De nieuwste stap in business analytics is prescriptive analytics. Hiermee is het mogelijk de bedrijfsvoering op basis van algoritmes te ondersteunen en optimaliseren. En dat betekent een omwenteling in finance. “Schrikbarend weinig finance professionals beseffen hoe snel hun vak verandert en wat de kansen en bedreigingen zijn.”
De hoeveelheid data groeit, het managen ervan wordt goedkoper en dankzij technologische ontwikkelingen kunnen computers steeds meer. “Steeds meer beslissingen worden gebaseerd op data-analyse met behulp van machine learning-technieken. Je moet jezelf voortdurend de vraag stellen: hoe beïnvloeden deze innovaties de waarde die ik als finance professional kan toevoegen?” zegt Prof. dr. Frans Feldberg. Hij is hoogleraar Data-Driven Business Innovation aan de Vrije Universiteit Amsterdam en onder meer co-founder van het Amsterdam Center for Business Analytics.
Je moet jezelf voortdurend de vraag stellen: hoe beïnvloeden deze innovaties de waarde die ik als finance professional kan toevoegen?
Prof. dr. Frans Feldberg
Derde stap in business analytics: prescriptive analytics
Met prescriptive analytics bepaalt de computer op basis van voorspellingen de beste werkwijze. Dit gebeurt met input uit twee eerdere stappen: het op basis van data-analyse begrijpen wat er gisteren en vandaag gebeurt (descriptive analytics), en het op basis daarvan doen van voorspellingen (predictive analytics).
De drie stappen in business analytics
- Descriptive analytics: geeft inzicht in bedrijfsprocessen
- Predictive analytics: voorspelt wat er gaat gebeuren
- Prescriptive analytics: schrijft de beste werkwijze voor
In de praktijk
Prescriptive analytics wordt al op uiteenlopende plekken toegepast, zegt Feldberg. “Denk aan een callcenter waar telefoongesprekken worden opgenomen. Op basis van de toon van het gesprek – klinkt de klant bijvoorbeeld boos of teleurgesteld – krijgt de medewerker gerichte instructies voor een vervolggesprek. Maar het kan ook gaan om het optimaliseren van bevoorrading op basis van analyse van de supply chain. Of het plannen van onderhoud op basis van voorspellingen over slijtage van essentiële componenten.”
Gevolgen voor de finance professional
Prescriptive analytics is dus niet nieuw, maar de schaal waarop het gaat worden toegepast wordt veel groter, aldus Feldberg. “Vrijwel alle processen in de bedrijfsvoering hebben een relatie met data. Zo ook het werk van de finance professional.” Mark van Iersel is zo’n professional. Hij is via Yacht gedetacheerd bij ING. Als data-analist is hij betrokken bij het migreren van grootzakelijke klanten van oude naar nieuwe betaalsystemen. “Dat is vrij complex”, zegt hij. “Het heeft namelijk invloed op de IT-omgevingen van de klant én de bank.”
Sneller en efficiënter
Als data-analist verzamelt Van Iersel alle info uit de verschillende systemen en verzorgt hij de rapportages van het project. Een onderdeel van zijn werk is predictive en prescriptive analytics. “We kijken hoe dit soort migratieprojecten in de toekomst sneller en efficiënter kunnen”, zegt hij. “Dat doen we op basis van data over de projecten die we al gedaan hebben. Hoeveel tijd kosten projecten bijvoorbeeld? Wat zijn de verschillen tussen kleinere en grotere klanten? En hoeveel mensen hebben eraan gewerkt.”
Machine learning
Samen met de afdeling data science bij de bank overlegt Van Iersel vervolgens over de toepassing van machine learning voor het voorspellen van de toekomst. “We kijken op welke vragen we een antwoord willen. Bijvoorbeeld hoeveel mensen we moeten inzetten voor een migratieproject van een bepaalde omvang. En hoeveel budget we nodig hebben. Op basis van de uitkomsten doen we aanbevelingen voor de business.”
