Een pragmatische aanpak om AI-businesscases te identificeren
1 april 2021Onze methodiek voor een data-audit bestaat uit vier stappen die resulteren in drie belangrijke deliverables. De focus: kleine projecten op korte termijn, met laag risico, dicht bij je corebusiness. Die aanpak bouwt goodwill op, legt problemen in je datamanagement bloot en creëert spillovers naar toekomstige projecten.
Richt je alleen op data die gelinkt is aan geïdentificeerde businesscases. Niets meer, niets minder.
Vier stappen naar jouw AI-roadmap
Stap 1: de kick-offsessie, een semigestructureerd interview om je strategische doelen voor de komende 3 tot 5 jaar te identificeren en te brainstormen over hoe AI die kan ondersteunen. Stap 2: businesscase-identificatie, een analytisch rapport dat AI-businesscases positioneert in een kwadrant van hoge waarde en lage kosten. Stap 3: data-inspectie, een beoordeling op caseniveau van de vereiste databronnen, hun kwaliteit en de integratie-gaps. Stap 4: de roadmap, een hands-on document met de vereiste stappen, de voorgestelde technische architectuur en de essentiële profielen per businesscase.
Ontdek meer
Vier jaar Arinti: vier lessen uit vier jaar AI-projecten
Na vier jaar AI-projecten zijn dit de vier belangrijkste lessen: sta open voor verandering, geef iedereen slagkracht, hou rekening met verborgen kosten en bepaal je doelen voor je begint.
Datagedreven bedrijven: wanneer goed genoeg niet langer volstaat
Datagedreven bedrijven presteren beter dan hun concurrenten. Toch wijzen 9 op de 10 bedrijven naar culturele uitdagingen als de grootste bottleneck. Drie praktische aanbevelingen om datagedreven te worden.
Waarde halen uit grote datasets in korte tijd
We voerden voor NMBS een data-analyse van één week uit op datasets met miljoenen rijen. Dit zijn onze tips om grote datasets te onderzoeken wanneer elke dag telt.
