Augmented analytics democratiseert het analyseproces
Als mensen vragen over data kunnen stellen in gewone taal, wordt analyse toegankelijker. Dat maakt de rol van de analist echter niet kleiner: iemand moet nog steeds bewaken welke data gebruikt mogen worden, welke definities gelden en hoe zeker een conclusie is. Het werk van de businessanalist verdwijnt dus niet, maar verandert wel sterk. Business intelligence evolueert van dashboards en periodieke rapportages die vooral terugkijken, naar proactieve analyses die deels gevoed worden door het werk van AI-agents. AI identificeert patronen, abnormale waarden en trendbreuken, kan die visualiseren en zelfs mogelijke oorzaken en vervolgstappen suggereren. Dit wordt wel augmented analytics genoemd.
AI kan echter alleen betrouwbare antwoorden geven als de definities van KPI’s heel zorgvuldig en centraal zijn vastgelegd. Ze moeten consistent worden toegepast en controleerbaar zijn. Hoe groter de rol van automatisering wordt in het analysetraject, hoe belangrijker het voor de businessanalist wordt om een centraal beheerde semantische laag (governed semantic layer) in te stellen waarin deze definities zijn vastgelegd en worden toegepast.
Businessanalist als hoeder van het analyseproces
Ook het formuleren van de vraag aan AI luistert nauw. De businessanalist heeft de taak AI-gebruikers daarop te wijzen en ze te begeleiden. Een goede prompt is nuttig, maar onvoldoende. Belangrijker is om eerst na te denken over welke besluitvorming de organisatie wil verbeteren, voor wie, met welke foutmarge en binnen welke randvoorwaarden.
De rol van de businessanalist verschuift verder van het zelf analyseren van data naar het controleren van de output van AI. Een plausibel klinkende AI-analyse is geen bewijs zolang er geen controle is op de bronnen, het tijdvenster, ontbrekende data en mogelijke alternatieve verklaringen. Daarnaast is de wetgeving rond datagebruik veel strenger geworden, waardoor de businessanalist de verantwoordelijkheid krijgt om te controleren welke datasets de AI-agents mogen gebruiken en hoe de output wordt gelogd. In sommige gevallen is zelfs een menselijke beoordeling verplicht.
Het stellen van BI-vragen in gewone taal maakt het analyseproces toegankelijker: het lijkt alsof iedere medewerker er nu zelf mee aan de slag kan. Toch ontstaat er ook het risico op uiteenlopende en zelfs tegenstrijdige interpretaties van de AI-output. Het blijft daarom de taak van de businessanalist om waar dat nodig is op te treden als vertaler en context te geven, zodat medewerkers de juiste beslissingen kunnen nemen.
Augmented analytics maakt analyses sneller en toegankelijker, maar de businessanalist bepaalt uiteindelijk wat de uitkomsten werkelijk waard zijn.
