Soorten data-analyse: van beschrijvend tot prescriptief

Data-analyse is een verzamelnaam voor heel verschillende dingen. De vraag "hoeveel hebben we vorige maand verkocht" vraagt om een andere analyse dan "waarom daalde de verkoop" of "wat gaan we volgende maand verkopen". Wie die verschillen kent, kiest de juiste aanpak en voorkomt dat hij een zware analyse inzet voor een simpele vraag, of andersom.

Data-analyse wordt meestal ingedeeld in vier niveaus: beschrijvend, diagnostisch, voorspellend en prescriptief. Elk niveau beantwoordt een ander type vraag en vraagt om meer inspanning dan het vorige. Dit artikel legt ze uit met voorbeelden voor het MKB. Het sluit aan op data-analyse beginnen en Business Intelligence.

De vier niveaus in het kort

De vier soorten analyse vormen een trap: elk niveau bouwt voort op het vorige en beantwoordt een diepere vraag. Samen vormen ze het volledige spectrum van data-analyse.

De meeste MKB-bedrijven werken vooral op de eerste twee niveaus, en dat is prima. Beschrijvend en diagnostisch leveren al veel waarde, en zijn met gewone middelen te doen. Voorspellend en prescriptief vragen meer, maar zijn niet voor iedereen nodig. Kies het niveau dat bij je vraag past.

Beschrijvend: wat gebeurde er?

Beschrijvende analyse is het fundament. Ze vat samen wat er is gebeurd: hoeveel je verkocht, hoeveel klanten je kreeg, wat je marge was. Het zijn de cijfers en overzichten die je in elke rapportage terugziet.

Vrijwel elke organisatie doet aan beschrijvende analyse, vaak zonder het zo te noemen. Een maandrapport, een omzetoverzicht of een dashboard is beschrijvende analyse. Het beantwoordt de vraag wat er gebeurde, maar nog niet waarom. Voor veel beslissingen is dat al voldoende.

Diagnostisch: waarom gebeurde het?

Diagnostische analyse gaat een stap dieper: ze zoekt naar de oorzaak. Niet alleen dat de omzet daalde, maar waarom. Dat vraagt om uitsplitsen en vergelijken, om patronen te vinden achter de cijfers.

Een omzetdaling kun je uitsplitsen naar product, regio of klantgroep om te zien waar het zit. Misschien daalde de omzet alleen in 1 regio, of bij 1 productgroep. Die verdieping helpt je gericht in te grijpen in plaats van te gokken. Diagnostische analyse is voor het MKB goed te doen met dezelfde middelen als beschrijvende.

Voorspellend en prescriptief

De bovenste twee niveaus kijken vooruit. Voorspellende analyse schat in wat er gaat gebeuren, op basis van patronen uit het verleden. Prescriptieve analyse gaat nog verder en adviseert wat je het beste kunt doen.

Voorspellende analyse, zoals een omzetprognose op basis van je pijplijn, is voor het MKB haalbaar zonder data scientist. Zie voorspellende analyse. Prescriptieve analyse, die automatisch de beste prijs of voorraad adviseert, is complexer en voor de meeste MKB-bedrijven nog niet nodig. Begin onderaan de trap en klim alleen hoger waar de vraag daarom vraagt.

Soorten data-analyse in cijfers

De cijfers laten zien dat de meeste waarde voor het MKB in de onderste twee niveaus zit, die met overzichtelijke inspanning te realiseren zijn: een beschrijvend rapport kost circa 4 uur, een diagnostische analyse circa 8 uur, met een analysetool rond 10 euro per gebruiker per maand. Voorspellende analyse is haalbaar waar de vraag erom vraagt, prescriptief is voor de meeste bedrijven nog niet nodig. Begin onderaan en klim alleen hoger waar het loont. Herzie je aanpak elke 12 maanden.

Welk niveau kies je?

De keuze voor een analyseniveau volgt uit je vraag, niet uit wat technisch mogelijk is. Een simpele vraag verdient een simpele analyse; een complexe beslissing rechtvaardigt meer inspanning.

1. Bepaal je vraag. Wat wil je weten of beslissen?
2. Match het niveau. Wat gebeurde, waarom, wat komt, of wat te doen?
3. Kies de lichtste aanpak die werkt. Niet zwaarder dan nodig.
4. Klim alleen waar het loont. Voorspellend of prescriptief als de waarde groot is.
5. Bouw op de basis. Zonder goede beschrijvende analyse heeft de rest geen fundament.

