Zo zet je data in om jouw organisatie te onderscheiden

Wil je data omarmen en de stap zetten naar datagedreven werken, dan is inzicht in de datavolwassenheid van jouw organisatie de allereerste stap. Door te bepalen waar jij staat, weet je ook wat je moet doen om je verder te ontwikkelen. In deze blog nemen we je mee hoe jouw organisatie het pad van systematisch naar onderscheidend datagebruik bewandelt, en groeit in haar datavolwassenheid.

Deze groei heeft uiteraard pas zin als er een basis is gelegd met datagedreven werken. Lees onze eerdere blogs over de stap naar beginnend, opportunistisch en systematisch om er zeker van te zijn dat jouw organisatie klaar is om door te groeien naar datagedreven werken op onderscheidende wijze.

Een organisatie die zich in de onderscheidende fase van datavolwassenheid bevindt:

• ziet data & analytics als cruciale bouwstenen voor bedrijfsprestaties en innovaties;
• op managementniveau én in de operationele lagen van de organisatie;
• breidt de directie vaak uit met een data office, waarbij een Chief Data Officer (CDO) verantwoordelijk wordt gesteld voor alle data-onderwerpen;
• experimenteert steeds meer met geavanceerde analyses inclusief voorspellende componenten (Artificial Intelligence, machine learning, prescriptive analyses).

Datastrategie

Als organisatie heb je al een hele datareis afgelegd. Waar de reis begon met onzekerheid over de voordelen van data en twijfels over welke stappen te zetten richting datagedreven werken, is data op dit moment verweven met de sturing en de operatie binnen jouw organisatie. Nu data een onlosmakelijk onderdeel is geworden van de bedrijfsvoering ontkom je er niet aan het een plek te geven binnen de organisatiestrategie. We gaan dus aan de slag om een datastrategie te formuleren.

Koppel het aan jouw bedrijfsstrategie

Een datastrategie is een meerjarenplan waarin je als organisatie beschrijft hoe je data op een verantwoorde manier beschikbaar maakt, beheert en beschermt. Dit klinkt als droge en saaie materie, en dat kan het ook zeker zijn, maar niet als je de strategie ondersteunend maakt aan jouw bestaande organisatiestrategie. Denk na over de manieren hoe data helpt om de organisatiedoelstellingen te halen. Hoe moet het bijdragen aan een betere interactie met klanten? Hoe moet het de werkzaamheden van medewerkers vergemakkelijken? En hoe vertaalt dit zich dan praktisch door?

Kies jouw onderwerpen

Vanwege de koppeling met de eigen bedrijfsstrategie bestaat een standaard blauwdruk van een goede datastrategie niet. Onderwerpen die je kunt aanraken in jouw datastrategie zijn te halen uit modellen zoals DAMA DMBOK. Kijk bijvoorbeeld naar:

• de governance die nodig is om goed overzicht te houden op wat er met data gebeurt;
• de techniek om data altijd op een bruikbare manier beschikbaar te hebben;
• de processen om verantwoord datagedreven werken te waarborgen.

Maak een implementatieplan

Koppel altijd een implementatieplan aan jouw strategie. Besluit daarin op welk van deze onderwerpen je als organisatie (als eerste) gaat inzetten door ze te prioriteren. Wil je bijvoorbeeld eerst inzetten op datakwaliteit (onderwerp: processen) voordat je overgaat naar een nieuw systeem (onderwerp: techniek) – goud in is immers goud uit – bepaal dan op welke percentage datakwaliteit je wilt zitten voordat je start met het implementeren van nieuwe techniek. Maak ook dit dus meetbaar met data!

Process mining

Procesverbetering is een leuk, maar vaak ook tijdrovend proces. Je start met het bepalen welk proces je wilt verbeteren, wat het doel van de verbetering is en vervolgens ga je aan de slag om het proces in kaart te brengen. Meestal verzamel je een groep mensen en schrijf je één voor één de bestaande processtappen uit. Om te komen tot verbetering kijk je welke stappen overbodig zijn, knelpunten opleveren of niet efficiënt zijn. Door oplossingsrichtingen te bedenken, te prioriteren en te alloceren kom je uiteindelijk tot een implementatieplan.

Process mining is een alternatieve wijze om een proces te visualiseren en te analyseren. Op basis van logdata uit een systeem geeft het een visualisatie van de stappen in het proces met daarbij het aantal bewegingen tussen deze stappen en bijhorende doorlooptijden. In plaats van een groep mensen te verzamelen om het proces in kaart te brengen, kun je met process mining gelijk beginnen met het interpreteren van de vooraf gegenereerde visualisatie en cijfers.

