Operationele beren op de weg

Het verbeteren van bedrijfsresultaten door data-gedreven te werken, vraagt een fundamenteel andere manier van kijken, denken, vragen stellen en analyseren. Een aanpak die integraal door de gehele bedrijfscultuur verweven moet worden om er succes mee te behalen. Onze ervaring leert dat de grootste uitdaging om data-gedreven te gaan werken, organisatorisch van aard is. Gartner schat dat 60% van de data-gedreven projecten mislukt. Deze cijfers worden door velen nog optimistisch genoemd. Met mislukken bedoelen ze in dit geval dat het project nooit verder komt dan de experimenteerfase en niet in productie wordt gebracht. Harvard zegt in een blog dat 93% van de respondenten aangeeft dat het mislukken van data-gedreven projecten lag aan de ‘verkeerde’ mensen of aan het proces. Het vergt dan ook visie en doorzettingsvermogen om een andere manier van werken aan te leren. Een holistische aanpak is noodzakelijk. Het is belangrijk dat deze aanpak gedragen wordt door en consistent verweven wordt in alle afdelingen van de organisatie. Eerder hadden we het over hoe het opsporen van foutieve aannames onderdeel is van deze aanpak. Deze blog gaat over welke operationele uitdagingen je te wachten staan. Met andere woorden: wat zijn de operationele beren op de weg naar data-gedreven werken? Wat is het risico van deze uitdagingen en hoe kan Experience Data helpen om deze data-gedreven uitdagingen aan te gaan?

Hieronder vind je een lijst met 7 veelvoorkomende organisatorische en bedrijfsculturele uitdagingen.

• Data-, business- en IT-mensen worden niet bij elkaar gebracht, ze weten niet van elkaar wat ze kunnen of overschatten wat ze wel kunnen.
• De vertaling van inzichten en modellen naar praktische business toepassingen ontbreekt doordat het data science team in (politieke) isolatie werkt.
• Er is geen keteneigenaarschap over de data, waardoor verschillende databases (bronnen) niet op elkaar aansluiten.
• Er is gebrek aan besef van data-waarde door bijvoorbeeld uitbesteding van IT of databasebeheer aan derden. Zo verliest men echter ook de kennis en het eigenaarschap van de data.
• De organisatie is onvoldoende bereid om praktisch met data en modellen aan de slag te gaan. Er wordt graag gepraat over het idee, maar niemand heeft de competentie of het doorzettingsvermogen om mee te kijken met de data-analyse en de modelontwikkeling.
• Er is geen aandacht besteed aan het integreren van een feedbackloop tussen operationele processen en de ondersteunende analyses.
• Er is onderschatting van wat nodig is om data-gedreven te werken (budget, capaciteiten en competenties) door een gebrek aan visie, steun en leiderschap op bestuursniveau.

Nu je weet wat de uitdagingen zijn om effectief data-gedreven te gaan werken, vraag je je misschien af: en wat dan nog? Elke uitdaging brengt een risico met zich mee, maar is al vaker aangegaan door Experience Data. Bovenstaande voorbeelden zijn onder te verdelen in drie categorieën:

• De juiste mensen zitten niet bij elkaar
• De juiste data staan niet bij elkaar
• Er is onvoldoende kennis over het proces van data-gedreven werken

Een vaak gezien probleem is dat de juiste mensen niet om dezelfde tafel zitten. Voor data-gedreven projecten zijn er meerdere rollen nodig die opgevuld moeten worden met mensen uit verschillende afdelingen van het bedrijf. Zo is er onder andere iemand nodig met kennis van de databases, iemand met kennis van de interne processen (lees hierover ook eens het blog over interne processen) en iemand met ervaring in analyses. Grote kans dat deze mensen niet gewend zijn om met elkaar samen te werken. Toch is dat cruciaal voor het slagen van een data-gedreven project. Juist omdat zij allemaal andere vragen hebben en daarvoor andere middelen nodig hebben om deze vragen te beantwoorden. Data science is nu eenmaal een discipline die nergens echt, maar overal een beetje bij hoort.

Het risico van het nalaten van het samenbrengen van deze rollen, is dat iedereen op zijn eigen eilandje blijft zitten en gefrustreerd raakt over de inzet en/of kennis van anderen. Door elkaar te betrekken in de manier van denken en werken, ontstaan er bruggen tussen deze verschillende disciplines en hierdoor ontstaat draagvlak vanuit de hele organisatie.

