Zó maak je van datagedreven werken een succes

Organisaties beginnen doorgaans met datagedreven werken omdat ze meer op feiten willen sturen. Ook willen ze steeds sneller kunnen acteren en dus sneller besluiten kunnen nemen.

Om goede, onderbouwde strategische beslissingen te kunnen nemen voor de (nabije) toekomst, vertrouwt het hogere management steeds vaker op data, ziet ook organisatieadviseur Ruben Huidekoper van House of Performance. ‘Data leggen – mits van goede kwaliteit – de mogelijkheden en beperkingen bloot van een product of dienst in een steeds weer veranderend landschap en bieden zo een kijkje in de keuken van de toekomst.’

Geen integraal beleid

Maar: zulke leidende strategische inzichten ontstaan niet zomaar, benadrukt Huidekoper. ‘Voor de meeste organisaties zijn data bijvangst van hun kernpropositie. Zo verstrekken klanten vaak hun persoonlijke gegevens en voorkeuren bij het aankopen van een product of afnemen van een dienst. Ook zie je dat veel organisaties zelf data vastleggen bij het uitvoeren van interne processen. Denk bijvoorbeeld aan het loggen van telefoontjes die bij een helpdesk binnen komen.’

‘Maar juist omdat de data zelf in deze gevallen geen onderdeel zijn van het product of de dienst die een organisatie aanbiedt, ontbreekt vaak een integraal beleid rondom datakwaliteit dat expliciet maakt wie wat registreert, op welke manier en waarom. En dat is een gemiste kans, want een aloude wet in dataland luidt: garbage in is garbage out.’

Bestuur de datakwaliteit

Voor bedrijven en organisatie die daadkrachtige en dappere besluiten willen kunnen nemen, ligt hier volgens Huidekoper een eerste oproep: bestuur de datakwaliteit! ‘De datakwaliteit is doorgaans altijd minder dan je idealiter zou wensen. Dat leidt dan al snel tot de conclusie ‘dat het niet werkt’, waarna mensen de analyse naast zich neerleggen. Vaak voelen medewerkers zich enigszins bedreigd als de organisatie datagedreven wil gaan werken. Als er dan één foutje in je data zit, kan dat al betekenen dat mensen afhaken.’

Leren vertrouwen

Belangrijk bij dit alles is daarom vooral dat je medewerkers leren vertrouwen op data in plaats van op hun onderbuik, vervolgt Huidekoper. ‘Als feiten niet of niet snel genoeg terechtkomen op de plek waar de besluitvorming plaatsvindt, zullen organisaties geneigd zijn om tóch te koersen op de onderbuik en op resultaten uit het verleden. Nu is vertrouwen op je onderbuik niet per definitie onjuist; hoogstwaarschijnlijk leidt je onderbuik vaak genoeg tot een besluit met een positief resultaat.’

Aannames

‘Maar daardoor leer je niet hoe je nóg betere besluiten kunt nemen in een almaar veranderende omgeving. Teams zijn vaak gewend om op een bepaalde manier te werken, vanuit een bepaalde overtuiging en ervaring dat iets werkt. De neiging bij medewerkers is dan ook vaak groot om te denken: ik heb daar geen verdere bevestiging voor nodig. Terwijl het goed kan zijn dat hun aannames niet helemaal kloppen.’

Confirmation bias

Bij het expliciteren van aannames en het transparanter maken van keuzes bestaat bovendien het risico dat mensen in de weerstand schieten, schetst Huidekoper. ‘Het gevoel is dan toch al snel: blijkbaar heb ik jarenlang iets verkeerd gedaan, terwijl de resultaten al die tijd toch goed waren. Deze reactie is menselijk. Mensen zoeken toch vaak naar bevestiging in resultaten en data van iets dat ze al vermoedden, de zogenoemde confirmation bias. Maar met alle beschikbare data en analysekracht is het zaak om juist verder te zoeken dan die eerste reflex: ‘Zie je nou wel, dat dacht ik al’.’

Advertorial

Fact-based sturen: hoe doe je dat?

Ervaring en onderbuikgevoel maken steeds meer plaats voor feiten en cijfers. Wat betekent dit fact-based sturen in de praktijk en wat zijn de kansen en valkuilen?

lees verder

Data stewards

Ook hier speelt datakwaliteit weer een cruciale rol, benadrukt Huidekoper. ‘Hoe eerder het voor de gehele organisatie duidelijk is wat onder goede data wordt verstaan en wie daarvoor verantwoordelijk is, hoe waardevoller de inzichten die uiteindelijk het hogere management zullen bereiken. Wat hierbij kan helpen is het aanstellen van een of meerdere data stewards: dataspecialisten die de organisatie informeren over het belang van datakwaliteit en die de data ook vanuit businessperspectief kunnen interpreteren.’

