Winkelmand

Geen producten in je winkelmand.

Waarom transformeren naar een datagedreven organisatie nooit af is

In samenwerking met Vlerick en KPMG - Hoewel vrijwel alle organisaties de afgelopen jaren projecten zijn gestart om meer uit hun data te halen, stelt het beoogde doel, de ‘datagedreven organisatie’ ze nog voor grote problemen. ‘Bij hun organisatieontwikkeling hebben bedrijven andere ontwerpprincipes nodig.’

Datagedreven werken Emily Morter via Unsplash
Je leest nu: Waarom transformeren naar een datagedreven organisatie nooit af is

Bedrijfsprocessen die realtime op marktontwikkelingen reageren. De website die elke klant haar unieke, op maat gemaakte producten aanbiedt. Fabricage en inkoop die zijn toegesneden op de klantwensen van overmorgen. Dat data en kunstmatige intelligentie organisaties veel kunnen bieden is welbekend. Ook dat je – als je de boot mist – een groot groot probleem hebt.

Niet voor niets zijn vrijwel alle organisaties de afgelopen jaren projecten gestart om de mogelijkheden van dataontginning te verkennen. Het beoogde doel, de datagedreven organisatie, dat wil zeggen de organisatie waarin de processen vanuit actuele data worden aangestuurd, is echter nog ver weg.

Sander Klous KPMG
Sander Klous: ‘Het is een misverstand dat digitale transformatie een proces van A naar B is’.

Typisch hebben organisaties hierbij een aantal fases doorlopen, zegt Sander Klous, partner Big Data Analytics bij KPMG Nederland en hoogleraar Big Data-ecosystemen aan de Universiteit van Amsterdam. Samen met zijn collega’s Maurice op het Veld en Ruben de Wolf begeleidt Klous al ongeveer tien jaar uiteenlopende bedrijven op dit gebied. Maar hoe verder bedrijven komen, hoe ingewikkelder de problemen waarmee ze te maken krijgen lijken te worden.

Experimenten met data

‘Aanvankelijk zie je meestal dat met een aantal experimenten wordt begonnen’, zegt Klous. Op geïsoleerde plaatsen in de organisatie wordt een ‘lab’ of ‘proof of concept’ georganiseerd. ‘Vaak worden er waardevolle lessen uit getrokken. Maar de inzichten kunnen lang niet altijd naar de rest van de organisatie worden vertaald.’ Om echt op de datarevolutie in te kunnen spelen moet er méér worden gedaan, is de onontkoombare conclusie.

Maar daarbij komen bedrijven lastige vraagstukken tegen. Hoe moet data-analyse in de operationele activiteiten worden opgenomen? Welke afdeling neemt de investeringen voor haar rekening? Welke ondersteuning kan de ICT-afdeling bieden?

Transformeren is koers zetten op een bewegend reisdoel

Als dataverkeer een grotere rol in de bedrijfsvoering speelt, ontstaan nieuwe risico’s. Hoe kan toezicht worden gehouden op processen die vanuit kunstmatige intelligentie worden aangestuurd? Hoe weten we wat de investeringen in data-analyse opleveren, en hoe, mocht dat tegenvallen, kunnen ze worden bijgestuurd?

Er is geen B

‘Een veel voorkomend misverstand is dat bedrijven de digitale transformatie als een proces van A naar B zien’, zegt Klous. We zitten nu in A, we maken onvoldoende gebruik van de digitale mogelijkheden, we moeten het proces doormaken naar de situatie dat we dat wel kunnen. Maar zo’n eindstation van de digitale transformatie is een illusie, zegt Klous. ‘Er is geen B.’

Transformeren is koers zetten op een bewegend reisdoel. De data waarmee organisaties te maken hebben en de algoritmes waarmee ze worden ontsloten, zijn voortdurend in ontwikkeling. Als processen datagedreven worden, veranderen ook de onderlinge relaties van de bedrijfsonderdelen.

De toegevoegde waarde die de data-ondersteuning vrijmaakt, kan het bedrijfsmodel van de organisatie een nieuwe inhoud geven. ‘Organisaties moeten Barbapapa worden’, zegt Klous. Ze moeten in staat zijn snel van vorm te kunnen veranderen.

