Maak iedereen specialist door data interactie

Specialist door data interactie

De kracht van data interactie

Hoe wapen je je tegen de negatieve impact van een onzichtbare vijand door middel van data interactie? Marijn Uilenbroek deelt zijn visie en is ook op zoek naar jouw mening. Verder praten? Stuur Marijn een persoonlijk bericht via LinkedIn of ontdek meer over Data & Business Analytics.

Naar LinkedIn Naar Data & Business Analytics

Dit jaar is de wereld door elkaar geschud door COVID-19. De angst was en is nog steeds groot en de impact is op allerlei fronten gigantisch. De snelheid waarmee informatie de wereld over schiet, waar of niet waar, zorgt voor schuring tussen de diverse ‘tectonische platen’. Daar waar informatie te kort schiet, wordt gespeculeerd, wordt geschreeuwd om data en worden, in reactie hierop, bijvoorbeeld meer meetmomenten gerealiseerd om zo de groei van inzicht te stimuleren.

De behoefte aan juiste formulering van acties om zo te wapenen tegen de negatieve impact die de onzichtbare vijand met zich meebrengt, is de drijfveer voor beter inzicht, meer informatie en kwaliteit data. Dit speelt op strategisch, tactisch en operationeel niveau en is overal merkbaar.

Crisis in, crisis uit

Het is niet verrassend dat organisaties juist op momenten van crisis een beroep doen op hun ‘dierbare’ data. Hier gaat hier om de data die zij zien als het essentiële middel voor voortbestaan en zij dus als stabiele factor zien in onzekere tijden. Dat die data dan toch te wensen over laat, dat de informatie slecht te creëren is, dat de verkregen inzichten discutabel zijn, blijft pijnlijk.  De slag naar actie vanuit die informatie is uiteraard wel te maken, maar met welke zekerheid die actie dan een gewenst resultaat levert, blijft onduidelijk. Het is nu echt tijd om je data ook als een ‘ding van waarde’ te gaan beschouwen. Dit betekent dat je zorg draagt voor die data zoals je dat voor alle andere bedrijfs assets doet. Wanneer je niet gewend bent data als asset te zien, je niet met elkaar communiceert over de data, je data niet monitort en je weinig idee hebt bij de kwaliteit, inzet en toepasbaarheid van de data, dan zal onderbuikgevoel altijd het beste en goedkoopste middel blijven met de daarbij behorende grote graad van onzekerheid.  

Data awareness

Ik zie op dit moment steeds meer organisaties die zich actief voorbereiden op brede data awareness om zo onder andere in crisistijd beter getraind te zijn in datagebruik. Het gaat hierbij om iedereen een dataspeler te laten zijn in haar/zijn specialisme. Zo zie ik vaak de term Self service terugkomen. En wanneer je denkt dat dit zich beperkt tot een grafisch dashboard of een report dat super users voor hun team realiseren, dan zit je ernaast. Self service heeft inmiddels een bredere betekenis gekregen.

Self service is het in staat stellen van kenniswerkers om data als betrouwbare asset in te zetten op operationele, tactische en strategische vraagstukken. De manier waarop deze kenniswerkers dit doen ligt bij die groep zelf. Dit suggereert dat de verantwoordelijkheid voor de resultaten ook bij die groep zelf ligt. In feite is self service dus een gefaciliteerde toolbox/platform van data, een beschrijving van die data, een handleiding van werken met data en een handleiding van werken met tooling waarmee die kenniswerkers verschil in de markt moeten maken. Deze vorm van self service kan zelfs zo ver gaan dat ruwe data als halffabricaat wordt aangeboden in het data platform en dat het opwerken van die data naar bruikbare informatie en inzichten bij die kenniswerkers ligt. De reden voor deze beweging is simpel: naar mate de tooling en de kennis over die tooling en de kennis over beschikbare data rijpt in een organisatie, groeit de kans op de juiste toepassing ervan binnen de specifieke context waarin dat inzicht nodig is. Het correct kunnen functioneren van dit principe blijft alleen overeind wanneer randvoorwaarden aanwezig zijn. Ik vergelijk het wel eens met verkeer in Nederland. Wij zijn als volwassen personen getraind in het besturen van een voertuig en dat voertuig te gebruiken in context van het weer, aanpassingen aan infrastructuur en de drukte op de weg. Wij zijn in staat deze asset te gebruiken om tot resultaat (woon-werk, ritje naar opa en oma)te komen. Er zijn wel regels gevormd om deze manier van interactie goed te laten lopen en awareness te beteugelen. Op regels wordt je als persoon dagelijks gewezen door wegbewijzering, handhavers en je interactie met medeweggebruikers. Het behalen van een databewijs zou dan ook geen vreemd middel zijn dat je dan natuurlijk ook elke 10 jaar moet verlengen.  

