Aanleiding
Business Analyse en Data Analytics zijn twee vakgebieden die een cruciale rol spelen in het moderne bedrijfsleven. Ze delen overeenkomsten, maar hebben ook unieke kenmerken. Deze blog onderzoekt de verschillen en de overeenkomsten tussen deze disciplines. De aanleiding voor dit artikel is de trend die we zien dat er in toenemende mate gezocht wordt naar mensen die kennis en ervaring op beide vakgebieden combineren. Ook is er vaak verwarring over termen. Is een business analist een data analist? Is data analytics hetzelfde als data analyse?
Definities
Om de verschillen en overeenkomsten te onderzoeken is het belangrijk om de definities scherp te hebben. Maar dit blijkt niet eenvoudig gezien er veel verschillende definities bestaan.
Voor Business Analyse houden we de definitie van IIBA (International Institute of Business Analysis) aan:
Business Analysis is the practice of enabling change in an organizational context, by defining needs and recommending solutions that deliver value to stakeholders.
Voor het vakgebied van Data Analytics zijn er veel verschillende definities. De definitie van AWS (Amazon Web Services) ligt in lijn met onze opvatting:
Data analytics converts raw data into actionable insights. It includes a range of tools, technologies, and processes used to find trends and solve problems by using data.
Typerend voor data analytics is dat je het proces, om die ruwe data te gebruiken, automatiseert. Een analist zou een ad-hoc analyse kunnen doen maar als dit succesvol is en waarde oplevert dan wil je dat deze inzichten dagelijks – geautomatiseerd – worden gegeneerd. Hier komt de toolbox van de data engineer of data scientist bij kijken.
Profielen
Binnen Business Analyse zijn er verschillende ‘specialismen’ te onderkennen. Voor iedere business analist is het analyseren van de business behoefte een kerncompetentie, maar hij of zij is vaak ook bedreven in aanverwante competenties. Dat vertaalt zich in verschillende (groepen van) functies en rollen: Business Analyst, Business Proces Management, Product Management, Agile, Business Intelligence, etc. (zie de afbeelding van de IIBA).
Binnen Data Analytics onderscheiden wij de volgende profielen: Data Engineer (focus op inlezen en organiseren van data), Data Analyst (inzichten onttrekken), Data Scientist (modellen ontwikkelen om trends te vinden), Reporting Specialist (dashboards), en BI Developer (generalist). Ook wordt Business Analyst soms als profiel gezien binnen Data Analytics.
Synergie tussen Business Analyse en Data Analytics
De vakgebieden Business Analyse en Data Analytics hebben een sterke synergie, waarbij ze elkaar aanvullen en versterken. Business Analyse richt zich op het begrijpen van bedrijfsprocessen, het identificeren van behoeften en het faciliteren van communicatie, terwijl Data Analytics zich richt op het inlezen van data, het analyseren van gegevens, het identificeren van trends en het doen van voorspellende analyses. Door deze disciplines samen te brengen, kunnen organisaties een holistische benadering ten aanzien van besluitvorming aannemen.
Verschillende competenties en vaardigheden
Om succesvol te zijn in beide vakgebieden zijn bepaalde competenties en vaardigheden essentieel. Analytisch denken, probleemoplossend vermogen en communicatieve vaardigheden zijn belangrijke voor beide. Maar daarnaast hebben Business Analisten specifieke vaardigheden nodig op het gebied van stakeholdermanagement, vereistenbeheer en procesmodellering, terwijl Data Analytics specialisten profiteren van programmeervaardigheden, geavanceerde statistische kennis en ervaring met datavisualisatie.
Overeenkomsten en verschillen
We hebben een afbeelding gemaakt die kan helpen bij het in kaart brengen van de overeenkomsten en verschillen. Het plaatje laat ruwweg vier stages zien in de data lifecycle: Helemaal links de databronnen, die worden ontsloten naar een data platform. Uiteindelijk kan die data worden gepresenteerd aan de business, en dit wordt allemaal gedreven vanuit de business needs.
Het vakgebied van Data Analytics zit vooral aan de linkerkant. De focus zit ‘m dan op de technische aspecten, de data infrastructuur, pipelines en databases. Belangrijke competenties zijn database systems, modelling, data integration en programming languages (Python, SQL).
Voor Business Analyse ligt de focus op het begrijpen van de business needs en het vertalen ervan. Belangrijke competenties: data analyse, data visualisatie, statistical analysis, en tenslotte domeinkennis van de specifieke industrie waarbinnen er gewerkt wordt. Het gebruik van data, vertaald naar de juiste informatie, is een belangrijk onderdeel in de onderbouwing van het advies dat de business analist aan de stakeholders geeft, bijvoorbeeld in de business case.
Conclusie
Business Analyse en Data Analytics zijn complementaire vakgebieden die elkaar kunnen versterken in het optimaliseren van zakelijke besluitvorming. Door gebruik te maken van gegevens en analyse kunnen organisaties beter onderbouwde beslissingen nemen, processen verbeteren en concurrentievoordeel behalen. Het is cruciaal om de synergie tussen Business Analyse en Data Analytics te erkennen en te benutten, echter moeten we erkennen dat het beide eigen vakgebieden zijn met een eigen focus en skill set. Wij adviseren onze opdrachtgevers daarom om deze twee vakgebieden als separate te beschouwen en niet proberen om er invulling aan te laten geven door een en dezelfde persoon.
