Data-analyse bij DSM: Vermindering van personeelsverloop met Ormit Talent

Arnold werkt als Data Analist bij DSM via het traineeship in de Data Scientist talentpool van Ormit Talent. Met zijn expertise in data-analyse heeft hij het hoge verloop binnen de organisatie succesvol weten aan te pakken.

Arnold’s Journey

Data-analyse en modelontwikkeling

Arnold begon aan een project om het verloop te analyseren en toekomstige omloopsnelheden te voorspellen. Er is een model gemaakt om historische data te analyseren en patronen en factoren te identificeren die bijdragen aan het verloop. Toen het model echter klaar was voor productie, werd ontdekt dat de data die voor de analyse waren gebruikt, niet nauwkeurig waren. Om dit aan te pakken, voerde Arnold een uitgebreide datacleaning uit om de betrouwbaarheid en nauwkeurigheid van de data te waarborgen.

Analyse dataflow

Om de grondoorzaken van datavervuiling te begrijpen, analyseerde Arnold de hele dataketen. Er werd vastgesteld dat onjuiste of ontijdige invoer van data een belangrijk probleem was. Inconsistent gebruik van definities, met name met betrekking tot omzetberekeningen in verschillende regio’s, bemoeilijkte het analyseproces verder. Dit leidde tot tal van vergaderingen en discussies om de discrepanties en interpretaties met elkaar te verzoenen.

Voorgestelde oplossing

Om de uitdagingen op het gebied van datakwaliteit en -beheer aan te pakken, is een uitgebreid voorstel voor databeheer ontwikkeld. Het voorstel vereiste dat alle bedrijfseenheden hun data naar een gecentraliseerd datameer overzetten, zodat er één enkele bron van waarheid was. Datatransformaties werden uitgevoerd met behulp van Extract, Transform, Load (ETL)-software, wat aanpassingen en kwaliteitscontroles mogelijk maakte. Daarnaast is centraal een datacatalogus gemaakt en zijn datastewards aangesteld om de catalogus te onderhouden en de data-integriteit te waarborgen.

Het resultaat

Door de voorgestelde oplossing te implementeren, realiseerde DSM aanzienlijke verbeteringen in datakwaliteit en -beheer. De gestandaardiseerde datastroom en gecentraliseerde datacatalogus verminderden inconsistenties en interpretatieproblemen. Dit stroomlijnde het analyseproces en maakte nauwkeurige voorspellingen van omloopsnelheden mogelijk. Bovendien werd het doel van Arnold om een model te creëren dat de menselijke betrokkenheid minimaliseerde, gerealiseerd, aangezien de data betrouwbaarder en betrouwbaarder werden.

Dankzij de inspanningen van Arnold en de implementatie van een robuuste datamanagementstrategie heeft DSM het probleem van het hoge personeelsverloop met succes aangepakt. Door de datastroom te analyseren, uitdagingen te identificeren en een gecentraliseerde benadering van databeheer te implementeren, heeft de organisatie een verbeterde datakwaliteit en -nauwkeurigheid bereikt. Deze casestudy benadrukt het belang van databeheer en de rol van data analyse bij het oplossen van complexe bedrijfsproblemen.

Maak kennis met Arnold!