8 april 2021 | By DMYB

Data-gedreven werken begint bij samenwerking

No comments

Relevantie voor het domein data-gedreven werken, vanuit welke invalshoek beantwoord jij de volgende vragen?

Ik ben zelfstandig data & analytics ondernemer met ruime commerciële en data ervaring in de telecomsector. Daarbij ben ik Associate Partner bij DataMindYourBusiness.

Wat zijn de meest voorkomende situaties die je ziet bij jouw klanten met een ambitie voor een meer data-gedreven organisatie?

Laatst was ik in gesprek met een klant en de discussie ging als volgt: “Ik begrijp er helemaal niets meer van, ik heb een volwassen Data & Analytics organisatie, alles gaat goed, maar toch komen resultaten met horten en stoten en voelt iedereen dat er ruimte is voor nog meer verbetering”. Mondeling deed mijn klant het assessment om te kunnen inschatten wat er aan de hand was:

  1. Data strategie aanwezig? – Check!
  2. Data organisatie die past bij de ambitie? – Check!
  3. State-of-the-art analyse en visualisatie platformen, systemen en tooling aanwezig? – Check!
  4. Data management en data governance processen? – Check!

Ik zie dus regelmatig dat alles op orde lijkt: een helder plan voor de toekomst, een team van analisten en data scientists, de juiste technologie en er wordt ook nagedacht over hoe data toegankelijk kan blijven in de toekomst. Maar niets is minder waar: er is vaak onbegrip en de verwachtingen zijn vaak hoger dan de resultaten.

Wat zie je als grootste belemmeringen in data-gedreven werken?

Natuurlijk is een juiste data architectuur of tooling belangrijk en zijn goede customer journeys onmisbaar, maar om echt waarde uit data te halen, is de focus op de mens belangrijk. Dat klinkt ‘soft’, maar dat is het niet. Hierbij 6 tips waarbij de menselijke interactie centraal staat om tot een data gedreven organisatie te komen:

  1. Data communicatie Wat is een data strategie zonder het uit te dragen en te vertellen aan je collega’s of partners en zo een verbindende data-gedreven lijmlaag vormt tussen mensen en afdelingen? Een plan verdwijnt in een bureaulade. Impact wordt pas echt gemaakt als het kennisniveau van de data ambitie, de richting, doelstellingen en planning goed afgestemd is tussen operationele-, financiële-, commerciële- en IT afdelingen. Het is belangrijk om afdelingen met elkaar te laten samenwerken om optimaal gebruik te maken van inzichten uit data teneinde waarde te creëren.
  2. Data kennis en kunde Daarnaast is het belangrijk om de juiste skillset van de analisten in huis te hebben dat past bij de strategie. Niet iedere analist kan meepraten in een commercieel gesprek, heeft organisatiesensitiviteit, kan een project leiden en niet iedere analist is geschoold in de laatste Agile methode of R/Python. Een juiste combinatie van skillset en mindset dat past bij de activiteiten en ambitie draagt zeker bij aan succes. Dit weet inmiddels iedereen. Maar naast de kennis en kunde van je analisten, is het net zo belangrijk om te kijken naar de niet-data gebruikers in je organisatie. “Hoe moet ik data gebruiken? Waar kan ik data vinden? Wat is de definitie? Hoe interpreteer ik dit dashboard? Ben wie moet ik zijn? Hoe stuur ik mijn team data gedreven aan?” zijn vragen die iedere werknemer eigenlijk moet kunnen beantwoorden. Als de niet-data gebruikers ook deze kennis hebben, zal er meer begrip en focus op data ontstaan in de organisatie en het proces naar een data gedreven organisatie alleen maar versnellen.
  3. Niet-data Managers Het is belangrijk om juist de Managers in de organisatie te betrekken. Zij zijn vaak druk met het behalen van korte termijn resultaten en het managen van hun team en de omgeving. Tijd om iets nieuws te leren is er niet, innovatie staat vaak onderaan het to-do lijstje en het ‘not invented here’ syndroom zijn belemmeringen. Toch zijn de managers juist belangrijk om het data gedreven werken te omarmen. Zij zijn de ideale data-ambassadeurs om data gebruikers te voorzien van context en perspectief hoe inzichten uit data toegepast kunnen worden in de dagelijkse activiteiten van de werknemer. Zij moeten wel open staan om nieuwe methoden met data aan te leren. Dit kan gerealiseerd worden door 1) hen te betrekken bij de data strategie 2) externe sprekers de managers van de juiste prikkel laten voorzien 3) training en educatie 4) opzetten van een data community.
  4. Data samenwerkingsmodel Verder is een juiste operating model en organisatiestructuur belangrijk dat past bij de data volwassenheid van de organisatie en het juiste ambitieniveau. Men kan niet verwachten dat met een plan en ambitie opeens waarde gecreëerd kan worden uit data. Hoe de verschillende afdelingen samenwerken, rollen en verantwoordelijkheden, mandaat, aansturing, sponsorship vanuit de directie en het besluitvormingsproces moeten tailormade gemaakt worden op iedere organisatie.
  5. Data cultuur Verder is een cultuur belangrijk waarin een gezonde drive naar progressie bestaat. Hoe definieer je succes en hoe wordt dat gemeten? Vaak is dat lastig en niet alles is in KPI’s uit te drukken, én niet altijd ook even noodzakelijk. Regelmatig is het goed opstellen van doelstellingen en hetgeen wat men hiermee wil bereiken al voldoende. Fouten maken mag. Zelfs 25% van de data experimenten gaat niet zoals gepland en dit moet geaccepteerd worden. Niet meteen de volgende Google of Facebook willen worden, maar een gezonde ambitie om iedere dag een stapje beter is worden volstaat.
  6. Balans tussen korte- en lang termijn doelstellingen Managers van Data & Analytics teams hebben vaak een fantastische roadmap om de organisatie een stap verder te helpen. Grote thema’s zijn vaak het automatiseren van rapportages, migraties van legacy systemen naar de cloud, opzetten van data management/governance etc. Niets mis mee zou je zeggen. Echter, met deze aanpak is de focus te veel op het goed inrichten van de datahuishouding op lange termijn. Interne klanten als Marketing of Sales snappen niets van deze roadmap en vinden dit veel te technisch. Verwachtingen van korte termijn bijdragen van data aan de Marketing of Sales doelstellingen worden niet waar gemaakt. “Het werkt niet” of “Ik krijg niet geleverd wat ik wil” zijn vaak gehoorde uitspraken, terwijl de Manager van het Data & Analytics team juist de indruk heeft het juiste te doen voor de organisatie. Afstemming tussen korte- en lange termijndoelstelling is hierbij dus cruciaal. Dit doe je door use case gedreven te gaan werken. Dus per use case een klein stukje automatiseren, migreren en data management opzetten in plaats van dit implementeren voor alle data dat je hebt zonder duidelijke interne klant.