‘Dit interpretatievermogen van data stewards is onmisbaar voor de verdere technische verwerking van de data. Immers, degenen die deze data verder behandelen moeten weten welke business rules  van toepassing zijn. Op basis van die informatie kan je van ruwe data vervolgens bijvoorbeeld KPI’s maken.’

Architectuur

De meeste organisaties verdiepen zich in de customer journey en onderzoeken waar bottlenecks ontstaan in de beleving van de klant; van het eerste contact tot en met eventuele nazorg. Het hogere management zou zo’n zelfde grondige benadering kunnen hanteren als het gaat om de verdere verwerking van data, denkt Huidekoper. ‘Een Head Of Data zou de architectuur bijvoorbeeld kunnen uittekenen. Dit maakt duidelijk waar data in de organisatie ontstaan, waar dit wordt opgeslagen, en welke handelingen vervolgens nodig zijn om tot een bruikbaar instrument zoals een dashboard te komen.’

Investeer in de dataketen

‘De architectuur is op deze manier ook met name waardevol om een aantal essentiële vragen te beantwoorden. Wie kan de data uit de systemen halen en ervoor zorgen dat deze op de juiste plekken komt? Wie gaat daarna de data aan elkaar verbinden om tot rijkere inzichten te komen? En wie gaat de inzichten duiden en vastleggen, bijvoorbeeld in dashboards?’

‘Door functies voor elk van deze vragen te creëren leidt een organisatie specialisten op, die qua kennis en werkzaamheden precies genoeg overlap hebben om elkaars behoefte goed in te kunnen schatten. Zo creëer je een dataketen die efficiënt en effectief samenwerkt.’

Prescriptive analytics

Een goed georganiseerde dataketen zorgt ervoor dat je het maximale uit data kunt halen, schetst Huidekoper. ‘Een goed georganiseerde dataketen zorgt voor een efficiënte, continue en betrouwbare stroom aan informatie die managers zekerheid biedt – en dat is cruciaal voor het bewaken van de missie en visie van een organisatie. Als je het goed aanpakt, groei je zo uiteindelijk toe naar een werkwijze op basis van prescriptive analytics. Daarbij gebruik je data om de toekomst te ‘voorspellen’, waarbij de dataketen concrete acties suggereert om op die toekomst in te spelen.’

Verwondering

Datagedreven werken draait in de basis om verwondering, benadrukt Huidekoper. ‘Wil je als organisatie meer datagedreven gaan werken, dan is het belangrijk om ook op C-level het goede voorbeeld te geven. Dit doe je al door transparant te zijn over jouw overtuigingen en aannames. Maar ook door je medewerkers voldoende ruimte te bieden om te experimenteren.’

Betere performance

Staar je in de boardroom verder vooral niet blind op de technologie alléén, benadrukt Huidekoper ten slotte. ‘Datagedreven werken draait primair om het onderzoeken van overtuigingen, om op basis daarvan steeds betere besluiten te kunnen nemen. Steeds betere tooling en een goed datafundament helpen om dit proces te vergemakkelijken en te versnellen, maar uiteindelijk draait datagedreven werken zoals gezegd vooral om verwondering en context. Wat gebeurt er nou precies? En waarom onderzoeken we dat?’

Vertrouwen op de cijfers

‘Als je dat duidelijk weet te maken, en je biedt medewerkers voldoende ruimte om hun onzekerheden en twijfels te uiten, wordt de kans een stuk groter dat mensen daadwerkelijk gaan vertrouwen op de cijfers. En dat datagedreven werken ook daadwerkelijk bijdraagt aan een betere performance.’

Dit artikel wordt u aangeboden door

House of Performance

Wij zorgen dat mensen, teams en organisaties kunnen excelleren. Binnen Nederland en ook daarbuiten doen wij dat door ze te adviseren en ondersteunen waar dat kan en te confronteren waar het moet. Ook binnen onze eigen organisatie staat het laten excelleren van mensen centraal. Een van de redenen dat wij ook dit jaar weer gecertificeerd zijn als Great Place To Work.

Meer info