Experience Data heeft door de jaren heen geleerd welke stoelen gevuld moeten zijn door welke rollen. We weten wie welke informatie binnen het bedrijf heeft en hoe elke rol optimaal gemotiveerd en ingezet kan worden om samen een data-gedreven project succesvol af te ronden.

Voor een goede (big) data analyse is het belangrijk de data bij elkaar te zetten door correcte koppelingen en door ook kennis over deze data te hebben. Het gebeurt maar al te vaak dat een bedrijf een externe partij inhuurt om het database beheer op zich te nemen. Dit heeft soms als resultaat dat het bedrijf zelf de kennis verliest over deze data. Ze weten niet (meer) welke tabellen er zijn, wat de kolommen betekenen en op welke manier de tabellen aan elkaar gekoppeld kunnen worden. Zo hebben wij ooit meegemaakt dat een klant inderdaad een externe partij hiervoor inhuurde. Gaandeweg werd deze partij steeds minder coöperatief en reageerde niet meer op telefoontjes/mailtjes. Toen besefte de klant pas hoe afhankelijk je bent en hoe machteloos dat kan voelen.

Het risico is, zoals hierboven al met een voorbeeld aangegeven, dat je kennis verliest over de data. Op deze manier zullen analyses niet meer goed te creëren of te interpreteren zijn en hierdoor kunnen deze analyses een vertekend beeld geven van de werkelijkheid. Daarnaast zorgt slecht gekoppelde data voor een vertroebeld beeld van de mogelijkheden. Als alle data overzichtelijk bij elkaar staat en koppelbaar beschikbaar is, is het veel makkelijker om na te denken over toffe analyses die mogelijk zijn of zelfs over machine learning modellen.

Experience Data kan in verschillende tabellen al snel zien door onze big data analyse tools welke koppelingen niet geschikt zijn. Mocht de datakwaliteit niet optimaal zijn, dan hebben wij veel tips om dit op te lossen om zo samen een beter datafundament te maken.

Data-gedreven werken is voor veel bedrijven nieuw en ook best spannend. Vaak ontbreekt het daardoor aan een realistische schatting van het budget, aan de nodige capaciteiten en aan competenties. Maar zonder deze zaken loopt je bedrijf het risico dat het blijft bij praten over een data-gedreven project in plaats van het uitvoeren ervan. Er is visie, daadkracht en steun nodig vanuit hogere lagen van de organisatie.

We merken dat bedrijven vaak bang zijn om te starten. Zo was er een klant die tegen ons bleef herhalen dat de datakwaliteit eerst verbeterd moest worden voordat ze met onze hulp kunstmatige intelligentie konden toepassen. Na een paar maanden hiermee bezig te zijn, concludeerden ze dat deze verbetering van datakwaliteit maar niet op gang kwam. Het bleef simpelweg steeds onderaan de lijst met prioriteiten staan en de werknemers zagen het belang er niet van in.

Experience Data heeft toen geholpen door de rol van katalysator in te vullen Wij namen de verantwoordelijkheid van dit project op ons en konden zo een realistische planning maken die we transparant met alle stakeholders deelden. Zo wisten ze welke inzet we van ze verwachtten en misschien nog wel belangrijker: wat het doel was. We schetsten scenario’s van analyses die mogelijk zijn wanneer de data daadwerkelijk verbeterd zou zijn. Daarnaast zorgden we voor iteraties met steeds weer een feedbackloop tussen de analyses en de operationele processen. Zo hielden we iedereen bij het project betrokken en konden we achteraf met het hele team trots zijn op de prestatie.

Data-gedreven projecten zijn uitdagend, soms intensief of frustrerend, maar maken uiteindelijk altijd een impact op de organisatie. Wij vinden het enorm interessant om klanten hierbij te ondersteunen. We leren door te doen. Dataprojecten zijn nooit perfect, maar altijd in beweging. Wij gaan graag mee in deze beweging. Kun jij wel wat hulp gebruiken om de beweging te starten? Of ben je misschien al middenin die beweging, maar weet je niet meer hoe je verder moet? Neem dan eens contact met ons op of kijk eens naar het onderstaande filmpje waarin Marco de Jong uitlegt wat voor hem data-gedreven werken is.

Ben je benieuwd hoe de rest van de wereld omgaat met data gedreven werken? Harvard heeft er onderzoek naar gedaan. Ze zeggen onder andere dat sinds 2017 niet langer olie de meest waardevolle bron is, maar data. In hun artikel kun je zien welke landen het hardst meedoen in het data veld. Spoiler: het is niet Nederland.