Categorie: Blogs

Tijdens mijn vakantie heb ik veel nagedacht over de vraag waarom bedrijven functioneren zoals ze functioneren. En waarom bedrijven die digitaal ontstaan zijn anders functioneren en anders “aanvoelen” dan traditionele bedrijven. Waarom bedrijven die vanaf het begin anders waren de neiging hebben om terug te vallen in traditionele patronen en te worden zoals traditionele bedrijven.

Ik realiseerde me dat de patronen in organisaties natuurlijk het gevolg zijn van de menselijke natuur. Deze drijft veel herkenbare gedragspatronen. Ten eerste, de vorming van hiërarchieën. Zoals ik een paar jaar geleden al schreef, gaat de behoefte om ons in hiërarchieën te organiseren volgens sommigen honderden miljoenen jaren terug in onze evolutie, lang voordat er überhaupt zoogdieren waren. Veel van het gedrag in de maatschappij en in bedrijven wordt gedreven door onze aangeboren behoefte om te concurreren en te strijden om een positie in het enorme aantal verschillende hiërarchieën die voor ons beschikbaar zijn in de moderne maatschappij.

Ten tweede, en een direct gevolg van het eerste patroon, is er de behoefte om macht uit te oefenen over anderen. Een hogere positie in een hiërarchie geeft macht en, tenzij dit zorgvuldig wordt gecontroleerd, de behoefte om die macht te gebruiken voor persoonlijk gewin in plaats van het algemeen belang.

Het derde patroon is dat mensen heel sterk vertrouwen op hun eigen overtuigingen en de neiging hebben om te werken op basis van meningen in plaats van feiten. Voor de meesten van ons voelt het alsof je gezichtsverlies lijdt als iets waarin je gelooft niet blijkt te kloppen. En we streven ernaar om de werkelijkheid zo veel mogelijk af te stemmen op onze overtuigingen en worden gemakkelijk defensief als we worden uitgedaagd met gegevens die onze overtuigingen tegenspreken.

Deze menselijke gedragingen zorgen ervoor dat traditionele organisaties werken zoals ze werken, inclusief de hiërarchieën, de bazen die eisen gehoorzaamd te worden zelfs als beslissingen nergens op slaan en de algemene neiging om ongemakkelijke gegevens te negeren die je gewoon in het gezicht staren. Dit wordt nog verergerd door het feit dat de meeste organisaties succesvol zijn geworden omdat ze op de een of andere manier anders zijn dan de rest van de maatschappij. Deze “wij versus zij” mentaliteit versterkt alleen maar ons basaal menselijk gedrag.

De opkomst van digitale technologieën brengt echter een fundamentele verschuiving met zich mee in de manier waarop bedrijven werken. De kern van deze fundamentele verschuiving ligt in het besef van het herkennen van menselijk gedrag en het niet negeren ervan (wat velen op eigen risico hebben gedaan), maar tegelijkertijd het stroomlijnen ervan om ervoor te zorgen dat dit gedrag de gewenste resultaten genereert, in plaats van terug te vallen in traditionele structuren.

Deze bedrijven zijn zo succesvol omdat ze instinctief menselijk gedrag anders inzetten. Hiërarchieën worden bijvoorbeeld niet genegeerd, maar zijn zoveel mogelijk gebaseerd op meritocratische principes. Bovendien zijn ze zo gestructureerd dat ze tijdelijk zijn, in plaats van in steen gebeiteld.

Ten tweede wordt het verlangen om macht uit te oefenen over anderen getemperd door het gebruik van empowerment en verwante mechanismen die de macht van het ene individu over het andere beperken. In plaats van te vertrouwen op een baas in een hiërarchie, is elk individu vrij en wordt er verwacht dat hij of zij verantwoordelijkheid neemt voor zijn of haar eigen beslissingen en acties.

Ten derde gebruiken deze bedrijven gegevens om continu overtuigingen van individuen en groepen uit te dagen en alternatieve interpretaties van gegevens aan te moedigen om te voorkomen dat de organisatie verstrikt raakt in groepsdenken en defensief wordt rond belangrijke ideeën. De meeste SaaS-bedrijven maken bijvoorbeeld uitgebreid gebruik van A/B-tests – een ongelooflijk effectief hulpmiddel om “schaduwovertuigingen” in de organisatie te doorbreken.

De afgelopen jaren ben ik me echter gaan realiseren dat het verschil tussen traditionele en deze moderne, digitale bedrijven fundamenteel is en begint bij de basisaannames en cultuur die ten grondslag liggen aan de organisatie. Als reactie daarop is de reikwijdte van mijn werk in de loop der tijd verschoven van specifieke gebieden in software R&D, zoals softwarearchitectuur, productlijnen en continue integratie en implementatie, naar systeemengineering en end-to-end R&D. Van daaruit heb ik ook het operationele gedeelte, inclusief DevOps, DataOps en MLOps, en het front-end gedeelte van productmanagement meegenomen. Meer recentelijk heb ik gewerkt aan bedrijfsmodellen, manieren van organiseren, bedrijfsecosystemen en andere onderwerpen die niet strikt binnen de scope van technologie vallen.

Ik heb echter het gevoel dat het ontbreekt aan een holistisch en compleet bedrijfs- en organisatieperspectief dat niet alleen het product- en dienstenbereik omvat, maar alle functies in het bedrijf, inclusief algemeen management, verkoop, HR en financiën. Hoewel mijn posts de afgelopen jaren puzzelstukjes van dit beeld hebben gegeven, is het mijn bedoeling om de komende maanden een meer geïntegreerd perspectief te bieden met de bedoeling om u, beste lezer, te helpen de moderne best practices over te nemen en de valkuilen te vermijden waar veel traditionele organisaties in vastlopen.

