Dataplatform kiezen? 3 redenen waarom dat zo lastig is

Dataplatformen… steeds vaker hoor je er stoere verhalen over. Want ja, zonder platform ga jij niet data-gedreven worden en ga jij niet profiteren van data als nieuwe goud. En dus heb je een dataplatform nodig. Wellicht heb je al even gegoogled, wat filmpjes gekeken en slaat de verwarring wat toe… Snowflake, Databricks, Google BigQuery, Microsoft Fabric… oefff… Lastige keuze. Daar gaan we je mee helpen. Maar wel op een iets andere manier dan je wellicht had gedacht. Het is namelijk goed om vanuit de helikopter te kijken en dan een paar dingen te realiseren.

1. Dataplatformen hebben last van FOMO
Dataplatforms zijn door de loop van de jaren steeds meer op elkaar lijken. In dure woorden: er is sprake van functionele convergentie. Of gewoon in populaire taal: de dataplatforms hebben last van FOMO, the fear-of-missing-out. Allemaal bang dat ze iets missen en dus hebben ze alles. Vroeger was dat echt anders.
• Iedereen heeft nu BI + AI
• Iedereen ondersteunt batch + streaming data
• Iedereen doet iets gestructureerde data t/m ongestructureerde data
• Iedereen biedt datacatalogus
• Iedereen doet iets met datakwaliteit
• Iedereen levert sterke security
• Iedereen investeert in “AI agents”
• Iedereen maakt stappen met open standaarden
• Iedereen investeert in gebruikersvriendelijkheid
• …
Kortom, realiseer je dat puur op functioneel-technische gronden het voor 90% van de organisaties lastig is om verschil te ervaren.

2. Het Overkwalificatie Syndroom
Dat is nogal een stelling: dat het voor 90% van de organisaties lastig is om een verschil te ervaren. Waarom is dat zo? Daar is een heel simpel antwoord op: omdat enerzijds de complexiteit van de wensen en anderzijds de hoeveelheid data, transacties, enzovoort gewoon niet spannend genoeg is. Dit is easy-peasy voor dataplatforms. Het is alsof je een F1-auto hebt die in een woonwijk moet presteren. Praktisch voorbeeld: leuk dat Databricks ongelofelijk veel data efficiënt kan verwerken… maareh… die paar TB’s van jullie… no offense maar het stelt eigenlijk niet zo veel voor. Ander voorbeeld: leuk dat Snowflake zo gebruikersvriendelijk is, maar met die paar gebruikers binnen jouw organisatie… is het dan echt die grote verschilmaker? Nog een ander voorbeeld: leuk dat een ander dataplatform ineens ‘parallel processing’ mogelijk maakt… maar met jouw niet al te ingewikkelde scriptje… is dat nu echt nodig? Kortom, mijn hypothese is dat -tenzij dat je een enorme of heel speciale organisatie vertegenwoordigt- het succes van jullie dataplatform helemaal niets maar dan ook niets te maken heeft met de technische of functionele kracht van het platform.

3. Het desinformatie Doolhof
Er is ongelofelijk veel non-informatie, lage kwaliteit informatie, in de omloop. Hoe komt dat? Ik denk dat er drie zaken zijn die je scherp moet hebben:
1. Het eerste en makkelijke punt is: platformleveranciers maken zelf content, doen zelf onderzoekjes/benchmarks, enzovoort. Je kent het wel: wij van wc eend hebben vastgesteld dat wij het beste hierin zijn. Dat is zo’n duidelijk patroon, ik ga hier niet eens meer over uitleggen.
2. Platformleveranciers praten heel stellig over elkaar. “Zij zijn duur”, “zij zijn voor techneuten”, “dat is een auto zonder wielen” en allerlei andere ludieke beelden. Vaak praat men over waar een platform vandaan komt, niet over waar een platform nu staat. Laat ik vergelijking maken met auto’s. Volvo is ontstaan in het in het ruige Zweedse landschap en de behoefte aan veilige auto. Je zegt nu ook niet “tja, Volvo, dat is die lelijke, langzame auto waar je echt alleen in ruige omstandigheden iets kan”. In dataplatformland is dit er ook: de ene komt meer uit de wereld van BI, de andere meer uit wereld van AI, de ene richtte zich ooit op technische mensen, de andere op business-mensen, enzovoort.
3. Als laatste punt van het desinformatie doolhof: wat het niet beter maakt zijn Chat GPT en andere AI-oplossingen. Met behulp van AI-tools wordt oneindig veel content de wereld ingeslingerd op basis waarvan anderen ook weer content maken… waarmee de AI-modellen vervolgens worden getraind… Een problematische cirkel terwijl de lezer denkt “ik heb nu op 5 plekken dit gelezen, dus het zal wel kloppen”.

Conclusie?
Laat je niet gek maken door technische checklists van dataplatformleveranciers. Voor de meeste organisaties ligt het succesfactor niet in de platformkeuze zelf.

Waar je wel op moet letten bij het kiezen van een dataplatform? Bekijk onze video: 'Dataplatform kiezen? 3 verschilmakers uitgelegd'.