Data driven makkelijk gezegd, maar doe het maar eens!

Data driven - makkelijker gezegd dan gedaan

Werk jij straks data driven?

'Data driven' is een begrip dat te pas en vooral te onpas wordt gebruikt. Wanneer ben je data driven en hoe zet je het managed data platform in? Lees het artikel en bekijk onze services.

Ga naar Data & Business Analytics

'Data driven' is een begrip dat te pas en vooral te onpas wordt gebruikt om aan te geven dat data wordt gebruikt voor rapportagedoeleinden. Terwijl data driven zijn veel verder gaat dan informatie verkrijgen ter verwerking/kennisgeving. Wanneer ben je nu echt data driven?

Mooie verbanden

Afgelopen week sprak ik met een vriend die mij aangaf dat zijn bedrijf ‘data driven’ is. Ik was direct geïnteresseerd, want in mijn ogen is dat heel knap en vooruitstrevend. Daarop vroeg ik in welk stadium hij nu zat en toen vertelde hij dat hij informatie kreeg in de vorm van Power BI-rapportages. Op de vraag wat hij nu meer kan dan voorheen antwoordde hij dat hij mooie verbanden in de data kan vinden en zo precies weet of hij zijn targets heeft gehaald. Hij kon hiermee zijn inspanning doseren richting zijn KPI’s. Hieruit blijkt vooral dat hij nu door data wordt gedreven en niet zo zeer zijn organisatie.

Wat is data driven dan wel?

Stel je voor: je loopt door de stad opzoek naar een jurk (of een pak voor de heren) voor de bruiloft van jouw beste vriendin of vriend. Je ziet in de vierde winkel in de etalage iets interessants hangen. Hoe ga je vervolgens te werk? Heb je jouw budget bepaald? Op basis van welke criteria bepaal je of je het koopt? Wat vind je belangrijk bij de aankoop? Veelal gaat het aankoopproces als volgt:

  1. Je hebt jouw budget bepaald op 250 euro.
  2. Wow, mooie jurk! Hoe zal hij mij staan? Ben ik er niet te dik in? Passen de schoenen eronder die ik drie weken geleden heb gekocht? Is de jurk niet mooier dan die van de bruid? Gaat de stof mij niet irriteren wanneer we op de dansvloer staan? Waar is het prijskaartje eigenlijk?
  3. Je gaat naar binnen en hij blijkt perfect te passen, top!
  4. Waar is het prijskaartje eigenlijk? Mm.. best een dure jurk van 251 euro, maar goed. Beste vriendin trouwt hopelijk maar één keer en de jurk kan deze Kerst nog eens aan. 
  5. Je gaat naar de balie en je koopt de jurk.

Ben je in deze situatie data driven? Nee, niet echt. Je bent over je budget gegaan en de beslissing is niet op ratio gebaseerd. De subjectieve factoren spelen een grote rol in de besluitvorming. 

Criteria vaststellen

Wat je ook zou kunnen doen is je aankoopcriteria vaststellen voordat je op pad gaat en je vooral hieraan vasthouden. Het zou dan zo kunnen gaan:

  1. Volgende week is de bruiloft en ik heb nog geen jurk. 
  2. Ik vind belangrijk dat A. de jurk niet meer kost dan EUR 250,-, B. dat hij van biologisch afbreekbare materialen is gemaakt en C. dat hij direct past.
  3. Wow! Mooie jurk! Waar is het prijskaartje?
  4. Naar binnen – Waar is het prijskaartje?
  5. EUR 251,- helaas deze valt buiten mijn budget. 
  6. Verlaten winkel. 

Dit scenario is natuurlijk heel rationeel. Het is maar 1 euro meer, maar met deze benadering voorkom je wel dat je wordt verrast door een te groot emotioneel deel van je besluit en kan je snel tot actie komen en door naar de volgende optie. 

Ratio tegenover gevoel

Data driven gaat over het verschuiven van de balans van sturen op gevoel/onderbuik naar sturen op ratio. Zo kan je de beslissing op harde feiten baseren. Data zijn feiten en hiermee dus bij uitstek geschikt voor het maken van rationele beslissingen. Daar gaat het nu precies over bij data driven werken. Ik geloof dat een organisatie ultiem data driven is wanneer de organisatie in staat is om geautomatiseerde acties uit te voeren op inzichten uit informatie die gebaseerd is op data. Daar komt bij dat die organisatie ook het lef moet hebben om die acties volledig door tooling (dus zonder menselijk handelen) uit te laten voeren. Het beperkte vertrouwen in de kwaliteit van data en het beperkte inzicht in de criteria waarop de machine de beslissing maakt met de passende actie maakt dit veelal moeilijk. Een groeimodel is nodig om de datakwaliteit op orde te krijgen, de vertaalslag te maken tussen inzichten en beslissingen die leiden tot actie en de technologie die de organisatie helpt beslissingen te automatiseren. 

