In veel bedrijfstakken is de coronacrisis een katalysator is voor digitale transformatie, blijkt uit de Harvey Nash/KPMG Survey 2020. Bijna de helft van de deelnemers aan het onderzoek geeft aan dat de crisis tot een versnelling heeft geleid. Goed nieuws, maar helaas betekent het niet per definitie dat de digitale transformatie een succes is.
De grootste hindernis die bedrijven moeten overwinnen bij het innoveren en transformeren met data, is de bestaande mentaliteit van ‘we hebben het altijd zo gedaan’. Hoe zet je die mentaliteit om in een datagedreven organisatie? Een cultuur waarin niet meer ervaring en onderbuikgevoel de hoofdmodus voert, maar data bepalend is. Hint: het management speelt een beslissende rol. Als leidinggevende kun je het voortouw nemen bij de implementatie van een datacultuur en anderen er de voordelen van laten zien.
Tip 1. Focus op resultaten en doelstellingen
De juiste KPI’s zijn het fundament van datagedreven beslissingen. Zorg dat je helder in kaart hebt welke data gerelateerd zijn aan het succes van je organisatie. Welke datapunten zijn belangrijk en hoe verhouden deze zich tot je doelstellingen? Meet wat gekwantificeerd kan worden. Is kwantificeren niet mogelijk? Zorg dan voor kwalitatieve data. Wanneer je de KPI’s scherp hebt, kun je goede en gegronde beslissingen maken en aanbevelingen doen.
Alleen data is echter niet genoeg. Je kunt nog zoveel data hebben, maar dat maakt je nog geen datagedreven organisatie. Een kleine hoeveelheid betrouwbare data kan veel waardevoller zijn dan petabytes aan rommel.
Kijk daarom eerst de data die je verzamelt en bepaal welke analyses en inzichten je nodig hebt. Handel daar dan snel naar en koppel dat terug aan het team of je klant. Dat is de digitale feedback loop: gebruik de inzichten, ideeën en innovatie die door het team of je klant zijn gegenereerd als een accelerator om de mogelijkheden van het product en de service die je al hebt te verbeteren.
Waardeketen analyse
In een datagedreven organisatie levert de datafeed rapporten op die tot een analyse leiden. Leidinggevenden nemen die analyse op in het besluitvormingsproces. Zij bepalen daarmee wat waarde en impact oplevert en welke richting de organisatie dus moet inslaan.
Tip 2. Leidinggeven in een datacultuur
Het leidinggevend team moet een heldere visie hebben op geavanceerde analyses. Wat is er mogelijk en wat doen we wel en niet? Zo moeten ze onderscheid weten te maken tussen business intelligence en machine learning. Deel die visie zo breed mogelijk binnen de organisatie.
Tip 3. Stimuleer de vraag naar data
Datacultuur moet deel uitmaken van het waardesysteem van je organisatie. Medewerkers moeten altijd toegang hebben tot een platform waar ze zelf data-inzichten kunnen vergaren. Als iedereen kan zien wat er gebeurt, komen de beste ideeën vanzelf bovendrijven.
Tip 4. Bouw risicomanagement in
Risicomanagement zou als een slimme accelerator moeten werken, door op een verantwoorde manier analyses te introduceren in belangrijke processen en interacties. Je moet controles inbouwen, want er kan altijd iets misgaan.
Soorten data-analyse*
* Alleen E en F zijn echt datagedreven wanneer er tenminste stappen worden ondernomen op basis van de informatie. |
Tip 5. Data-ambassadeur op elke afdeling
Op elke afdeling moet je mensen hebben die affiniteit met data hebben én vertrouwd zijn met de werkvloer. Die rol kan ook vervuld worden door het middenmanagement. Als het budgettair verantwoord is, kan je ook iemand van buiten aannemen om de basisbeginselen van data science uit te leggen en te demonstreren. Je kan er ook een (intern) opleidingstraject van maken.
Tip 6. Houd belangrijke data intern
Wanneer de datacultuur geïmplementeerd is, zullen er eigen algoritmes en applicaties ontwikkeld worden, die tot unieke inzichten leiden. Mogelijk ontstaat de verleiding om die data met klanten of partners te delen. Dat valt niet aan te raden. Ook als er met een externe partij een samenwerking op een bepaald gebied wordt afgesproken, is het belangrijk te bepalen welke data wél en niet wordt gedeeld.
Tip 7. Zorg voor de juiste mix van talent en cultuur
Ga zorgvuldig om met het werven van nieuwe medewerkers en let daarbij vooral scherp op de juiste vaardigheden. Een datawetenschapper zal behalve kennis van programmeertalen als Python ook kennis moeten hebben van machine learning en datavisualisatie. Belangrijke factor bij de selectie vormt het vermogen van een kandidaat om je core business te begrijpen.
Soms blijkt het talent al aanwezig te zijn in je eigen bedrijf of organisatie. Als duidelijk wordt dat eigen medewerkers snel nieuwe vaardigheden leren en zo in staat zijn om de gewenste resultaten te bereiken, hoef je geen nieuw talent aan te trekken.
Lees ook:
- 4 manieren om je werknemers te verenigen met data
- 5 voorwaarden voor een datacultuur na crisistijd
- Zo implementeer je datagedreven resultaten succesvol in jouw onderneming
