Intuïtie of data: naar een data-gedreven cultuur.

Intuïtie of data: naar een data-gedreven cultuur.

Veel bedrijven zitten nog in het stadium dat ze geïsoleerde projecten opstarten rond data, maar niet bezig zijn met de mogelijke impact op hun volledige organisatie. Een geïsoleerd project  heeft uiteraard zijn waarde (bijvoorbeeld een afgelijnd eerste BI project), al was het maar omdat de kans op slagen groter is en de omvang te overzien. Maar op termijn zal elk bedrijf naar een data-gedreven cultuur moeten/willen evolueren. Zulke cultuur kan immers sterk bijdragen aan het empowerment van uw medewerkers, bijvoorbeeld bij de transformatie naar een industrie 4.0 bedrijf (meer info) of bij de heroriëntering van uw dienstverlening.

Inleiding

Dit artikel geeft u een eerste houvast bij uw voornemen om data een meer vooraanstaande rol te laten spelen. Data en intuïtie kunnen en moeten elkaar aanvullen. Maar in een data-gedreven bedrijf zullen de data leiden, en de intuïtie zal ondersteunen. Nu is het nog vaak andersom.

Wijzigingen aan de cultuur van uw bedrijf komen niet vanzelf. De implementatie neemt tijd in beslag en vergt verschillende fases die moeten doorlopen worden. Een systematische aanpak is dan ook aangewezen. Palpa hanteert onderstaande benadering bij advies aan bedrijven die die intentie hebben om meer data-gedreven te worden. Dit artikel beschrijft dus een projectaanpak, en niet de technische keuzes rond data, databases, datalakes en allerhande tools die u zou kunnen gebruiken.

De aanpak
  1. Begin met je visie

Iemand (normaal op C-level, al dan niet met externe bijstand) moet de moeite en tijd nemen om het waarom van de noodzaak te verwoorden in een krachtig maar duidelijk visiedocument. Deze persoon is ook bij uitstek geschikt om deze visie aan alle medewerkers toe te lichten, en uit te leggen wat de ‘rationale’ is achter de beoogde verandering in cultuur. Want scepticisme zal er zijn – en u krijgt meestal maar 1 kans om het goed uit te leggen.

Zorg er voor dat de visie tekst specifiek genoeg is voor uw bedrijf. Een tekst vol algemeenheden die ook over uw concurrenten, leveranciers of eender welk bedrijf zou kunnen gaan, is doorgaans een slechte visietekst waarin uw medewerkers zich niet zullen herkennen.

  1. Een multidisciplinair team

Eerst de mensen, dan de tools. Stel een team samen, in lijn met de mogelijkheden van uw organisatie: de teamleden moeten niet perse volledig vrijgemaakt worden – dat is doorgaans niet realistisch. Maar zorg dat je medewerkers in het team hebt die gemotiveerd zijn en verschillende disciplines vertegenwoordigen, zowel technisch als organisatorisch: een analist, een productmanager, een (data) engineer, iemand die vertrouwd is met BI, een interne sponsor, … Ook als u bepaalde competenties niet in huis hebt kan u van start gaan. U kan uw team in de beginfase versterken met externe specialisten. U kan later nog altijd beslissen of welke competenties u echt zelf in huis moet hebben.

  1. Investeer dan pas in tools (en voer de visie uit)

Laat het team de visietekst verder uitwerken naar een projectplan, en laat ze de nodige tools voor de realisatie daarvan definiëren. Als het team inspraak heeft in de tools, zullen ze ook meer betrokken en gemotiveerd zijn. Laat ze de markt verkennen, deskresearch doen, met specialisten spreken, …. Stel wel een tijdslimiet waarbinnen ze met een concreet voorstel moeten komen. Geef van in het begin budget doelstellingen – ook al is dat vaak moeilijk vooraf en moet het budget misschien bijgestuurd worden. Inspraak wil niet zeggen dat u alle controle verliest. Laat het team rapporteren over de vooruitgang, zodat ook de inbreng van niet-teamleden kan ingepast worden.

Maak het niet te complex in het begin – werk desnoods in stappen. Durf prioriteiten stellen, alles tegelijk kan toch niet. Hebt u nog geen enkele ervaring met doorgedreven data verwerking (zoals een gewone Business Intelligence oplossing), ga dan niet meteen voor een model met Machine Learning of Artificiële Intelligentie. Zorg dat u enkele eerste successen boekt die zeker realiseerbaar zijn, en stretch dan uw organisatie naar meer geavanceerde oplossingen.

Voer het projectplan uit – en zorg daarbij dat u sterke projectleiders hebt, zowel intern als aan de kant van de toeleverancier(s) waarmee u in zee gaat.

  1. Toegang tot en democratisering van data

Eens uw project gerealiseerd is, moeten data ‘voelbaar’ worden op de juiste plek, bij uw medewerkers op de werkvloer, of bij uw bedienden, uw kaderleden, …. Dus niet enkel bij directie of management. Uiteraard hoeft niet iedereen alles te kunnen zien, maar de data die getoond worden moeten wel afgestemd zijn op de behoeften ter plaatse. Denk open –  een team in productie, een productontwikkelaar, een verkoper, een productmanager, een financieel assistent, …. ze kunnen allemaal data gebruiken die hen beter maakt in hun job of hun efficiëntie verhoogt. Zorg dat het projectteam op voorhand met de interne klanten gepraat heeft, zodat de juiste databehoeftes in kaart gebracht werden.