Verschillende uitdagingen bij banken

Banken zijn een goed voorbeeld van de verschillende uitdagingen die een rol spelen. Dat systemen die gedetailleerde risicoanalyses kunnen doen van financiële producten (zoals hypotheken) de banken veel voordelen te bieden hebben, is duidelijk. Maar hoe moet het toezicht worden georganiseerd op de analysetools die in de verschillende agile teams van de bank worden ontwikkeld?

Binnen banken, zegt Klous, zijn vaak verschillende snelheden te zien. ‘Sommige afdelingen gaan hard met data, die zijn op zoek naar een model om hun oplossingen te exploiteren. Andere afdelingen hebben nog veel ondersteuning nodig om de mogelijkheden te onderzoeken.’ Nadat ze meer expertise opbouwen veranderen de behoeftes van de afdelingen echter weer.

Andere ontwerpprincipes inzetten

Hoe valt op zo’n samenhangende kluwen vraagstukken beleid te ontwikkelen? Het gevaar is dat de gordiaanse knoop de bedrijven lamlegt, aldus Klous. We kunnen er niks zinnigs over zeggen helpt in elk geval niet, zegt hij.

‘Op een of andere manier hebben bedrijven houvast nodig. Bij hun organisatieontwikkeling moeten ze andere ontwerpprincipes inzetten, principes die op data gebaseerd zijn, en meebewegen met de beschikbare gegevens en technieken.’ Samen met zijn collega’s ontwikkelt Klous dergelijke principes.

Langzame versus snelle dataprocessen

In twee datastromen denken is een voorbeeld. Klous: ‘Zie het als denken in “langzame” en “snelle” dataprocessen. Of als de hoofdweg versus het netwerk van lokale wegen.’ Bepaalde dataprocessen moeten robuust en betrouwbaar zijn. Facturen die worden uitgestuurd moeten bijvoorbeeld snel en tot op de komma nauwkeurig worden geproduceerd.

Andere processen zoals inschattingen van risico’s en marktontwikkelingen vragen meer flexibiliteit en minder nauwkeurigheid. Klous: ‘Het zijn de landwegen die snel worden aangelegd zodra de behoefte ontstaat, maar die als het landschap verandert makkelijk kunnen worden aangepast.’

De ‘hoofd-‘ en ‘landwegen’ vragen niet alleen om een verschillende architectuur en betrouwbaarheid, maar ook om ander beheer. Klous: ‘In het eerste geval concentreert het risicomanagement zich op de data zelf, waarvan de integriteit boven elke twijfel verheven moet zijn. In het andere richt het zich vooral op de uitkomsten van de analyses.’

Hub en spokes

Een ander model is dat van hub en spokes. Klous: ‘In de praktijk blijkt het handig te zijn om een centrale functie voor datamanagement in te richten, een hub. Van daaruit worden initiatieven in de organisatie met expertise ondersteund.’ In de hub wordt onder meer nagedacht over technische standaards.

Projecten die op verschillende plaatsen in de organisatie worden gedaan, de spokes, en die in verschillende stadia van volwassenheid kunnen zijn, behouden de flexibiliteit om op de omstandigheden in hun omgeving in te spelen. Klous: ‘Toch is het belangrijk dat ontwikkelingen in de spokes goed met de hub worden afgestemd, zodat de organisatie als geheel dezelfde kant op gaat.’

Met zijn collega’s Maurice op het Veld en Ruben de Wolf schreef Sander Klous het paper Two speed or not two speed, over de ontwerpprincipes van de datarevolutie. Meer informatie over deze paper vind je op de site van KPMG.

Waar bedrijven vaak aan moeten wennen, zegt Klous, is de andere perceptie van hun digitale transformatie. Het is een dynamisch proces waar het woord ‘eindpunt’ niet in het vocabulaire zit. Klous: ‘Het gebruik van data is het leidend beginsel van de transformatie. Wat je vooral in de gaten moet houden is hoe flexibel je bent, niet of je netjes op het doel afkoerst.’