Dataprojecten falen nog altijd érg vaak. Gartner schatte in 2017 dat 85 procent van ‘big data’-projecten faalde, en een VentureBeat-rapport uit 2019 concludeerde dat 87 procent van de data science-projecten de productieomgeving niet bereikte. Later voorspelde Gartner dat slechts 20 procent van de datastrategieën daadwerkelijke bedrijfsresultaten zou opleveren.
Eén van de kernoorzaken waarom het vaak niet lukt: de kloof tussen boardroom en werkvloer, stelt Elias Hassing, consultant bij data consultancybureau Digital Power. ‘Techneuten die in een bedrijf werken worden te vaak niet betrokken bij de planvorming. Dan krijg je abstracte, algemene ‘strategieën’, vaak hype-gedreven.’
Het resultaat? Plannen die niet concreet genoeg zijn en mensen niet meekrijgen. ‘Als je zelf een techneut bent en je krijgt een verhaal dat nergens op slaat, dan heb je weinig motivatie om daaraan mee te helpen.’
Het Red Queen effect
De snelheid waarmee technologie evolueert, maakt het probleem nijpender. ‘Acht jaar geleden was het: we moeten iets met blockchain. Nu hoor je: we moeten iets met AI. Technologie kan je alleen helpen als je weet waarmee het je kan helpen. Als je dat niet scherp hebt, krijg je het Red Queen-effect.’
Dat effect werkt zo: je denkt een goede strategie te hebben en drie stappen vooruit te gaan, maar ondertussen verslechtert je concurrentiepositie — terwijl jij denkt vooruit te lopen. ‘Als je denkt: we hebben tijd zat, we gaan eerst een ERP-systeem implementeren en daarna kijken of we AI-ready zijn in 2029, mis je het besef dat je concurrenten niet allemaal met dezelfde tijdlijn bezig zijn’, aldus Hassing.
In welke categorie valt je probleem?
Voordat je begint met tools en technologie, moet je weten in welke categorie je probleem valt. ‘Organisaties proberen meestal een van vijf dingen op te lossen: het verbeteren van interne efficiëntie, het besparen van kosten, het verbeteren van sales, het verbeteren van customer experience of het maken van nieuwe producten’, zegt Hassing. ‘Kies eerst je categorie. Dan weet je ook waar je energie naartoe moet.’
Warmtebedrijf Ennatuurlijk is voor Hassing een goed voorbeeld van hoe dat er in de praktijk uit ziet. ‘Digital Power begon met hen in een discovery-fase: welke problemen hebben ze en wat is de data-ambitie? We hebben een aantal ambities uitgewerkt en een plan gemaakt. In die planfase hebben we het ook over de roadmap gehad: wie sluiten er aan en hoelang ben je bezig?’
Na plannen ook doen
Direct na de planfase organiseerde Ennatuurlijk data-dinsdagen, vertelt Hassing. ‘Op dinsdagen werden er bijeenkomsten georganiseerd en werden schermen in het gebouw getoond met informatie over releases, trainingen en tips over datagedreven werken. Het voornaamste doel: laten zien dat er een ontwikkeling gaande is en mensen meenemen op die reis.’
Maar het bleef niet alleen bij communicatie. ‘Er werden ook analytics-trainingen gegeven — en dan niet alleen over de technologie, maar juist ook over de vragen die je moet stellen. Hoe zorg je ervoor dat de technologie helpt om daar antwoord op te geven? Je ziet hoeveel stappen een organisatie zet in hoe ze dat omarmen, hoe het gebruikt wordt en hoeveel vragen er uit het team loskomen.’
Hoe datavolwassen is jouw organisatie? Ontdek het in 5 minuten met de gratis online data maturity scan
Zie direct waar je staat en ontvang een rapport met concrete vervolgstappen en gerichte aanbevelingen.
lees verder
Verkeerde reflexen
Het probleem is dat organisaties vaak de verkeerde reflex hebben. Een andere klant wilde een data warehouse. ‘Dat kon, maar er was meer informatie nodig om te begrijpen of dit de juiste oplossing was voor hun probleem’, aldus Hassing. ‘Bij nader inzien bleek een eenvoudige analytics tool te volstaan. Dan heb je een heel ander kostenperspectief, misschien 20.000 euro tegenover 200.000 euro per jaar.’
‘Het voelt altijd als een makkelijkere stap om te zeggen: we gaan er een heel groot project van maken en direct een aantal zaken uitbesteden’, zegt Hassing. ‘Dat hoeft niet. De tools die je nu in de markt hebt, zijn toegankelijker dan ooit tevoren. Je kunt een proefabonnement nemen, een tool voor een aantal maanden gebruiken. Dat geeft je gelijk perspectief: hoe ziet het eruit, hoe ingewikkeld is het en wat kost het?’
