Posted on Leave a comment

Wat datagedreven werken nou écht betekent



Vrijwel elke organisatie die zichzelf serieus neemt, heeft de ambitie om datagedreven te zijn. Nederlandse bedrijven mogen zichzelf op dat gebied op de borst kloppen need doen het, wereldwijd gezien, goed op het gebied van digitale transformatie. Toch zien we nog vaker organisaties die denken dat ze datagedreven zijn, maar moeite hebben met het inzetten van knowledge om hun bedrijfsresultaten te verbeteren. Om dit te bereiken, moet je als gehele organisatie een duidelijk beeld hebben van hoever je bent in je digitale transformatie.

Dus wat betekent het dan om datagedreven te zijn? Uiteindelijk is het doel om ervoor te zorgen dat iedereen binnen een bedrijf met knowledge kan werken, maar ook daar zijn verschillende niveaus en subniveaus in huge te stellen. Er zijn meerdere modellen die dit in kaart brengen, waarvan de meesten zijn gebaseerd op vijf niveaus zoals beschreven in de afbeelding.

Een dergelijk mannequin is niet nieuw, maar nog te veel organisaties denken dat het aanschaffen van een instrument of service voor data-analyse ervoor zorgt dat ze automatisch met knowledge kunnen werken. Daar komt echter meer bij kijken. Acht op de tien bedrijfsleiders geven aan dat knowledge onmisbaar is in het maken van beslissingen, maar tegelijkertijd geeft bijna de helft (41%) van bedrijfsleiders aan dat ze data nog niet volledig begrijpen. Daar is dus nog een kloof te zien in de ambities van bedrijven en het daadwerkelijke begrip en toepassing ervan binnen de organisatie als het gaat om knowledge. 

De kennis van je mensen speelt daarin een belangrijke rol: de gemiddelde marketeer bijvoorbeeld fungeert inmiddels als een halve it-specialist. Daar is hele andere kennis voor nodig dan voorheen. Dit geldt ook voor leidinggevende functies. Zorg er daarom voor dat je middelen en mensen vrijmaakt om je medewerkers te trainen, te inspireren en vertrouwen te geven als het om knowledge gaat. Digitale leerpaden, collega’s of data-communities die medewerkers leren hoe je knowledge inzichtelijk en begrijpelijk maakt, zijn voorbeelden van goede manieren om ervaring op te doen met knowledge. Zo werkt een bedrijf als bijvoorbeeld Bol.com met interne datacoaches.

Voorspellen versus reageren

Uiteindelijk is het doel om knowledge niet alleen beschikbaar te maken voor je medewerkers – inmiddels zijn we al een stuk verder dan 20 jaar geleden – maar om ook meerwaarde te halen uit die knowledge (zie fase 4 en 5 in het mannequin hierboven). Dat houdt in dat je niet reageert op de markt, maar juist vooroploopt op je concurrenten. Je krijgt dan van tevoren een veel reëler beeld van wat er gaat gebeuren, zodat je daar proactief actie op kunt ondernemen. Met knowledge kan dat. Maar er zijn ook obstakels.

Zo worstelt elk bedrijf met het enorm toegenomen quantity van knowledge en zeker grotere bedrijven hebben soms meer dan duizend databronnen waarvan minder dan de helft met elkaar verbonden is. Je merkt dan al snel: als je iemand spreekt aan de ene kant en vervolgens iemand spreekt aan de andere kant van de organisatie over hetzelfde onderwerp, dan kun je het al snel over verschillende dingen hebben. 

Het is dan ook belangrijk dat iedereen één taal spreekt als het gaat om knowledge en het ook over dezelfde knowledge heeft. De zogenoemde single supply of fact. Ook daarvoor is het belangrijk dat iedereen ongeveer op hetzelfde kennisniveau zit, begrijpt hoe ze knowledge moeten interpreteren en het ook kunnen communiceren naar collega’s in andere groups. Als de knowledge die worden verzameld door de marketingafdeling niet, of verkeerd begrepen wordt door bijvoorbeeld een finance-afdeling, dan loop je het risico dat knowledge binnen die marketingafdeling blijven. Hierdoor ontstaan de gevreesde datasilo’s. Je wilt juist dat knowledge gedeeld worden en voor iedereen inzichtelijk worden gemaakt en tegelijk accuraat en right blijven

Daar ligt ook een belangrijke rol voor it, namelijk om ervoor te zorgen dat al die knowledge bij elkaar komt, uniform wordt gemaakt en dat niet iedereen met zijn eigen rapport aan de slag gaat en de knowledge zelf kan veranderen. Veel bedrijven rekenen nog op Excel als hun manier om knowledge huge te leggen en begrijpelijk te maken, maar voordat je het weet, maakt iedereen zijn eigen versie van een Excel-sheet en voegt er nog wat aan toe. Al snel heeft iedereen andere knowledge over hetzelfde onderwerp. Dat kan écht niet meer als je accuraat op ontwikkelingen in de markt in wil spelen. 

Zelfs bedrijven die al ver zijn in hun digitale transformatie, zoals Simply Eat Takeaway.com, herkennen deze uitdaging. Zij zagen het aantal rapportages over dezelfde onderwerpen enorm toenemen, en hebben de keuze gemaakt een groot deel hiervan te archiveren. Door het inrichten van strakkere data- en content-governance, werken ze aan een single supply of fact voor alle bedrijfsonderdelen. Dit is een bedrijf dat erg datagedreven werkt en mede door inzet van een groot staff aan data-engineers en -analisten. Voor organisaties die web starten met hun digitale transformatie, kunnen al die databronnen en rapportages een grote uitdaging zijn. 

Een belangrijke, additional stap die het bedrijf zet, is fors investeren in het verbeteren van de data-adoptie en de data-literacy buiten de knowledge and analytics (dna) group door middel van een wereldwijd programma genaamd Win Collectively. Er zijn tal van mogelijkheden voor leren en ontwikkeling, waardoor een beter doordacht partnerschap tussen dna en de relaxation van het bedrijf mogelijk wordt.

Vooruitgang

“Tenslotte zijn knowledge nooit de hype voorbij”

Hoewel veel bedrijven nog te makkelijk denken over datagedreven werken, is er ook vooruitgang. Je ziet tegenwoordig nog maar weinig grote bedrijven die geen chief knowledge officer in dienst hebben om de verantwoordelijkheid te nemen over knowledge. In de publieke sector heeft bijna driekwart van de bedrijven een cdo in dienst. Dat zijn grote stappen vooruit. 

Toch lopen bedrijven die web beginnen tot aan bedrijven die het gewend zijn om datagedreven te werken, tegen uitdagingen aan. Vaak begint de implementatie van een data-analytics-oplossing met goede wil, maar na de eerste stappen gaat het tempo vaak al snel omlaag. Om het meeste uit dergelijke oplossingen te halen, en op koers te blijven, is het daarom goed om regelmatig huge te stellen waar je staat en wat je nog nodig hebt om te komen waar je wil zijn om je datadoelen binnen de digitale transformatie te halen. Denk aan een toetsing of maturity-scan. Tenslotte zijn knowledge nooit de hype voorbij. Zelfs voor de meest datagedreven bedrijven geldt dat echt datagedreven werken nooit klaar is.

(Met dank aan Rik van Schaik van The Info Lab.)

Leave a Reply

Your email address will not be published. Required fields are marked *