Je datavisie is als het noorderlicht aanschouwen binnen de poolcirkel: het vergezicht is zó schitterend dat de reis ernaartoe – als alles goed gaat – de moeite waard is. Nu we toch naar de hemel aan het kijken zijn: net zoals de Poolster fungeert je datastrategie als een gezamenlijk kompas dat jouw organisatie helpt om bij je droombestemming te komen. Trap je de transformatie af zonder duidelijk doel en strijdplan? Dat is riskant. In het beste geval kom je weg met vertraging door een inefficiënte aanpak of discussies over het budget. In het ergste geval mislukt de hele datatransformatie en moet je ‘m over een tijdje opnieuw doen. Bepaal waar je heen gaat en hoe je daar komt. Op papier klinkt dit eenvoudig, maar bij een datagedreven transformatie moet je een zee van complexiteiten trotseren. Binnen de dimensies mensen, processen en technologie zijn er talloze – onderling vaak sterk verbonden – factoren die je moet incalculeren.Van vertraging tot mislukking
Een zee van complexiteiten
Datavisie: noorderlicht als je droombeeld
Het opstellen van je datavisie, zo legden we eerder uit, is één van de eerste etappes van je transformatie-journey. Voor je visie beschrijf je op heldere en inspirerende wijze jouw noorderlicht, oftewel het doel en de ambities van je datatransformatie. Staat je datavisie vast, dan beschikt iedereen over de eindcoördinaten.
Datastrategie: de Poolster als navigatiehulp
Welke concrete stappen, middelen en methodes zijn vereist om bij je droombeeld te komen? Dat staat gedetailleerd beschreven in jouw datastrategie (die ook een routekaart met etappes en mijlpalen omvat). Net zoals de Poolster zeelieden al eeuwenlang de juiste koers laat vinden, is je datastrategie een navigatiehulp die iedereen effectief en efficiënt naar het eindpunt gidst.
Wat zijn de belangrijkste risico’s van een datatransformatie als je géén gezamenlijk doel en eenduidige routekaart hebt?
Risico #1: vertraging door transformatiediscussies
Welk dataproject heeft momenteel prioriteit: datakwaliteitsverbetering of experimenteren met een AI-chatbot? Moeten we extra tijd, geld en personeel toewijzen aan specifieke datatransformatie-initiatieven, zoals de implementatie van BI-tools of het upgraden van het datalandschap? En hoe meten we het succes van onze datatransformatie-inspanningen eigenlijk?
Met een duidelijk gedefinieerd eindpunt en een concreet plan van aanpak minimaliseer je de kans op tijdrovende discussies tussen stakeholders of afdelingen over dit soort kwesties.
Risico #2: halve oplossingen en volledig gemiste doelen
Versnipperde inspanningen, gebrekkige focus, te weinig financiering of ondersteuning voor (delen van) de transformatie, kansen of bedreigingen waar vooraf onvoldoende over is nagedacht, aspecten zoals adoptie die niet van meet af aan zijn meegenomen … Al deze factoren kunnen zagen aan de effectiviteit van losse dataprojecten of de transformatie als geheel.
Stel, je hebt een data lakehouse keurig – technisch – geïmplementeerd. Maar wordt data vervolgens verzameld zonder duidelijk doel, is er geen solide data governance of sluit het dataplatform niet aan bij de wensen en eisen van stakeholders? Grote kans dat het platform niet relevant of betrouwbaar genoeg is voor echte data-impact.
Risico #3: een hoop tijd en moeite voor niks
Ontbreekt het aan een doordacht doel en integraal plan? Vaak leidt dit tot (deels) dubbele data-initiatieven, nodeloze investeringen in data-infrastructuurcomponenten en tot dataprojecten en oplossingen die onvoldoende waarde voor de business hebben.
Een bekend voorbeeld van verkwisting: verschillende teams die hun eigen methoden, tools en standaarden gebruiken. Een deel van de organisatie werkt bijvoorbeeld met CRISP-DM om van ruwe data tot een geschikt formaat voor analyse te komen, een ander deel met een eigen methodologie. Op deze manier verlies je tijd. Door de stroeve samenwerking tussen teams, twee keer uitvinden van het wiel en door fouten die optreden bij de data-analyse.
Risico #4: medewerkers gooien de kont tegen de krib
Transformeren naar een datagedreven organisatie heeft veel impact op medewerkers. Ze moeten anders werken, data-first denken en een data-enthousiaste cultuur omarmen. Tien tegen één dat een deel van de medewerkers in verzet komt.
Naast technology en process is dus ook people een belangrijke transformatiedimensie. Houd daar in je visie en strategie al rekening mee. Betrek stakeholders, overtuig medewerkers en bevorder een datacultuur: je strategische agenda bevat hiervoor concrete handvatten.
Belangrijke vragen waar je bij stilstaat zijn bijvoorbeeld: hoe zorg je dat iedereen vertrouwen krijgt in data én hierop durft te beslissen? En wat is je plan van aanpak voor tegenvallers? Je krijgt hoe dan ook tegenslagen. Denk aan eerdere rapportages die, door een menselijke misser, niet blijken te kloppen.
Data driven kun je uitsluitend worden als je van meet af aan – op integrale wijze – oog hebt voor de mensdimensie (waar ook datageletterdheid en data governance toe behoren).
Missie en strategie: licht in de dataduisternis
Het zal inmiddels duidelijk zijn: onvoorbereid en ondoordacht een datatransformatie ingaan is synoniem voor een black box waar vooral problematische scenario’s uitkomen. Je missie is een schitterend eindpunt; je strategie een verlicht pad om daar te komen. Samen zorgen ze voor richting, samenhang en focus, voor álle acties, investeringen en beslissingen.
'Wat is er nodig om te transformeren naar een datagedreven organisatie ? In de contentserie 'Op jacht naar zakelijk succes met data' gaan we met datadokter/datadeskundige/dataduizendpoot Pieter-Jan Snijders achter alle uitdagingen, kansen, tips en tricks aan. Zo willen we (vooral minder datavolwassen) bedrijven een kickstart geven op weg naar werkelijk datagedreven werken.'
