Niet de techniek, maar soft skills bepalen het succes…
Veel organisaties willen graag meer met data doen. Om data effectief in te zetten, zijn wel belangrijke stappen te zetten. We gaan met mijlslaarzen door het proces van de overgang naar een datagedreven organisatie. Harmen, senior data scientist bij Datalab voelt Jeroen, projectleider Datalab, aan de tand.
Lees en kijk wat dit oplevert…
Harmen: ‘Allereerst: wat is datagedreven werken?’
Jeroen: ‘Het is een als begrip wijdverspreid, maar velen weten niet goed wat daarmee precies bedoeld wordt. Op het moment dat je data vanuit je bedrijf, of soms van buiten je bedrijf, gaat betrekken in besluitvorming, en je doet het over de hele organisatie heen, dan ben jein mijn optiek een datagedreven onderneming.
En wanneer kun je dan zeggen dat je echt datagedreven werkt?
‘In het klassieke model neem je het besluiten op basis van kennis en/of ervaring. Als je datagedreven gaat werken, betrek je data bij de besluitvorming. Uiteraard moet die data geschoond en geordend zijn, en soms ook al geanalyseerd.
En hoe ziet dat er dan praktisch uit voor een bedrijf?
‘Je hebt een aantal stappen te zetten. Als eerste moet je weten welke data je hebt en nodig hebt maar nog ontbreekt. Als dat duidelijk is, kunnen die datasets ontsloten worden via een centraal punt, een datawarehouse bijvoorbeeld. Vandaaruit kunnen de databronnen gematcht, verrijkt en geanalyseerd worden met dataproducten, zoals een dashboard. De laatste stap is de uitkomsten gebruiken bij de besluitvorming.’
‘Dat klinkt alsof er veel komt kijken bij datagedreven werken. Dat lijkt mij dan ook een van de nadelen van datagedreven werken. Er is gewoon veel werk te verzetten voordat je datagedreven kunt werken…’
‘Je doet dit inderdaad niet op achternamiddag, maar het is altijd de moeite waard. Voordelen van data betrekken in de bedrijfsvoering zijn er in overvloed. Juist door het combineren van databronnen kom je tot inzichten die anders nooit had kunnen krijgen. Allerlei bedrijven hebben zelfs hun businessmodel volledig afgestemd op data, denk aan Google, Airbnb en Booking.com. Dat is hun businessmodel. Het werkt!’
‘Je geeft voorbeelden zoals Google zoals Airbnb, dat zijn natuurlijk de echt grote namen. Dat zijn organisaties die al heel ver zijn met datagedreven werken. Stel: je bent een organisatie die nog minder ver is. Wat zijn dan de concreet voordelen aan datagedreven werken?’
‘Heel divers, het kan zijn efficiëntieverbetering voor interne processing, kostenverlaging of juist omzetverhoging, een betere klantsegmentatie toepassen waardoor je beter je producten kan laat aansluiten op klantgroep. Maar ook het beter herkennen van dubieuze debiteuren.’
‘Hoe pak je dit als organisatie praktisch aan?’
‘Alles begint met het verzamelen en goed ordenen van data. Pas daarna komen de dataproducten in beeld, zoals een dashboard. Dit kan net zo goed een eenmalige of terugkerende analyse zijn natuurlijk. Belangrijker is: kijk goed naar de eindgebruiker. Wie gaat het dataproduct in de praktijk gebruiken? Is dat een salesmedewerker, die heeft waarschijnlijk het liefst een dashboard. Een groep wetenschappers daarentegen werkt liever gewoon met een afgebakend geschoonde dataset voor verdere analyses.’
‘Wat heb je als ondernemer minimaal nodig voor datagedreven werken?’
‘Allereerst de ambitie om het te willen: je moet wel geloven in datagedreven werken. Datagedreven werken is geen ‘holy grail’, want niet ieder dataproduct levert direct winst op of voegt meteen waarde toe. Kortom, geen garantie op succes. Wat we tot nu toe wel merken is dat iedereen meer eruit haalt dan van tevoren bedacht. Dat gezegd hebbende, de eerste stap is altijd: breng je databronnen in kaart. Vaak komen wij er dan achter dat ze eigenlijk veel meer hebben dan ze van tevoren hadden bedacht. Als je dat gedaan hebt, maak dan een plan hoe deze databronnen te ontsluiten, in welke volgorde en welke data heb je daarvoor nodig. En niet onbelangrijk, stel de vraag hoe snel je wilt gaan. In stappen of wil je meteen alles doen? Ga je dat in stapjes doen? Daar helpen wij onze klanten vaak bij om daar goed over na te denken. Want ook de ene bron is complexer dan de andere. Zeker als bepaalde data-elementen in verschillende bronnen zijn opgeslagen die onderling niet met elkaar communiceren, kunnen elkaar tegenspreken en welke is dan de waarheid? Daar moet je wel over nadenken. Dus op het moment dat je dat in kaart brengt hebt die stap hebt gezet om te gaan verzamelen. Ga opschonen en verrijken en bekijk welke dataproducten nu realiseerbaar zijn.’
‘Het klinkt best abstract. Zijn er praktijkvoorbeelden van te geven?’
