1. Datastrategie

Veel organisaties hebben (al) geïnvesteerd in technologie en zijn voortvarend aan de slag gegaan met data. Dit wakkert het enthousiasme aan, de mogelijkheden lijken oneindig en allerlei initiatieven ontplooien zich binnen de organisatie. Maar na verloop van tijd verdwijnt dit positieve sentiment: organisaties en medewerkers lopen tegen belemmeringen aan, ervaren het werken met data als complex en de aangeschafte technologie wordt gezien als een slechte investering. In veel gevallen is de oorzaak dat men het doel uit het oog verloren is, want: wat willen wij nou eigenlijk bereiken met data?

De eerste belangrijke stap in het werken met data is het opstellen van een juiste datastrategie. Een goede datastrategie kan organisaties helpen om doelen te bepalen en te integreren in hun bedrijfsstrategie. Dit kun je doen door bijvoorbeeld het beantwoorden van vragen, zoals:

• In hoeverre kunnen wij data inzetten in het bewerkstelligen van onze missie?
• Hoe past data in de visie van onze organisatie?
• Hoe kan data onderdeel worden van verdienmodellen of kan het leiden tot een nieuw verdienmodel?
• Hoe kunnen wij onze data inzetten om organisatiebreed te verbeteren?

Het opstellen van een goede datastrategie is niet eenvoudig, maar wel noodzakelijk. Het vormt de kapstok waaraan jij als organisatie het werken met data kunt gaan ophangen. Een middel om te starten met jouw datastrategie is onze Data Maturity Strategie, wat inzicht biedt in de huidige fase en aanbevelingen, een plan van aanpak én concrete vervolgstappen geeft om jouw organisatie naar het gewenste niveau te krijgen. Klik hier voor de gratis Data Maturity Scan.

2. Op zoek naar de juiste businesscase!

Vanuit de opgestelde datastrategie, is het belangrijk om je te focussen op het identificeren van gewenste oplossingen: de businesscases. Hierbij moet er kritisch worden gekeken naar enerzijds de toegevoegde waarde (denk aan: omzet, winst, procesoptimalisatie) en anderzijds de complexiteit (denk aan: kosten, tijd, expertise, beheersbaarheid).

Je kunt dit organiseren door middel van een brainstormsessie. Tijdens zo’n sessie ga je gezamenlijk, met betrokken stakeholders, businesscases verkennen om hier gelijk de toegevoegde waarde en complexiteit aan te koppelen. Na afloop ben je in staat om alle businesscases te plotten op een matrix (assen: toegevoegde waarde en complexiteit), wat direct inzicht biedt in datgene waar je mee aan de slag moet.

3. De basis op orde 

Je hebt een datastrategie opgesteld en verschillende businesscases gedefinieerd om aan de slag te gaan. Goed bezig! Maar wellicht ga je nog aan iets voorbij: in hoeverre heb jij jouw basis wel op orde? Want heb jij bijvoorbeeld gedacht aan:

• Hoe waarborgen wij onze datakwaliteit?
• Wie is verantwoordelijk voor de data of een bepaalde datastroom?
• Hebben wij vastgelegd op welke wijze data opgeslagen, bewerkt en gebruikt mag worden?
• Hoe richten wij de toegang tot onze data in?
• Voldoen wij eigenlijk wel aan geldende wet- en regelgeving?

Het is belangrijk om te beseffen dat er een goede basis nodig is om van start te kunnen gaan met data. Het opzetten van een goed data governance framework is daarom van cruciaal belang. Data governance is het beleid en de regels binnen een organisatie die bepalen hoe data wordt beheerd, inclusief rollen en verantwoordelijkheden. Data governance kan als complex ervaren worden en veel tijd in beslag nemen.  Daarentegen is het de investering meer dan waard, omdat hiermee de integriteit en betrouwbaarheid van data gewaarborgd wordt en het de basis vormt waarop verdere data-initiatieven ontplooid kunnen worden.