Tussenvormen

Enige tijd geleden heeft Gartner over deze transitie richting geautomatiseerde actie, een model geschetst waarin de tussenvormen goed zichtbaar zijn:

Gartner over Data Driven

 

Inmiddels zijn de technologieën zo ver dat automatisering het werk van de mens over kan nemen. Zo gaan wij als mens langzaamaan steeds meer vertrouwen op ‘decision automation’ zonder vaak direct te begrijpen welke data de beslissing drijft.  Denk aan de beslissing die je Tesla maakt bij een noodstop of het automatisch categoriseren van foto’s in je telefoon. Hoewel het ‘data driven’ scenario van die vriend van mij hierboven voor ons als data professionals geen rocket science is, is het klaarblijkelijk nog steeds een openbaring voor gebruikers om inzicht te krijgen in gepersonaliseerde informatie. Dit valt in het Gartner-model onder de noemer ‘Diagnostic’. Het vraagt de gebruiker om uit die informatie zelf de inzichten te halen waarmee hij daarna wederom zelf moet beslissen welke actie hij gaat nemen. 

Ultiem data driven

Bottom line: wij mogen er nog niet vanuit gaan dat wanneer wij met elkaar spreken over ‘het data driven zijn van de organisatie’ dat wij ook ultiem data driven zijn. Het gefundeerde vertrouwen in zowel de data en de manier waarop de beslissing is ontstaan, blijft voor nu voorbehouden aan een selectieve groep organisaties met lef. Zoals je in de gaten hebt, vraagt ‘data driven’ worden meer dan alleen een rapportage op een behoefte van je persona’s in een organisatie. Het is de samenhang van goede data en het vertrouwen in die data, eenduidige definities, bereikbaarheid en koppelbaarheid van de data, mogelijkheden om die data op te werken naar inzichten die leiden tot actie, automatisering van actie op basis van inzichten, vertrouwen op juistheid van automatische actie.

Maar wat kan je nu dan wel doen om technologie meer voor je te laten werken?

  1. Gebruik je rapporten eens om je rapportgebruikers inzicht te geven in de kwaliteit van de data. De reacties die je hierop krijgt zijn voer voor verbetering. Een voorbeeld hiervan is het weergeven van de verversingsgraad van de data en de naam van het bronsysteem van de data. Ook het domeinbereik weergeven van de data-elementen zegt iets over de kwaliteit. Kortom, het lef hebben en gebruik te maken van het collectief helpt om data als asset te gaan zien en het vertrouwen in de data te doen toenemen. En geloof mij: wanneer je de organisatie onderdeel laat uitmaken van dat proces, dan wordt beheer van data ineens leuk en vooral rendabel!
  2. Ga eens na hoe je het proces om tot actie te komen kan ondersteunen en versnellen. Dat is in mijn ogen niet alleen het leveren van informatie, maar ook het leveren van snelle inzichten die leiden tot sneller in actie komen. Diverse rapportage-tooling is inmiddels zover ontwikkeld dat het in staat is om zelf datasets te doorsnijden, zelf te zoeken naar interessante buitenbeentjes in de data en ook aanbevolen vragen klaar te zetten voor breder gebruik. 
  3. Organisaties die nog geen data platform gebruiken waarmee zij zijn voorbereid op de toekomstige informatiebehoefte, adviseer ik te gaan oriënteren op een platform waarin data management, security van data en modellen, flexibiliteit in schaal en toepassingen centraal staan. 

Meer informatie?

Sogeti biedt hiervoor het managed data platform aan. Jij bent in de regie, wij zorgen voor de juiste inzichten, datastromen, security en data management om je een stap dichter bij jouw data driven organisatie te brengen. Benieuwd hoe wij dit doen? Neem contact op of bekijk onze services voor meer informatie.

Ga naar Data & Business Analytics

Kan ik je helpen?

Marijn Uilenbroek BI & Analytics Specialist