Wat is de grootste les die je hebt geleerd in de afgelopen jaren?

Met het inzicht van vandaag had ik mijn focus rondom data-gedreven werken meer verlegd naar data storytelling om zo meer impact te kunnen maken vanuit een breder gedragen datavisie- en strategie. Hierdoor had ik meer verbinding kunnen maken met andere afdelingen en dus ook meer inzichten kunnen aanreiken afgestemd op het niveau (data literacy) van de interne klant, zonder belerend of betuttelend over te komen. Vanuit deze vertrouwenspositie had ik dus ook meer invloed kunnen uitoefenen op het beleid van deze afdelingen om data-inzichten te integreren in de jaarplannen. Vanuit deze instelling, in gezamenlijkheid met de business, intelligence afdelingen én IT kijken naar de best werkbare oplossingen. Oplossingen die uitgaan van kennis en kunde bij de medewerkers en de juiste intrinsieke motivatie in plaats van een schier aan controlemechanismen die alle creativiteit murw slaat en mensen dwingt in een proces keurslijf die daardoor ook strak gemanaged moet worden.

Waar moeten bedrijven en organisatie volgens jou mee starten om het data-gedreven werken te omarmen?

Het enige wat ik aanraad is dat je begint bij het begin. Vanuit een visie en een strategie draagvlak creëren bij afdelingen en medewerkers om het samen te doen en vanuit gezamenlijk vertrouwen in het eindpunt deze reis stap voor stap te ondernemen. Naast alle tips die in ieder data playbook staan van alle grote consultancybureaus, focus dus op datgene waarmee je echt het verschil maakt: je collega.

Over Arjan Schoe

Arjan is een bruggenbouwer pur-sang, een geëngageerd en toegankelijk mens die gezien zijn achtergrond en voortrekkersrol op het vlak van data & analytics over de laatste jaren in de telecom industrie hierover veel expertise heeft opgebouwd. Via Schoe Consulting, een Data & Analytics consulting boutique, met focus op data strategie, data operating model, data literacy en data interim management, deelt hij deze kennis en ervaring. Arjan is tevens Associate Partner bij DataMindYour Business.

POSTED IN / DMYBlogs