4. Data Mesh

Wat nauw samenhangt met data governance, is de wijze waarop het werken met data wordt georganiseerd. Dit is een relevant vraagstuk, waarbij gemaakte keuzes voortdurend op een weegschaal moeten worden gelegd: het moet voldoen aan de opgestelde richtlijnen, maar het mag het werken met data niet belemmeren.

Een aanpak om het werken met data op een effectieve, efficiënte manier te organiseren is volgens de Data mesh architectuur. Hierbij is de verantwoordelijkheid voor data belegd bij de verschillende domeinteams (denk aan: HR, Finance, Marketing), wordt data benaderd als een product en stimuleert en ondersteunt een centraal platform deze werkwijze geheel conform het ingerichte data governance framework. Het maakt de samenwerking tussen verschillende domeinen binnen de organisatie gemakkelijker, met als resultaat dat je als organisatie sneller in staat bent om toegevoegde waarde uit je data te halen.

Iedere organisatie verschilt in de mogelijkheden om het werken met data te organiseren. Omvang, branche, medewerkers, bedrijfscultuur, budget, IT infrastructuur en de opgestelde datastrategie zijn voorbeelden van factoren die hierbij een rol spelen. Echter, iedere organisatie kan wel aan de slag om domeinkennis en data dichter bij elkaar te brengen, waarmee de kans op het succesvol werken met data wordt vergroot.

5. Data Literacy 

Je bent op de goede weg: de datastrategie is vormgegeven, jouw data governance framework is geïmplementeerd, verschillende domeinteams werken nauw samen aan dataproducten, welke op hun beurt weer afgeleiden zijn van de opgehaalde businesscases. Maar binnen de organisatie wordt amper gebruikgemaakt van de dataproducten; hoe kan dat?!

Grote kans dat er dan nog niet voldoende aandacht besteed is aan de mens. Als het gaat om de mensen, is het essentieel om hen goede ondersteuning te bieden na de oplevering van een dataproduct. Het is belangrijk dat mensen duidelijk weten hoe ze data kunnen begrijpen, ermee kunnen werken en hierover kunnen communiceren.

Om een Data Cultuur te stimuleren en organisatiebreed Data literacy te bevorderen, is community building een geschikte vorm. Hierbij kun je denken aan het organiseren van kennissessies, inspiratieworkshops, het aanbieden van trainingen, maar ook het samenbrengen van mensen om kennis en best practices te delen.

De mate waarin je hiermee aan de slag gaat is wederom afhankelijk van verschillende factoren. Maar één ding kun je altijd doen: niet in de valkuil trappen om te denken dat het optuigen en inrichten van het platform alleen al voldoende is.

Waarom geen AI?

Ondanks de huidige opkomst van ChatGPT wordt AI niet benoemd als één van de 5 punten… Vreemd! Ik zie de bovenstaande 5 punten als belangrijke randvoorwaarden om uiteindelijk AI succesvol toe te kunnen passen. Naar mijn mening kunnen veel organisaties zich nu beter focussen op deze randvoorwaarden, dan op het koste-wat-het-kost toepassen van AI. En heb je de basis al goed op orde? Dan kun je zeker AI gaan toepassen, vooral op het moment dat de geschikte businesscase voorbij komt.

Conclusie

De vijf genoemde punten zijn onderling sterk verbonden en de samenhang is essentieel voor het behalen van succes. Het opstellen van een solide datastrategie is van groot belang om data effectief te kunnen benutten en de bedrijfsdoelstellingen te behalen, terwijl het investeren in data governance, data mesh en data literacy ervoor zorgt dat de integriteit en betrouwbaarheid van de data wordt gewaarborgd en het werken met data wordt gestimuleerd. Door deze stappen toe te passen binnen je organisatie maak je het mogelijk om te werken aan businesscases, die écht toegevoegde waarde opleveren.

Wil jij graag deze stappen toepassen binnen je organisaties? Ontdek nu hoe Infotopics jouw organisatie kan ondersteunen door middel van onze uitgebreide trainingen en workshops. Neem vandaag nog contact met ons op voor een inspirerend gesprek en geef jouw datastrategie een boost!