Bijna de helft van de analyses die worden geproduceerd door de data-analyse-agents van de ondervraagde bedrijven leidt tot acties die de bedrijfsvoering verbeteren. Volgens een studie gepubliceerd door Insights, de tak voor gepersonaliseerde content van MIT Technology Review, los van haar redactie, bedraagt dit percentage gemiddeld 48%, tegenover 37% een jaar eerder. Meer dan de helft van de resultaten blijft dus, volgens de studie, zonder nuttig effect voor de bedrijven.
- Bijna de helft van de agentanalyses leidt tot verbeterde bedrijfsvoering, tegen 37% een jaar eerder.
- Inzichtleiders halen meer dan 70% nuttige acties, vooral bij prescriptieve analyses.
- Gebrek aan bedrijfscontext en versnipperde data zijn de belangrijkste oorzaken van lage kwaliteit.
- Bedrijven versterken AI- en datagovernance en voegen een semantische laag toe om de kwaliteit te verbeteren.
De auteurs onderscheiden een kleine groep organisaties, die zij de ‘inzichtleiders’ noemen. In deze groep leidt meer dan 70% van de analyses van de agents tot acties die gunstig zijn voor de bedrijfsvoering, en deze organisaties beoordelen de kwaliteit van deze analyses als hoger dan het geheel van de ondervraagden. Het verschil is bijzonder groot voor de prescriptieve analyses, dat wil zeggen die welke een uit te voeren actie aanbevelen.
Een gebrek aan context en versnipperde data
Wanneer de analyses als onvoldoende kwalitatief worden beoordeeld, is de belangrijkste oorzaak volgens de ondervraagde leidinggevenden het gebrek aan bedrijfscontext, genoemd door 55% van hen. Versnipperde of ontoegankelijke data komt op de tweede plaats, met 45%. De inzichtleiders zijn minder vaak van mening dat hun agents moeite hebben om toegang te krijgen tot de nodige context.
Het volume vormt ook een probleem. In 52% van de ondervraagde organisaties genereren de agents een te groot aantal analyses om correct te worden geëvalueerd, en dus om tot effect te leiden. Minder dan een kwart (24%) slaagt erin alle analyses te evalueren. De meesten doen dit geval per geval, een proces dat volgens het rapport momenteel sterk een beroep doet op de menselijke teams.
Governance en semantische laag
Om de kwaliteit van de analyses te verbeteren, geven de ondervraagde bedrijven voorrang aan het versterken van de AI- en datagovernance, genoemd door 60% van hen. Ook voegt 45% een semantische laag toe aan hun data-architectuur, dat wil zeggen een niveau dat aan de data een gemeenschappelijke en gedeelde betekenis geeft binnen het bedrijf.
De door de auteurs van de studie geconsulteerde experts zijn het eens over de rol van deze semantische laag, die zij cruciaal achten voor de prestaties van de agents.
