Datacadabra

Digitale Data Structureren

Het gemakkelijk structureren van data binnen een bedrijf. Hoe doet men dit, wat zijn de voordelen en hoe stel je een dergelijk overzicht op voor een bedrijf? Ook komt aan bod hoe Datacadabra dit soort overzichten maakt en inzet zowel intern als extern bij projecten.

Zoals al eerder omschreven in voorgaande artikelen, werkt Datacadabra met veel informatie en data die wordt verzameld met de oplossingen. Om al deze datastromen bruikbaar en helder te hebben, stellen we overzichten en diagrammen op, zodat er duidelijk is welke data er binnenkomt, hoe deze verwerkt wordt en wat er uit gaat.

 

Een voorbeeld om data overzichtelijk weer te geven zodat men weet welke informatie er binnenkomt en wordt verwerkt , is een stroomdiagram. Dit diagram geeft als het ware de route weer die data binnen een proces, project of zelfs een bedrijf aflegt. Een heel gemakkelijk voorbeeld is een reservering maken in een restaurant: de klant stuurt zijn informatie zoals datum, tijd en gezelschap naar het restaurant, die op hun beurt deze data verwerken door te controleren of de reservering mogelijk is. Vervolgens wordt dit teruggekoppeld in de vorm van een bevestiging of annulering.

 

Een voordeel van het overzichtelijk maken van de stroom aan data is dat het inzicht biedt in meerdere aspecten. Doordat de data wordt gestructureerd en geanalyseerd wordt de (in)efficiƫntie van een proces duidelijk en komen er eventuele verbeterpunten naar boven. Ook is het op deze manier mogelijk om nauwkeuriger en gedetailleerder te zien welke data er is en welke weg deze data aflegt, om zo bepaalde aspecten binnen een project, proces of bedrijf meer of beter gebruik te laten maken van deze data. Dit kan leiden tot meer notie en diepgang van gerelateerde aspecten aan het proces, om deze te verbeteren.

Data bij Datacadabra

Binnen Datacadabra wordt er veel gebruik gemaakt van deze data. Door middel van digitale intelligentie, zoals computer vision en data science, bieden wij oplossingen die gebaseerd zijn op deze data. Neem bijvoorbeeld de MowHawk: tijdens een bestaande beweging wordt data verzameld die door ons wordt verwerkt en geanalyseerd. De camera op de maaibalk analyseert de berm en detecteert exoten en zwerfvuil en aan de hand hiervan ontvangt de chauffeur real-time maaiinstructies. Doordat er een diagram is opgesteld met betrekking tot hoe de data stroomt in dit proces, weet men precies hoe deze data wordt verzameld, geanalyseerd, verwerkt en gebruikt kan worden. Op deze manier krijgt zowel Datacadabra als de bermeigenaar inzicht in het maaiproces en kan er gewerkt worden aan natuurinclusief bermbeheer.

 

Zo wordt er bij Datacadabra dus data omgezet in bruikbare inzichten om het werkproces te verbeteren. Samengevat is er dus een bestaand proces waarbij data verzameld wordt of gemakkelijk kan worden verzameld, vervolgens wordt deze data geanalyseerd en ten slotte biedt het inzicht dat leidt tot verbeterde werkprocessen. Door hiervoor een diagram op te stellen weet men precies waar en hoe de data stroomt en kan er optimaal gebruik van worden gemaakt.