Een data-gedreven organisatie is volgens ons de toekomst. En veel organisaties staan pas aan het begin van dit avontuur. Maar rondom deze transitie én data zelf hangt ook een mist van onbekendheid en onwetendheid. Dat vinden wij ook logisch, met data zijn namelijk oneindig veel mogelijkheden. Het ontwikkelen van een strategie is daarom essentieel en dit doen we samen met jou. Deze strategie gaat de koers bepalen om doelen te behalen en waarde te creëren voor jouw organisatie.

Dit doen we met ...

MATURITY SCAN
& ASSESSMENT

We evalueren en benchmarken de volwassenheid van datamogelijkheden binnen jouw organisatie. Deze volwassenheid bepalen we langs een 7-tal assen. Met uitgebreide doorlichting van jouw organisatie krijg je snel zicht op waar je staat én hoe in jouw organisatie verbeterslagen gemaakt kunnen worden.

MATURITY MODEL

ROADMAP

Werken met een stip op de horizon. Dat vergroot de kans op succes. Overzicht doet dat ook. Onze roadmap bevat beide en is onderdeel van de strategie.  Daarnaast krijgen de projecten, ROI, KPI’s en de budgetten ook een plek. Een handzaam en doordacht overzicht, zodat jouw organisatie met kleine of grote stappen naar een hoger niveau groeit.

DATA-FIRST MINDSET

Bij een data-gedreven organisatie hoort een data-first mindset. Het zijn tenslotte de mensen die ervoor zorgen dat doelen behaald worden. Daarom is interne bewustwording binnen de gehele organisatie essentieel. We helpen jou daarbij door middel van het organiseren van verschillende brainstorms, trainingen en workshops waarin jouw collega’s een actieve rol vervullen.

MATURITY MODEL
Dit gaat over de mate waarin data ontsloten en benaderbaar is voor de verschillende data professionals. Ook de mate van kwaliteit en diversiteit van de verschillende soorten data zijn van belang in deze stroom.
Dit gaat over de ambitie, hoeveelheid en diversiteit van de verschillende projecten die gaan over data en analytics. Afhankelijk van het volwassenheidsniveau gaat dit van dashboarding en rapportages tot geavanceerde AI-oplossingen zoals neurale netwerken.
De tooling die aan data professionals ter beschikking staat om projecten uit te voeren en in productie te kunnen nemen. Een analist die enkel Excel kan gebruiken of in één bepaalde programmeertaal kan werken omdat dat past binnen de IT-architectuur zal minder geavanceerde dataproducten opleveren dan wanneer er een keur aan talen, libraries en tools beschikbaar is.
De manier waarop de data analytics functie is ingericht speelt een belangrijke rol in de volwassenheid van een organisatie. Als men wil groeien dan is een meer structurele inrichting van deze functie van belang. Dit draait niet zozeer om centralisering van de analytics capaciteit (dit verschilt per organisatie), maar vooral om de structurele aanpak.
Dit gaat over de mate waarin het senior management de waarde van data en analytics erkent en dit ook uitdraagt in de organisatie. Is het een ver van hun bed show of zitten er binnen de organisatie enkele data evangelisten op C-level posities.
Wil je groeien in volwassenheid dan is het aantrekken, behouden en laten groeien van de juiste mix aan data professionals essentieel. Data professionals worden in dit geval breed gedefinieerd: data-analisten, -engineers, -scientists, maar ook nieuwerwetsere functies als analytics translators en data-evangelisten. Naarmate de gewenste volwassenheid groeit wordt de behoefte aan deze professionals, van junior tot senior, steeds groter.
Dit gaat over de mate waarin de business de waarde van data en analytics erkent en de mate van bereidheid om dit te gebruiken en te ondersteunen. Hieronder vallen de eindgebruikers, maar ook de mensen die zich op andere manieren moeten aanpassen aan het toenemend gebruik van data in de dagelijkse gang van zaken.
Dit niveau beschrijft een situatie waarbij er nagenoeg geen gecoördineerde aanpak bestaat om waarde uit data te halen. Er zijn weliswaar collega’s die “goed zijn met Excel” en hier en daar zal er een manager zijn die stuurt op rudimentaire rapporten, maar dat is op eigen beweging en is verre van een gecoördineerde aanpak.
Bij dit niveau ontstaat er een gedeeltelijk gecoördineerde aanpak om meer waarde uit data te halen, zij het op team- of afdelingsniveau: er wordt op sommige plekken gebruik gemaakt van specifieke analytics tools en er zijn enkele mensen die de functie van analist bekleden.
Op dit niveau begint het besef dat er waarde uit data kan worden gehaald meer te leven bij zowel het (senior) management als de business. De eerste tekenen van een organisatie-brede aanpak om dit te bewerkstelligen worden hier zichtbaar.
In deze fase is er binnen de organisatie over de hele linie te zien dat er een gecoördineerde en structurele aanpak bestaat om waarde uit data te halen. Zowel vanuit de techniek als vanuit de business worden actief bijdragen geleverd.
Op dit niveau staat een organisatie zo goed als niets meer in de weg om haar data tot in het volle potentieel te benutten: zowel business als data professionals weten elkaar feilloos te vinden om dataprojecten op te starten, uit te voeren en te implementeren.