Randvoorwaardelijk

We zien dat het complex en spannend is om een gevorderde mate van self service te ondersteunen in organisaties. We zijn bang voor datalekken, onjuist gebruik van data en diefstal. Alhoewel dit risico’s zijn, zijn deze prima te mitigeren. Om self service te kunnen omarmen zie ik de volgende elementen van aandacht:

  • Centralisering van data: Door data centraal te stellen, worden we in staat gesteld vanuit diverse viewpoints naar dezelfde data te kijken. Zo is de bron van die data nooit meer de kern in gevallen van dispuut.  
  • Data eigenaarschap: een eigenaar heeft de verantwoordelijkheid over aangeleverde data en de definities die gelden voor die data. Denk hierbij ook aan opgelegde regelgeving zoals GDPR en AVG. Daarnaast heeft die eigenaar de lead in kwaliteit verbeterende maatregelen op die data en een belangrijke stem in het gebruik van die data.
  • Datakwaliteit: Acties vanuit inzichten zijn alleen legitiem wanneer dat is gebaseerd op juiste infomatie en juiste data. In gevallen van incorrectheid van data als grondstof lost die kwaliteitsproblematiek niet op tijdens de transitie richting het gewenste inzicht.
  • Data definities: Door meer informatie te hebben als kenniswerker over de data groeit het inzicht en het vertrouwen in die data. Daarna groeit dan ook waarde van die data omdat het nut van die data keer op keer wordt bewezen in gebruik.
  • Data toegankelijkheid: Door data open te stellen voor kenniswerkers en de randen van gebruik mee te geven, groeit de kans op correct gebruik van data. Mijn stelling is, dat alleen dan je als organisatie mag claimen dat je data een asset is. De waarde van data wordt namelijk niet bepaald door hoeveel data je hebt maar wat je als organisatie ermee doet. De data toegankelijkheid is hiermee een zeer belangrijk principe dat organisaties als architectuurprincipe moeten verheffen. 
  • Dataveiligheid: Wanneer data toegankelijkheid belangrijk is, ontkomen we niet aan data veiligheid. Aan de ene kant moet data veilig te gebruiken zijn voor de kenniswerkers en aan de andere mag die toegankelijkheid op data ook geen bedrijfs- en clientrisico zijn. De balans hierin vinden we door het leveren van richtlijnen voor gebruik, en het distribueren van kennis over de data. 
  • Organisatorische verandering naar data awareness en een fact based mindset: Omdat nieuwe kenniswerkers (Generatie Z, geboren tussen 1990 – 2000) op dit moment de markt betreden, worden organisaties overspoelt met nieuwe behoeften en gewoonten van deze digital natives. Deze generatie leeft in het creëren van zekerheden en zoekt waarheden. Daarnaast hebben zij een grote behoefte aan communicatie en openheid. Door deze mensen het platform te bieden om digitaal consumeren, stimuleren we de groei van het aantal specialisten. De kracht van het collectief wordt dan sterker dan die ene business consultant die al jaren uw informatiebehoefte vervuld. 
  • Data interactie: Wanneer dan naast de feitelijke beschrijving van data ook nog eens een feedback lus over die data en het gebruik ervan vanuit de kenniswerkers ontstaat, dan kan een organisatie dat inzetten om de nieuwe behoeften te versterken en te faciliteren. Denk hierbij aan de verwerking van negatieve feedback op een specifieke dataset (ranked 2 stars out of 5). Data wordt een zo een topic waarover gepraat mag worden om zo de waarde van data en de volwassenheid van data gebruik te laten groeien. 