Democratisering van de datatoegang kan leuke, onverwachte effecten teweegbrengen. Zoals nieuwe inzichten door meer samenwerking over de afdelingsgrenzen. Sta daar voor open, laat u verrassen.

En denk er aan, data hebben maar nut als ze volledig en correct zijn, en iedereen in het bedrijf dat ook gelooft. Daarom moet u zorgen voor een systeem om dit alles te beheren (‘data governance’). Data governance zorgt voor geloofwaardige data, en geloofwaardige data zullen ook gebruikt worden.

  1. Verhoog de “data-geletterdheid”

Heel wat mensen hebben schrik van data (al zullen weinigen het toegeven). Voorzie dan ook opleiding voor uw medewerkers. Het is niet de bedoeling om van alle medewerkers data-analysten te maken. Maar misschien kunnen enkele basisbegrippen uit de statistiek kort toegelicht worden. Of training over de tools en hoe ze te gebruiken, een basiscursus visualisatie, een overzicht van de data die bestaan, wie gebruikt welke data,  enzovoort ….

Zorg dat uw datavelden goed gedocumenteerd zijn (governance), en dat alle medewerkers die documentatie makkelijk kunnen vinden zodat ze de juiste betekenis ervan kunnen opzoeken. Zo kunnen foute conclusies uit verkeerde informatie voorkomen worden.

  1. Geef het goede voorbeeld: data-gedreven leiderschap

Data-gedreven leiderschap uit zich in managers, zaakvoerders, directieleden die gedreven zijn (en dit ook in de praktijk tonen) om data te verzamelen, te kennen, eruit te leren en toe te passen. Zulk leiderschap erkent dus de waarde en noodzaak van data, of het nu gaat over klantenrelaties, marketing campagnes, productie efficiëntie, leverbetrouwbaarheid, het stellen van prioriteiten of het toewijzen van de (schaarse) middelen van het bedrijf. Het is de beste garantie op lange termijn succes. Data-gedreven leiders zijn ‘verbonden’ (zodat feedback mogelijk is), en focussen op informatie die objectief waarneembaar is. De tijd van de HIPPO (“Highest paid person’s opinion”) die aan zijn mening blijft vasthouden wat de data ook zeggen, is voorbij in een data-gedreven omgeving. Data en intuïtie kunnen en moeten elkaar aanvullen. Maar in een data-gedreven bedrijf zullen de data leiden, en de intuïtie zal ondersteunen, niet andersom. Om het nog mooier te zeggen : “In god we trust, all others must bring DATA” (W. Edwards Deming – attribution disputed).

  1. Valkuilen wegwerken en evolueren.

Uitdagingen en valkuilen zullen ongetwijfeld optreden na de implementatie van uw visie. Wees daarop voorbereid, voorzie capaciteit om pijnpunten in kaart te brengen en concreet te maken, zodat u kunt bijsturen.

Voorzie ook evolutie in uw data-denken. De evolutie in ondermeer data-analytics of data-visualisatie zal de eerstvolgende jaren niet stoppen. Waar data u aanvankelijk vooral descriptief zullen ondersteunen, zal dat in de toekomst meer en meer predictief en zelfs prescriptief worden (door gebruik van machine learning en artificiële intelligentie). Maar dan moet u er ook intern klaar voor zijn, zoals bijvoorbeeld de “data science hierarchy of needs” vooropstelt. U gaat dan concrete vragen kunnen gaan mappen met de juiste analytische techniek, zodat ook complexe vraagstukken als “waar gaat mijn omzet het meeste groeien” kunnen beantwoord worden. Maar dat is voer voor een ander artikel.

Slotsom

Denk vooruit. Beginnen met een welomlijnd data-project is goed, maar een data-gedreven cultuur in uw organisatie krijgen gaat veel verder, en kan veel meer bijbrengen aan uw organisatie. Begin desnoods op beperkte schaal, maar begin nu. Uw huidige concurrenten zitten ook niet stil. En uw toekomstige concurrenten zullen van bij de start gedreven (en gebeten) zijn door data – zij hebben nooit anders gekend.

Over ons

Dit artikel werd geschreven door Kris Beckstedde, Palpa bvba, www.palpa.be, Augustus 2017.

Palpa levert advies aan bedrijven die met data en Business Intelligence oplossingen hun bedrijf professioneler en toekomstgericht willen laten werken. Wij vertrekken daarbij steeds vanuit uw business, niet vanuit IT.

Voor dit artikel werd onze eigen ervaring verrijkt met info uit volgende bronnen:

  • Carl Anderson, Michael Li,  (2017), “Five building blocks of a data-driven culture” and  “Being data-driven: It’s all about the culture”, https://techcrunch.com
  • Pete Swabey (2017), From data overload to effective decision-making, http://decisionmaking.eiu.com  
  • Oliver Schabenberger (2017), Data is the fuel and analytics the engine of new economy, sas.com  
  • Roland van Loon (2017), 5 Ways Businesses Can Cultivate a Data-Driven Culture, www.7wdata.be
  • Leon Tchikindas (2017),  Building a Data-Driven Culture Starts with the Team, www.informationweek.com  
  • X; What is Data-Driven Leadership (2017), https://career-accelerator.corsairs.network
  • David Levin, Access to Data Is Great, but It’s How You Communicate It That Matters, www.entrepreneur.com