Explorers versus trailblazers
Om organisaties te helpen richting te vinden, gebruikt Digital Power een data maturity scan. ‘Dat doen we met twee hoofddimensies: bewustzijn en vermogen’, zegt Hassing. ‘Dat maakt snel inzichtelijk waar een organisatie precies staat in haar datavolwassenheid.’
De resultaten zijn vaak veelzeggend. Onderzoek op MIT (Massachusetts Institute of Technology) naar digitale volwassenheid toont aan dat organisaties in de explorer-categorie (niet volwassen) 10 procent achterlopen op omzetgroei vergeleken met de benchmark. Winstmarges zijn ook 7 procent minder. ‘In sommige industrieën is een winstmarge van 3 procent de benchmark — als je daar 7 procent vanaf zit, heb je daar last van.’
Aan de andere kant boeken trailblazers (organisaties die wel datavolwassen zijn) 9 procent meer omzetgroei dan de benchmark en 26 procent meer marge. ‘Veel organisaties roepen dat er geen budget is voor data-initiatieven. Een businesscase is makkelijk gemaakt met dit soort statistieken.’
Sectorbrede valkuilen
Niet elke sector kampt met dezelfde obstakels. ‘In vastgoed of de bancaire sector werken organisaties soms al dertig jaar redelijk hetzelfde, met weinig invloed van technologie’, ziet Hassing. ‘Dan is er wat meer scepsis over wat je ermee kunt.’
B2b-bedrijven zijn gemiddeld nog het minst datagedreven. ‘Terwijl hun medewerkers privé wel dezelfde digitale ervaringen hebben als zij bijvoorbeeld een online aankoop doen. De vraag is of ze zich kunnen voorstellen wat het betekent om dit in hun eigen werk toe te passen.’
Geen budget voor externe adviseurs? Dat hoeft ook niet direct. ‘Begin met inspiratiesessies, workshops of trainingen die beperkt van schaal zijn’, adviseert Hassing. ‘Als je daar geen budget voor hebt, zit je organisatie wel in de penarie. Het draait erom dat je een ander perspectief krijgt op wat er mogelijk is. Denk na over hoe je organisatie eruitziet als je datagedreven gaat werken en welke kansen het biedt.’
Voorbeeldfunctie vanuit de top
Voor C-level managers heeft Hassing een duidelijke boodschap: juist vanuit de boardroom heb je een voorbeeldfunctie. ‘Het is makkelijk om op een podium te staan, een strategie te presenteren en te zeggen: ga ervoor. Maar als je er zelf geen gebruik van maakt of er niet bij bent, geloven mensen niet dat het echt belangrijk is.’
Hij ervoer dit bij een vorige werkgever, een startup waar iedereen enthousiast was over een nieuwe tool voor documentatie, Objective Key Results (OKR’s) én strategische analyses. ‘Iedereen behalve de ceo’, zegt Hassing. ‘Je gaat dan in een ander tempo samenwerken. Als iemand die wel belangrijk is voor draagvlak zegt: ‘Ik heb al genoeg aan mijn hoofd en ga geen tijd stoppen in een nieuwe tool’, dan maak je het onnodig lastig voor jezelf als organisatie.’
Van strategie naar resultaat
Voor organisaties die verdwalen in mogelijkheden heeft hij een simpel advies, geïnspireerd door de Cheshire Cat uit Alice in Wonderland. ‘Als Alice vraagt: ‘Welke kant moet ik op?’, antwoordt de Cheshire Cat ‘Dat hangt ervan af waar je naartoe wilt’. Alice zegt vervolgens ‘Dat maakt me niet uit’, waarna de kat zegt: ‘Dan maakt het ook niet uit welke kant je opgaat.’’
‘Dat geldt voor veel tech-buzzwords’, zegt Hassing. ‘Het lijkt allemaal interessant, maar als je niet weet waarom je het wilt gebruiken én niet weet welk probleem je oplost, kun je alles gaan doen óf niets — het maakt niet uit.’
‘Daarom begint elke succesvolle datastrategie met dezelfde vraag: welk probleem los je op? De rest volgt vanzelf. Door te starten met het stellen van de juiste vraag, besteed je je tijd efficiënt, werk je effectief naar je doel toe en verspil je geen resources.’
Dit artikel wordt u aangeboden door
Digital Power
Als data & AI-consultancybureau zijn wij jouw gids in het datadomein. We begrijpen dat iedere organisatie uniek is, met een eigen ambitie en (data)volwassenheidsniveau. Onze 100+ data- en AI-specialisten staan klaar om jou de ondersteuning te bieden die jij nodig hebt. Met onze brede kennis en ervaring (ruim 250 verschillende klanten) kunnen we je bij ieder data- en AI-vraagstuk ondersteunen. We zijn snel inzetbaar, flexibel en hebben een pragmatische aanpak die werkt.
Meer info