Wat is logdata?

Logdata is data die automatisch door een systeem wordt vastgelegd. Als jij in jouw systeem bijvoorbeeld een aanvraag goedkeurt door op de ‘OK’ knop te klikken, dan logt het systeem gegevens zoals de naam van de actie, jouw gebruikers-ID, een case-ID van de klant en het tijdstip waarop je hebt geklikt. Deze logdata is van de organisatie die gebruik maakt van het systeem, maar kan alleen via de leverancier van het systeem verkregen worden.

Wanneer zet je process mining in?

Om te beginnen heb je altijd eerst een aanleiding nodig om een proces in te duiken. Het kan bijvoorbeeld zijn dat je doorlooptijden wil verkorten of fouten wil voorkomen. Als de acties in jouw proces grotendeels of volledig in een bepaald systeem plaatsvinden is process mining een snelle manier om knelpunten te identificeren, zonder dat je eerst met een groep het hele proces in kaart hoeft te brengen.

Er zijn veel type processen te verzinnen die uitermate geschikt zijn om te minen, zoals een facturatieproces, een verkoop- of aanvraagprocedure of een inschrijfverwerking. Ook het gedrag op een website is iets wat bijvoorbeeld goed in kaart te brengen is met process mining. Met de verantwoordelijke en de uitvoerende medewerkers binnen het proces kijk je naar de procesplaat, naar de ongewenste lusjes in activiteiten, onlogische volgordes van activiteiten en stappen met te lange doorlooptijden. Je bepaalt met elkaar waar je nog meer over wilt uitzoeken, waar je direct oplossingen voor kunt bedenken en waar je gewoon tevreden over bent. Binnen een enkele sessie heb je waarschijnlijk het laaghangende fruit al te pakken.

Innovatiefunnel

Nu werken en sturen met data vanzelfsprekend is in jouw organisatie, ontstaat steeds vaker de behoefte aan diepere analyses. Als je als universiteit bijvoorbeeld wilt gaan voorspellen hoeveel nieuwe instroom je komend studiejaar gaat krijgen, dan heb je een team nodig die met deze vraag aan de slag kan gaan. Zet dit team apart in een ‘innovatielab’ of ‘datalab’ en laat ze data inzetten om processen te verklaren, te automatiseren en te voorspellen.

Zet een team op

Voor dit team heb je verschillende expertises nodig. Denk hierbij aan informatieanalisten, back end en front end ontwikkelaars, maar bijvoorbeeld ook aan scrum masters, Product Owners en UX’ers. Zij houden zich bezig met niet repetitieve activiteiten die experimenteel van aard zijn en te realiseren zijn op relatief korte termijn. Denk hierbij enerzijds aan vragen die uit de business komen als gevolg van een observatie in de reguliere, vaste dashboards. Bijvoorbeeld: ‘Verklaar waarom we een dip zien in het aantal gebruikers van de Persoonlijke Gezondheidsomgeving (PGO) applicatie’. Anderzijds kan het lab ook in een breder vraagstuk duiken wanneer deze behoefte leeft in de organisatie. Bijvoorbeeld: ‘Is het mogelijk om niet actieve gebruikers te herkennen en te activeren?’

Werk agile

Alle inkomende verzoeken vanuit de business aan het lab komen in de innovatiefunnel, oftewel de back log van het team terecht. Zet de Scrummethode in om het werk te organiseren en betrek de business erbij door reviews/demo’s te organiseren. Werk in korte ontwikkelingssprints aan behapbare doelen. Is een experiment gelukt? Dan is het aan de business om te bepalen wat de vervolgstappen zijn. Zo kan het zijn dat de wens is om de inzichten structureel beschikbaar te stellen. Draag de resultaten dan over aan een team dat sturingsdashboards beheert. Is het experiment mislukt? Dat is niet erg, want het motto is: slaag snel, maar faal nog sneller. De business kan met een nieuwe vraag komen voor op de back log, of het erbij laten zitten met de wetenschap dat hun vraag simpelweg (nog) niet te beantwoorden is.

Door hun experimentele werkwijze versterkt het lab de inzet van data & analytics in jouw organisatie. Bovendien is het een manier om reguliere bedrijfsvoering en innovatie met elkaar in contact te laten staan.