Van baby naar robot: in 3 stappen naar data-volwassenheid

Misschien werk je als organisatie al heel veel met data of misschien doe je er juist nog heel weinig mee. Misschien gebruik je in jouw functie iedere dag vele gegevens uit het systeem, maar vraag je jezelf af: benutten we het potentieel van deze gegevens wel optimaal? In deze blog ga ik in op de stappen die iedere organisatie kan zetten om meer met data te doen: het bepalen van jouw data-volwassenheid, de ambities die passen bij jouw organisatie en de aanpak om stappen te zetten.

Stap 1: Bepaal hoe data-volwassen jouw organisatie is

Zoek online op ‘Data Maturity Model’ en je vindt vele plaatjes die aangeven welke fases van data-volwassenheid er tussen organisaties zijn. Verreweg de meest gebruikte modellen zijn die van Gartner over Data & Analytics (het gebruik van data) en Information Management (het beheer van data). Gartner maakt in stappen onderscheid tussen organisaties die niets tot weinig met data doen (‘Unaware’ of ‘Basic’) en organisaties de het gebruik van data volledig in hun werkwijze geïntegreerd hebben (‘Transformational’ of ‘Effective’). Samen met eigen observaties hebben wij de inzichten uit beide modellen samengevoegd tot een overzicht waar onderwerpen als strategie, rapportages, analyses, datakwaliteit, IT en innovatie in terugkomen.

De 6 fases van data-volwassenheid binnen organisaties

Data-volwassenheidsmodel op basis van Gartner’s EIM (2008) en Data and Analytics (2017) Maturity Model, aangevuld met eigen ervaringen.

Stap 2: Bepaal welke ambities passen bij jouw organisatie

Moet je altijd streven naar intensiever gebruik van data? Nee dat hoeft zeker niet altijd! De mate waarin je als organisatie wilt investeren in IT, datamanagement en business intelligence is sterk afhankelijk van de rol die data kan spelen in de klanttevredenheid en het functioneren van de interne organisatie. Is deze rol groot, dan is het logisch om een hogere data-volwassenheid na te streven dan wanneer deze rol klein is. Lees hieronder welke factoren jouw ambities hierin kunnen bepalen.

Data inzetten voor de klant

De wijze waarop data bijdraagt aan klanttevredenheid heeft grote invloed op de mate waarin je met data bezig zou moeten zijn. Er zijn verschillende manieren waarop data de klanttevredenheid beïnvloedt:

• Data als grondstof voor het product of de dienst: Er zijn genoeg organisaties wiens producten gevoed worden door data. Als die data niet klopt is de kans groot dat klanten direct weglopen. Denk bijvoorbeeld aan een bedrijf als Flitsmeister. Wanneer de data die zij gebruiken om de meest efficiënte routes of flitspalen aan te geven fout is, stappen klanten waarschijnlijk snel over op een andere app.
• Data als product op zichzelf: Een organisatie kan de gegevens die zij bezit ook direct als product aan klanten verkopen. Zo verkoopt diezelfde Flitsmeister een deel van de data die zij collecteren op maat door aan klanten die inzicht willen in de verkeersstromen in een bepaald gebied. Ook hier heeft de kwaliteit en kwantiteit van de data een directe link met klanttevredenheid.
• Data als serviceverbeteraar: Data kan ook op een meer indirecte manier bijdragen aan het tevredenstellen van de klant. Zo kun je data gebruiken om de interactie rondom jouw product of dienst met de klant goed en snel te laten verlopen. Denk hierbij bijvoorbeeld aan het inzetten van chatbots, automatische facturatie, of heel klein: het automatisch vullen van straat en woonplaats in een formulier. Geen zaken die het product zelf verbeteren, maar vaak wel hygiënefactoren die klanten tegenwoordig van je verwachten.

Grip krijgen en innoveren met data

Naast de wensen van de externe klant kan data uiteraard ook ingezet worden voor de wensen van de interne klant. Ten eerste is er de wens om grip te krijgen en te houden op de doelstellingen en de werkzaamheden binnen de organisatie. Van managementdashboards tot werklijstjes; op ieder niveau kan data sturingsinformatie bieden om acties aan het bureau of gesprekken aan de vergadertafel de juiste kant op te richten. Investeringen in IT, datamanagement en business intelligence vergroten de effectiviteit van deze sturingsinformatie door kwaliteit, compleetheid en visualisatie.

De tweede wens die data kan faciliteren is de wens om te innoveren. Goede data en tooling zijn nodig om analyses op trends, correlaties en uitschieters te kunnen maken die voeding bieden voor nieuwe innovatieve ideeën of oplossingen. Wanneer je als onderwijsinstelling bijvoorbeeld de correlatie tussen cijfers, vakken en studiepunten van langstudeerders analyseert kun je vervolgens heel gericht met nieuwe oplossingen komen, zoals de volgorde van de vakken veranderen of gerichte studiehulp aanbieden aan studenten waarvan je verwacht dat ze binnenkort achter gaan lopen.

Kortom: kijk dus altijd welke rol data kan spelen in het vergroten van de klanttevredenheid, het houden van grip op de organisatie en het stimuleren van innovatie. Geeft dit aanleiding om meer met data te willen doen? Lees hieronder dan enkele tips om een stap naar een hoger volwassenheidsniveau te zetten.

Stap 3: Ga aan de slag

Om verbeteringen op het gebied van management en gebruik van data te laten slagen moeten deze benaderd worden als projecten met een eigen budget, draagvlak van bovenaf en ondersteuning vanuit IT en management. Het kan niet gezien worden als een initiatief van een bepaald team of van een bepaalde afdeling, maar als een integrale aanpak om eenduidig met data om te gaan. Daar ligt dan ook meteen de uitdaging, want zeker in grote organisaties met vele afdelingen en managers kan de omvang vertragend werken. Mijn advies is daarom ook: start klein, boek succes en bouw vertrouwen.

Start klein

Wat is een klein project vraag jij je wellicht af? Klein is in mijn ogen een project dat in minder dan drie maanden te realiseren is. Begin dus niet bij grote investeringen in IT, maar kijk wat mogelijk is in de huidige situatie. Zo kun je, afhankelijk van jouw data-volwassenheid en behoeftes, een project starten om een managementdashboard te bouwen, de kwaliteit van klachtenregistratie te verbeteren, het automatiseren van de maandelijkse facturatie, het uitvoeren van een diepte-analyse op klantvragen, of het maken van een voorspelmodel op capaciteit en/of voorraden – om maar wat te noemen. Wat jouw project ook mag zijn, hou er rekening mee dat de meeste tijd niet gaat zitten in het bouwen of analyseren, maar in het verzamelen en ordenen van data en het komen tot gedeelde definities en afspraken rondom de resultaten/uitkomsten.

Boek succes en bouw vertrouwen

We weten het allemaal, maar doen het vaak nog te weinig. Voor projecten rondom data is het delen van successen niet alleen leuk, maar ook belangrijk voor het vertrouwen in data. Zeker in organisaties met lagere data-volwassenheid gebeurt het regelmatig dat de gesprekken tijdens een overleg gaan over of de cijfers wel kloppen in plaats van welke acties op basis van de inzichten genomen kunnen worden. Met het delen van successen laat je zien wat er mogelijk is en kun je collega’s stil laten staan bij de voordelen van werken met data. Tolerantie wordt groter en opmerkingen als “Dit cijfer klopt niet, dus hier kunnen we niets mee,” veranderen in “Laten we nog een dubbelcheck doen op dit cijfer, maar ervan uitgaande dat het klopt kunnen we…” Het gebruik van data wordt langzaam business as usual.