Ik ben van mening dat wanneer organisaties niet deze beweging gaan maken, dat de kans op het aantrekken van nieuwe generatie kenniswerkers steeds moeilijker gaat worden. Zoals ik eerder schreef in “Talenten zijn katten in een vreemd pakhuis”, ervaren deze talenten na hun aantreden dat zij geen juiste middelen (data, tooling) hebben om verantwoordelijkheid te nemen over de resultaten en dat de kans op snelle uitstroom van die talenten is hiermee groot is. 

Belofte

Vendors van Moderne data platforms beloven vooral de veilige centralisering en technische toegankelijkheid te ondersteunen. Het zijn voornamelijk technische, flexibele bouwblokken die ondersteunend zijn aan self service om zo van iedereen die beoogde specialist te maken. De regie van het toegankelijk maken van alle data blijft bij de beherende data organisatie. 
 
Persoonlijk vind ik dat de data interactie tussen de gebruikers en de eigenaren een ondergeschoven kind blijft. Hierdoor missen we die feedbacklus die juist zo essentieel is om aan de ene kant de potentiele toepassing en het gebruik van data te begrijpen en aan de andere kant de verbetering op data kwaliteit in te zetten. We maken pas van onze kenniswerkers specialisten wanneer datacultuur en informatievoorziening op die data zelf een plaats heeft gekregen. Door met elkaar een leerschool van gebruik van data in te gaan waarin we data als asset kunnen toepassen zoals wij ook  onze bedrijfsauto’s, kantoorruimten en laptops gebruiken, zijn wij in staat met openheid en vertrouwen de data om te zetten naar krachtige acties. 

De introductie van data catalog functionaliteit beslaat een groot deel van de eerder beschreven randvoorwaardelijkheden. Het is in mijn ogen dus een onlosmakelijk onderdeel van succes wanneer een data platform wordt geïntroduceerd. De data catalog is het enkelvoudige venster voor kenniswerkers om veel meer begrip van de beschikbare data te krijgen en die data op te pakken voor een diversiteit van toepassingen. Vragen over inhoud, betekenis, domeinbereik, origine, eigenaarschap, bewerking, actualiteit, gebruiker feedback, potentieel (on)geaccepteerd gebruik, en bewerkingen zijn zichtbaar waardoor dezelfde data met die extra informatie een enorme meerwaarde krijgt. 

Approach

Nu is het een grote stap om te voldoen aan de randvoorwaardelijkheden. Echter door visie op data te formuleren en vanuit de top van de organisatie die visie uit te dragen, maken we al een start richting resultaat.

De stappen die ik adviseer zijn:

  • De erkenning van de data objecten te erkennen en modelleren in termen van definitie. Het resultaat daarvan is vaak direct toepasbaar in data integratie (Service bus) projecten om eenduidige communicatie te bewerkstelligen. Parallel hieraan adviseren we om data governance in te richten. Zo is het eigenaarschap belegt wat de communicatie over assets eenvoudiger maakt. 
  • Het inrichten van het data platform op basis van een solution architectuur. Die architectuur maakt het mogelijk use pattern gebaseerd te standaardiseren op de use cases die ondersteund worden met het data platform. Daarnaast zorgen de principes ervoor dat de deelontwerpen van  het platform aansluiten op de enterprise principes. In feite beperkt die solution architectuur hiermee de ontwerpvrijheden en zorgen zij voor congruentie en structuur.
  • De data catalog als functionaliteit in de eerste deliverables leveren zorgt voor directe consumptie van data. Hiermee vergroten we de acceptatiegraad van data en groeit de kenniswerker mee in de rijkheid van het data platform. 

De hoge acceptatiegraad van data onder de kenniswerkers gaat initieel zorgen voor groei in de waarde van data. Zo is data als asset te positioneren en is beheer ervan een onderdeel van de bedrijfshygiëne. Alle kenniswerkers verschuiven hierdoor naar specialisten die zo het verschil maken voor hun klant.

Verder praten of meer weten?

Verder praten? Stuur Marijn een persoonlijk bericht via LinkedIn of ontdek meer over Data & Business Analytics!

Naar LinkedIn Naar Data & Business Analytics

Deel dit artikel

Kan ik je helpen?

Marijn Uilenbroek BI & Analytics Specialist