Data-analyse (Analyses) is het ontsluiten, ontkoppelen, onderzoeken en inzichtelijk maken van gegevensbestanden. Data-analyse wordt toegepast op vele terreinen, zoals marketing, accountancy en auditing en medische analyses.
Wij hanteren de volgende onderverdeling voor 'data-analyse':
- Operationele data-analyse, zoals op het gebied van marketing. Denk aan het aantal ijsjes van een speciaal type dat verkocht wordt in een bepaalde week als de zon schijnt. Talloze andere operationele data-analyses zijn te bedenken.
- Financial data-analyse, onderverdeeld naar:
Management accounting (internal reporting): als onderdeel van Business Intelligence (BI) kunnen via data-analyse talloze rapporten met cijfers geproduceerd worden. Zie Financial Planning and Analysis (FP&A): BI & CPM.
Continuous monitoring & auditing: data-analyse wordt voor audit doeleinden gebruikt binnen de accountancy- en auditpraktijk. Zowel door interne auditors als externe accountants en auditors. Zie Audit en data analyse.
Gericht op BI
Data analyses hebben in de regel betrekking op gegevens uit het verleden, zijnde ‘Descriptive analytics’. Onder de noemer ‘Predictive analytics’ richt data-analyse zich op voorspellingen op basis van gegevens uit het verleden.
Als het gaat om software voor data-analyse onderscheiden we de volgende functies:
- Descriptive analytics; uit analyse van historische gegevens patronen destilleren. Feitelijk beschrijvend.
- Predictive analytics; voorspellingen voor de toekomst op basis van gegevens uit het verleden.
- Prescriptive analytics; volgende stap voor de toekomst door ook acties voor te stellen om te kunnen profiteren van voorspellingen met implicaties van elke voorgestelde actie.
- Data discovery; is gericht op het zoeken naar van belang zijnde patronen in, al dan niet gestructureerde en ongestructureerde, data van verschillende bronnen. Door middel van het data discovery-proces worden gegevens verzameld, gecombineerd en geanalyseerd.
- Drill down; is bedoeld om in te zoomen van globale gegevens naar meer gedetailleerde gegevens. Een bekend voorbeeld vanuit de boekhouding is inzoomen vanuit een balanspost tot de uiteindelijke mutaties. Voor dit laatste wordt ook de XML Auditfile Financieel (XAF) ingezet.
- Drill through; met deze functie kan een gebruiker van het ene naar het andere rapport gaan, terwijl dezelfde set gegevens geanalyseerd wordt.
- Olap; staat voor “online analyseren van processen”, ook wel “slice & dice analyses” genoemd. Olap is gebaseerd op een multidimensionaal datamodel (data cube). Gebaseerd op multidimensionale data kent Olap operaties als:
- Drill down; zoals hiervoor genoemd om in te zoomen op gegevens.
- Roll-up; aggregeren van informatie (tegenovergestelde van drill down).
- Slice and dice; inzoomen op een bepaald onderdeel en van daaruit weer een nieuwe data cube vormen.
- Pivot; roteren van de (gegevens)assen om te komen tot alternatieve presentaties.
- Ad hoc analyses; gewenste analyses op elk gewenst moment zelf kunnen samenstellen en uitvoeren. Al dan niet met de mogelijkheid om een eenmaal samengesteld analysemodel onder een bepaalde naam kunnen opslaan, zodat betreffend analysemodel later herhaald kan worden (op basis van een nieuwe gegevensset).
- Simulatie (what-if scenario’s); hiervoor is ‘Predictive analytics’ genoemd, zijnde voorspellingen voor de toekomst op basis van gegevens uit het verleden. ‘Wat-als’ sluit daar op aan. Een voorbeeld is bijvoorbeeld nagaan wat de impact is voor het resultaat als sprake is van een stijging of juist daling van de omzet over een bepaalde periode. Of meer in detail wat de consequenties voor de winstmarge van een bepaald product is als bepaalde productiekosten stijgen of als bijvoorbeeld transportkosten toenemen
Process mining
Een bijzondere vorm van data-analyse is process mining, zijnde het in kaart brengen, onderzoeken en verbeteren van de (bedrijfs)processen aan de hand van ‘event logs’. Audit trails binnen IT-systemen van bedrijfsprocessen analyseren. Oftewel data-analyse uitvoeren op bedrijfsprocessen.