Experimenteren met prescriptive analytics
Van Iersel geeft aan dat het nog niet altijd lukt om de juiste acties te bepalen met prescriptive analytics. “We zitten nog in de experimenteerfase. De uitkomsten zijn nog niet altijd betrouwbaar genoeg, omdat het aantal projecten waaruit we de data halen nog te klein was en omdat er nog informatie in de dataset ontbrak.” Feldberg benadrukt dat je als organisatie en als professional moet durven leren door te experimenteren op dit gebied. “De technologische ontwikkelingen gaan zo snel dat je niet kunt afwachten.”
Met prescriptive analytics kun je met echt onderbouwde businesscases komen.
Mark van Iersel, via Yacht gedetacheerd bij ING
Verandermanagement
Ook Van Iersel ziet verandering als onmisbaar. “Innoveren moet. We automatiseren steeds meer en worden zo effectiever. Met prescriptive analytics kun je potentieel heel erg veel waarde toevoegen en met echt onderbouwde businesscases komen.” Hij geeft aan dat de vertaling van het technische verhaal naar de business wel cruciaal is om draagvlak te krijgen. Feldberg beaamt dit. “Technologie is maar een klein onderdeel van prescriptive analytics. De potentiele veranderingen variëren van individuele werkzaamheden tot volledige businessmodellen, dus verandermanagement speelt een belangrijke rol.”
Hoe ziet de Financial van de toekomst eruit?Download hier de whitepaper Futurizing Finance
Jezelf opnieuw uitvinden
Omdat algoritmes steeds krachtiger en beter worden , veranderen ook de werkzaamheden van de finance professionals. “Die moeten zichzelf opnieuw uit durven vinden”, zegt Feldberg. “Stel: je bent verantwoordelijk voor de planning van werkkapitaal. Algoritmes zijn veel beter in het ontdekken van patronen in grote hoeveelheden data dan mensen en kunnen waardevolle inzichten opleveren in bijvoorbeeld welke variabelen van invloed zijn op de omvang van het werkkapitaal in de tijd. Wellicht zelfs geautomatiseerd beslissen over activa en passiva posities.”
“Het is overigens echt niet zo dat iedere functie straks zo maar vervangen zal worden door een algoritme, maar de inhoud van veel functies zal wel veranderen. Als finance professional moet je bijvoorbeeld in staat zijn de output van eerder genoemde analyse te analyseren, over de toepassing te beslissen en te communiceren: wat is de waarde van een patroon? Wat zijn de ethische consequenties? Hoe communiceer ik het naar de business. Dat vraagt om een ander soort vaardigheden.”
De belangrijkste soft skills
- Betrouwbaar (moreel kompas)
- Connecting Dots (contextual awareness)
- Flexibiliteit (ontwikkelingsgericht)
Lees meer over de competenties van de toekomst
Technologie én het grotere plaatje
“Je ziet dat IT en finance steeds verder naar elkaar toe bewegen”, zegt Van Iersel. Feldberg vult aan: “Dat betekent dat je kennis van technologie moet hebben, maar je moet het niet alleen vanuit de technologie benaderen. Omdat data vrijwel alles raakt is het essentieel om een brede blik te hebben waarin technologie en business samenkomen. Je kunt bijvoorbeeld heel veel geld investeren om een algoritme van 70 naar 75 procent nauwkeurigheid te krijgen. Maar misschien is er grotere winst te halen door niet vanuit een algoritme te denken en zo een probleem in een heel ander domein aan te pakken waar geen algoritme aan te pas komt. Je moet het grotere plaatje blijven zien en de juiste vragen kunnen en durven stellen.”
Bedrijfskunde, wiskunde en informatica
De veranderingen vragen, kortom, om professionals die kennis van data science en domeinkennis combineren. “Daarom richten onze opleidingen zich steeds meer op een combinatie van bedrijfskunde, wiskunde, informatica en ethiek”, zegt Feldberg. “En er zitten niet alleen fulltime studenten in de collegebanken, ook finance professionals die zich laten bijscholen. Want er zijn mooie kansen, maar die moet je wel nu grijpen.”