Voor een MKB-bedrijf betekent dit meestal: investeer eerst in goede beschrijvende en diagnostische analyse, want daar zit de meeste dagelijkse waarde. Klim pas naar voorspellend als je daar een concrete vraag voor hebt. Zo houd je de inspanning in verhouding tot de opbrengst.

Conclusie

Data-analyse kent vier niveaus: beschrijvend (wat gebeurde er), diagnostisch (waarom), voorspellend (wat gaat er gebeuren) en prescriptief (wat moeten we doen). Elk niveau beantwoordt een diepere vraag en vraagt meer inspanning. Voor de meeste MKB-bedrijven zit de grootste waarde in de onderste twee, die met overzichtelijke middelen te doen zijn. Voorspellende analyse is haalbaar waar de vraag erom vraagt, prescriptief is meestal nog niet nodig. Kies het niveau dat bij je vraag past, en bouw altijd op een goede beschrijvende basis. Lees verder in data-analyse beginnen, voorspellende analyse en Business Intelligence.

De niveaus naast elkaar in de praktijk

De praktische les voor het MKB is om de inspanning in verhouding te houden tot de vraag. Een beschrijvend rapport van circa 4 uur beantwoordt veel dagelijkse vragen. Een diagnostische analyse van circa 8 uur helpt bij het begrijpen van een probleem. Pas als die basis staat en er een concrete vraag is, loont het om naar voorspellend te klimmen, met circa 16 uur voor een eerste model.

Voor een MKB-bedrijf met 20 medewerkers betekent dit dat de meeste waarde met overzichtelijke inspanning te halen is. Een analysetool van rond 10 euro per gebruiker per maand volstaat voor de onderste twee niveaus. Prescriptieve analyse, die meer dan 40 uur en gespecialiseerde kennis vraagt, is voor de meeste bedrijven nog niet aan de orde. De kunst is niet om zo hoog mogelijk te klimmen, maar om het juiste niveau bij de vraag te kiezen.

De trap werkt ook als denkkader bij elke nieuwe datavraag. Begin bij beschrijvend: weet ik wat er gebeurde? Dan diagnostisch: weet ik waarom? Vaak blijkt de vraag al beantwoord op een van de onderste niveaus, zonder dat je een zwaar model nodig hebt. Door bewust te bepalen welk niveau je vraag vereist, voorkom je dat je 40 uur in een prognose steekt waar een rapport van 4 uur volstond. Herzie elke 12 maanden of je op het juiste niveau werkt voor de vragen die er nu toe doen.

Veelgestelde vragen

Welke soorten data-analyse zijn er?

Vier niveaus: beschrijvend (wat gebeurde er), diagnostisch (waarom gebeurde het), voorspellend (wat gaat er gebeuren) en prescriptief (wat moeten we doen). Elk niveau beantwoordt een diepere vraag en vraagt meer inspanning.

Welk niveau heeft het MKB nodig?

Voor de meeste MKB-bedrijven leveren de onderste twee, beschrijvend en diagnostisch, de meeste waarde, en die zijn met gewone middelen te doen. Voorspellend is haalbaar waar de vraag erom vraagt, prescriptief is meestal nog niet nodig.

Wat is het verschil tussen beschrijvend en diagnostisch?

Beschrijvend vat samen wat er gebeurde, zoals de omzet vorige maand. Diagnostisch zoekt naar de oorzaak, zoals waarom de omzet daalde, door uit te splitsen en te vergelijken.

Heb ik een data scientist nodig voor voorspellende analyse?

Niet per se. Een eenvoudige omzetprognose op basis van je pijplijn is voor het MKB haalbaar zonder data scientist. Pas bij complexe modellen of prescriptieve analyse wordt gespecialiseerde kennis belangrijker.

Waar moet ik beginnen?

Bij goede beschrijvende en diagnostische analyse, want daar zit de meeste dagelijkse waarde. Klim pas naar voorspellend als je daar een concrete vraag voor hebt. Kies altijd de lichtste aanpak die je vraag beantwoordt.

Dit artikel is informatief en geen advies op maat. Voor je eigen situatie raadpleeg je een gespecialiseerde adviseur.