. Afhankelijk van het type meetwaarde dat je wilt onderzoeken, kan deze dataset afkomstig zijn van de software voor je boekhouding en financiën, je marketingsoftware of je ERP-software.
4.   Gebruik je BI-tool om een descriptive analyse uit te voeren. Hoe dat proces er precies uitziet wordt bepaald door de specifieke tool, maar gebruikers moeten met alle tools rapporten en grafieken voor stakeholders kunnen maken en dashboards kunnen opslaan voor later gebruik.

Opmerking: De in dit artikel geselecteerde applicaties laten een functie in zijn context zien en zijn niet bedoeld als een aanbeveling of goedkeuring. Ze zijn verkregen van bronnen waarvan wij van mening zijn dat ze betrouwbaar waren op het moment van publicatie.