‘Legio. Een waarschijnlijk heel herkenbare is, zonder de naam te willen noemen, een webshop. Deze retailer heeft een webwinkel, een voorraadsysteem en een financieel systeem. Deze drie opereren los van elkaar. Op het moment dat je ze aan elkaar koppelt, ga je verschillen tegenkomen. Denk aan productcodes die niet overal hetzelfde zijn. Daar moet je wat aan doen. Samengebracht zie je opeens dat de voorraden omlaag kunnen waardoor kosten bespaard worden. Maar ook ontdek je een betere klantsegmentatie waardoor de omzet stijgt. Al met meer inzicht waardoor marges toenemen.’
‘Dit lijk me een heel mooi en praktisch voorbeeld. Als ik ermee aan de slag wil, waaraan moet ik denken? En is het complex?’
‘Het is niet lastig, het vergt wel een gedegen plan van aanpak. Denk aan een bepaalde structuur, een bepaalde volgorde van zaken. Het is wel lastig als data niet direct ‘je wereld’ is. Je maakt iets, je verkoopt iets of verleend een bepaalde dienst. Je maakt dus geen datalabs. Dat doen wij juist wel. Dus we hebben dit vaker gedaan, voor ons is het niet lastig. Je moet ook bedenken dat de ene organisatie de ander niet is. Je hebt grotere en kleine organisaties, organisaties met heel veel data en organisaties met complexe data. Met andere woorden: het is maatwerk.’
‘Zijn er ook organisaties die niet kunnen profiteren van datagedreven werken?’
‘Ik heb er geen kunnen verzinnen, behalve dan misschien organisaties die in omvang iets te klein zijn. Maar qua branche, nee eigenlijk niet. Want ook al denk je dat je geen data hebt, vaak heb je toch meer dan je van tevoren zou bedenken. Je hoeft niet alle data zelf te hebben. Je kunt data ‘van buiten’ halen. Er is altijd data beschikbaar om wat mee te doen’.
Wat komt er allemaal bij kijken als ik denk aan techniek, personeel en de organisatie?
‘Goed dat je ze allemaal noemt, want het is niet alleen maar techniek wat je doet als je datagedreven werkt. De manier waarop je besluiten neemt verandert wezenlijk. Je betrekt data, dat betekent ook dat men mee op reis moet worden genomen. Een opleiding om dataproducten zoals een dashboard, te kunnen lezen. En dataproducten moeten gemaakt worden! De verandering kan ingrijpend zijn, de ene organisatie gaat er anders mee om dan de andere. Je hebt ook organisaties die veranderen juist zoals een uitdaging zien: het geeft energie. Er zijn organisaties die zijn gewend om al in een bepaalde manier te werken. Die vinden zo’n verandering moeilijker.’
En wat betreft de kosten…?’
‘In principe zien we eigenlijk altijd dat de baten hoger zijn dan de lasten. Bovendien ontkom je er niet aan, iedere organisatie moet vroeger of later aan de slag met data. Klanten verwachten dat ook.’
‘Wat merkt de klant ervan als ik datagedreven ga werken?’
’Dat dat kan vanalles zijn, dat kunnen lagere prijs zijn, een snellere dienstverlening. Maar het kan ook zijn dat ze bijvoorbeeld kunnen inloggen in hun eigen portaal en daarin een helemaal op hen toegesneden dashboard waarin bestedingen zijn te zien.’
‘Datagedreven werken is toch eigenlijk niets anders dan een data-analist aannemen en ervoor zorgen dat hij of zij met de juiste techniek aan de slag kan, of zie ik dat verkeerd? ‘
‘Dat zie je inderdaad verkeerd, het is echt wel meer dan dat. Een data-analist werkt eigenlijk al met geprepareerde data, het laatste stapje, circa 25% van het geheel van datagedreven werken. Driekwart daarvoor zit in het verzamelen en opschonen van data. Maar de belangrijkste stap, die vergeten we nog, is dat de mensen die uiteindelijk met die dataproducten moeten werken, die moeten dat ook kunnen én willen.’
‘Kun je dat uitleggen?’
‘Datagedreven werken betekent veel veranderingen. Niet alleen maar zorgen dat de kennis over hoe je een dashboard gebruikt, je moet ook snappen wat je ermee kunt doen. Dat kost tijd. Uiteindelijk wil je men zelf verzint wat de dataproducten moeten tonen, dus dat zij zelf vragen gaan stellen aan die data-analyst.’
‘In feite zeg je dat datagedreven werken inhoudt dat je iedereen enthousiast krijgt over het werken met dataproducten. Helder, maar wat kost dit en hoe lang gaat het duren voordat ik dit rond heb?’
‘Ik heb het al vaak gezegd, de ene organisatie is de andere niet. Met kleine organisatie met een beperkt aantal databronnen kun je in een paar maanden al je eerste dataproduct hebben. Als je je hele organisatie echt datagedreven wilt laten werken, waar je dus ook de menselijke kant meepakt, dan ben je toch wat langer bezig, tot maximaal een jaar of twee.’
Harmen & Jeroen: bedankt voor dit verhelderend verhaal. Natuurlijk is dit generiek, in de praktijk loopt het vaak net even anders. Misschien heeft u nog specifieke vragen, of bent u enthousiast om zelf datagedreven te gaan werken. Neem gerust contact met ons op, het is altijd kosteloos en vrijblijvend.