De afgelopen twee decennia hebben we een enorme groei gezien in de datawereld. Toen data naar de cloud verhuisde, groeiden platformen als Google, Amazon en Microsoft sterk en bouwden bedrijven als Snowflake en Databricks in korte tijd miljardenbedrijven op. Er werd flink wat durfkapitaal gestoken in de "modern data stack", waarmee een nieuwe generatie tooling werd gebouwd die data liet stromen van diverse systemen naar een centraal data warehouse, om die vervolgens op te schonen, te modelleren en aan te leveren in business intelligence-interfaces.
De modern data stack staat echter al voor een flinke vernieuwing. Hij is ontwikkeld vanuit het idee dat de eindgebruiker iemand is die achter een computerscherm zit en rondklikt in datatools en grafische presentaties van inzichten. Dat verandert, want AI wordt steeds meer een belangrijke consument van de data stack.
Wie nu in business intelligence-tools werkt, kan straks inzichten, conclusies en voorgestelde acties krijgen door met AI te praten, zonder filter na filter aan te klikken of een dashboard voor het management te bouwen. AI-assistenten worden in hoog tempo de belangrijkste eindgebruiker van data en dat verandert hoe je dataplatformen en producten bouwt.
Databronnen opnieuw definiëren
Zelfs vandaag de dag zijn de meeste bedrijven gewend om tools als CRM- en ERP-systemen te zien als de belangrijkste databronnen voor hun data-infrastructuur. Het mantra is om alle ruwe data uit deze bronnen te halen en in een centraal data warehouse te laden. Maar met AI-modellen en hun vermogen om elk stukje informatie dat je ze voorlegt te interpreteren, moeten we opnieuw gaan definiëren wat onze brondata eigenlijk is.
SaaS-systemen zoals CRM's zijn in wezen gebouwd om ervoor te zorgen dat een bedrijf gestandaardiseerde en gestructureerde data krijgt. Met de huidige AI-modellen kun je echter al veel van deze stappen overslaan om de gewenste inzichten uit die verspreide en ongestructureerde data te halen, zonder de strikte workflow-regimes van een typisch SaaS-product. Kijk bijvoorbeeld eens naar wat Klarna hier doet.
LLM's zijn al goed in het verwerken van tekst, tabellen, beelden en zelfs video tot betrouwbare informatie. En in organisaties zit veel meer waardevolle data in de Word-, Powerpoint-, Excel- en PDF-bestanden die teams elke dag maken en bewerken dan in de gestructureerde data van CRM-, ERP- en andere systemen. Semantisch zoeken gecombineerd met LLM's ontsluit context over klanten, projecten en oplossingen die traditionele databronnen missen. Koppel dat aan het groeiende vermogen om vrijwel elk soort informatie te interpreteren en je hebt een sterke combinatie.
Een nieuwe manier van datamodellering
Tot nu toe ging datamodellering over het omzetten van ruwe data naar schone, gestructureerde en leesbare formaten, meestal voor mensen. Veel AI-use cases kunnen die stap overslaan, omdat modellen als LLM's andere eisen stellen aan datavoorbereiding. Het gaat er nu om data zo te structureren dat AI er toegang toe heeft en die kan interpreteren.
Datamodellering kent daardoor heel andere uitdagingen. Het draait om de beste manier vinden om met LLM's zoveel mogelijk gedetailleerde informatie uit documenten te halen. Dat blijkt een ander vak dan database-queries schrijven om data te hervormen en er berekeningen op los te laten. Bedrijven met de best presterende AI-systemen weten dit en hebben er nieuwe teams voor opgezet.
Business Intelligence draait niet langer om dashboards en grafieken
Jarenlang hebben business analisten Business Intelligence opgebouwd met dashboards via tools als Tableau, Power BI en Looker, waarbij ze leunden op filters en drill-downs om grafieken en tabellen te maken.
Met AI kunnen zakelijke gebruikers vragen in natuurlijke taal stellen, antwoorden krijgen uit alle toegankelijke documenten in de organisatie en zelfs een grafiek opvragen met een simpele vraag. BI-tools zoals we ze kennen gaan de komende jaren sterk veranderen, naarmate AI-modellen multimodaal worden en interactie via spraak of berichten normaal wordt. Traditionele filters zijn dan niet meer nodig.
Dit betekent niet dat BI zal verdwijnen, want de dagelijkse inzichten blijven relevant en gebruikersgedrag verandert niet van de ene op de andere dag, maar na verloop van tijd zal er steeds meer analyse plaatsvinden op het moment zelf, zonder dat er een analist tussen hoeft te zitten.
Data heeft een nieuwe eindgebruiker en dat is heel spannend
AI wordt in rap tempo de belangrijkste consument van organisatiedata en verandert hoe we data verwerken, analyseren en presenteren en hoe we tot inzichten komen. Wij vinden dat een spannende verschuiving.
Bij Mozaik bouwen we al dataplatformen voor onze opdrachtgevers die er heel anders uitzien dan wat we twee jaar geleden zouden hebben gemaakt. En we leren elke dag bij over wat data voor ons kan doen en hoe.
