HOE CREËR JE EEN DATAGEDREVEN ORGANISATIE?
Als organisatie weet je dat je iets moeten doen met de beschikbare data, maar er is geen idee hoe of waar te beginnen. Het is een veel voorkomende vraag vanuit onze opdrachtgevers. Steeds vaker zien wij dat opdrachtgevers ook zélf in staat willen zijn om datavraagstukken op te lossen. Met een eigen team zélf de waarde uit de data halen die zij beschikbaar hebben, kortom, ze willen meer data driven worden. En om meer data driven te worden is er een gedegen data strategie nodig. Hierbij wordt er bepaald welke doelen je wil bereiken met data, welk analyse volwassenheidsniveau hierbij hoort en welke stappen ondernomen dienen te worden om dit punt te bereiken. Bij Data Science Lab ondersteunen wij organisaties bij het gehele proces van strategievorming én de uiteindelijke executie. In deze blog nemen wij jullie mee in de belangrijkste stappen in dit proces.
DATA STRATEGIE
De wens om “iets te doen met data” kom ergens vandaan. Elke organisatie heeft een bepaalde visie, strategie en doelstellingen gezet en impliciet komt daaruit de wens naar voren om waarde uit data te gaan halen. Het bepalen van een data strategie begint daarom bij het bepalen waarom je iets met data wil gaan doen.
Voortkomend uit die waarom, zal vervolgens worden bepaald wat een organisatie met de data wil gaan bereiken. Deze doelen kunnen worden uitgedrukt in acties die met data zullen worden uitgevoerd zoals optimaliseren, inzichtelijk maken of voorspellen, maar het kan ook worden uitgedrukt in bepaalde eigenschappen die er aan data zitten. Zo zal bijvoorbeeld veiligheid of betrouwbaarheid belangrijk zijn wanneer persoonsgegevens een rol spelen.
Wanneer de wat is vastgesteld, kan worden nagedacht over de hoe. Hoe gaan we ervoor zorgen dat we de gestelde doelen ook daadwerkelijk met data gaan bereiken? Bij de gekozen doelen hoort een bepaald volwassenheidsniveau van de analytics functie. In combinatie met een scan kan worden bepaald welke acties en projecten ondernomen moeten worden om op het gewenste volwassenheidsniveau te komen. Dit alles wordt vastgelegd in een zogenoemde roadmap.
De ‘waarom, hoe en wat’ tezamen vormen volgens onze aanpak een data strategie. Onderstaande visualisatie geeft dit weer.
HET ANALYTICS MATURITY MODEL
Centraal in de ontwikkeling van een data strategie staat het analytics-maturity model. Deze bestaat uit twee assen. In elke organisatie wordt in meer of mindere mate data verzameld, geanalyseerd en gerapporteerd. De mate waarin dit op een gecoördineerde en structurele manier – door de juiste professionals – gebeurt, bepaalt de volwassenheid en daarmee de mate waarin je organisatie in staat is waarde uit data te halen. Dit is de eerste as van het model. Hierin worden vijf niveaus onderscheiden ‘van traditioneel tot volledig data driven’.
Op de tweede as zijn zeven stromen te onderscheiden die op elkaar afgestemd moeten zijn om uiteindelijk het gewenste volwassenheidsniveau te bereiken. De stromen worden hieronder kort toegelicht en zijn onder te verdelen in technische stromen (welke vooral wat van harde technische skills vragen) en business stromen (welke meer van change managementvaardigheden vragen).
In principe is er geen goed of fout in het volwassenheidsniveau van je data en analytics functie: het doel van goede dashboards en rapportages vereist nou eenmaal een andere volwassenheid dan geavanceerde Artificial Intelligence toepassingen. Wij zien wel dat het vaak fout gaat bij een té gering volwassenheidsniveau voor de ambities van de organisatie óf een mismatch tussen de volwassenheid van de verschillende stromen. Een voorbeeld hierbij is een organisatie waar veel slimme data professionals werken, maar niet de tools of een goed datalandschap hebben om echt waarde te kunnen toevoegen. Een ander voorbeeld is dat een organisatie een state of the art data landschap neerzet en vervolgens verwacht dat de meest innovatieve oplossingen vanzelf worden opgeleverd. Allemaal wat gechargeerd, maar belangrijk is dat de verschillende stromen op elkaar afgestemd moeten zijn.
WAAR MOET IK BEGINNEN?
Een goede data strategie zorgt ervoor dat de volwassenheid van de analytics functie aansluit op de doelen die met data zijn gesteld. Dat betekent dat er langs de verschillende stromen (data, projecten, tooling, enterprise, analisten, leadership en business) een bepaalde mate van volwassenheid moet zijn, maar wellicht nóg belangrijker is dat al deze stromen met elkaar in lijn zijn.
Een goede eerste stap daarin is om te kijken waar je als organisatie staat voor elk van de stromen. Op basis hiervan kan vervolgens een roadmap worden opgesteld met acties en projecten die ondernomen dienen te worden om elk van de stromen op het gewenste niveau te krijgen. Een zogeheten maturity scan kan hier al zorgen voor veel duidelijkheid.
Zonder goede strategie bestaat het risico dat het blijft bij los samenhangende projecten óf dat het binnen de organisatie aan de verandercapaciteit ontbreekt om de innovatieve data oplossingen écht binnen de organisatie te laten landen.
Sta je voor de uitdaging om een data strategie neer te zetten en duurzaam waarde uit de data te krijgen? Wij helpen je graag verder met de data strategie die past bij jouw organisatie. Samen bepalen wij de koers om doelen te behalen en waarde te creëren!