 

Dit artikel is het laatste van vier waarin ik verschillende dimensies van digitale transformatie verken. Eerder besprak ik bedrijfsmodellen, productupgrades en data-exploitatie. De vierde dimensie gaat over kunstmatige intelligentie. Vergelijkbaar met de andere dimensies, toonde ons onderzoek aan dat er een duidelijk evolutiepad is dat bedrijven doorlopen wanneer ze van traditionele bedrijven veranderen in digitale bedrijven (zie de figuur).

In de eerste fase is het bedrijf nog steeds gericht op gegevensanalyse. Alle gegevens worden verwerkt met als enig doel menselijke consumptie en interpretatie. Op dit punt draait alles om dashboards, visualisatie en overzichten voor belanghebbenden.

Evolutie van het gebruik van AI-technologie.

In de tweede fase worden de eerste modellen voor machine learning (ML) of deep learning (DL) ontwikkeld en ingezet. De training van de modellen is gebaseerd op statische datasets die op een bepaald moment zijn samengesteld en die niet evolueren tenzij er een expliciete beslissing wordt genomen. Als dat gebeurt, wordt een nieuwe dataset samengesteld en gebruikt voor training.

In de derde fase worden DevOps en MLOps samengevoegd in die zin dat er een voortdurende hertraining van modellen plaatsvindt op basis van de meest recente gegevens. Deze gegevens zijn niet langer een dataset, maar eerder een venster over een datastroom die wordt gebruikt voor training en continue hertraining. Afhankelijk van het domein en de snelheid waarmee de onderliggende gegevens veranderen, wordt de MLOps-lus afgestemd op de DevOps-lus of wordt deze vaker of minder vaak uitgevoerd. Als je bijvoorbeeld ML/DL gebruikt voor het voorspellen van huizenprijzen in een vastgoedmarkt, is het belangrijk om het model regelmatig te hertrainen op basis van de meest recente verkoopgegevens, omdat huizenprijzen voortdurend veranderen.

Vooral in de software-intensieve industrie voor ingebedde systemen is de volgende stap, wanneer ML/DL-modellen worden ingezet in elke productinstantie, vaak de toepassing van gefedereerde benaderingen. In plaats van alle training centraal uit te voeren, kiest het bedrijf voor gefedereerde leerbenaderingen waarbij alle productinstanties betrokken zijn bij de training en modelupdates worden gedeeld tussen productinstanties. Dit maakt lokalisatie en aanpassing mogelijk omdat specifieke regio’s en gebruikers willen dat het systeem zich anders gedraagt. Afhankelijk van de benadering van gefedereerd leren is het haalbaar om dit toe te staan. Verschillende bestuurders willen bijvoorbeeld dat hun adaptieve cruisecontrolesysteem zich op verschillende manieren gedraagt. Sommigen willen dat het systeem zich voorzichtiger gedraagt, terwijl anderen een agressievere manier van remmen en accelereren willen zien. Elk product kan zichzelf na verloop van tijd aanpassen aan de feedback van de bestuurder.

Ten slotte bereiken we de fase van geautomatiseerde experimenten, waarin het systeem volledig autonoom experimenteert met zijn eigen gedrag met de bedoeling om bepaalde succescijfers te verbeteren. Terwijl in eerdere stadia mensen A/B-experimenten of soortgelijke experimenten uitvoeren en de mensen degenen zijn die met de A en B alternatieven komen, is het hier het systeem zelf dat alternatieven genereert, implementeert, het effect meet en beslist over de volgende stappen. Hoewel de voorbeelden in deze categorie zeldzaam zijn, zijn we onder andere betrokken geweest bij gevallen waarin we een systeem van dit type gebruikten om de instellingen van configuratieparameters te onderzoeken (de meeste systemen hebben er duizenden) om de prestaties van het systeem automatisch te optimaliseren.

Concluderend is digitale transformatie een complexe, multidimensionale uitdaging. Een van de dimensies is de toepassing van AI/ML/DL. Het gebruik van AI is geen binaire stap, maar eerder een proces dat zich in de loop van de tijd ontwikkelt en vooraf gedefinieerde stappen doorloopt. Het inzetten van AI maakt het mogelijk om taken te automatiseren die niet eerder geautomatiseerd konden worden en om de resultaten van geautomatiseerde processen te verbeteren door slimme, geautomatiseerde beslissingen. Als je eenmaal software hebt, kun je gegevens genereren. Als je eenmaal gegevens hebt, kun je AI inzetten. Als je eenmaal AI hebt, kun je echt profiteren van het potentieel van digitalisering.

Op basis van ons onderzoek hebben we een vierdimensionaal model ontwikkeld voor de digitale transformatie in de software-intensieve embedded systeemindustrie. In de laatste twee berichten hebben we de dimensies bedrijfsmodel en productupgrade onderzocht. Deze post gaat over de dimensie van data-exploitatie.

Zoals de figuur laat zien, is de eerste stap in de meeste bedrijven gericht op het gebruik van gegevens voor kwaliteitsborging en diagnostiek. In dit geval komen de gegevens vaak in batches en via klachten van klanten bij het bedrijf binnen. Als reactie op een klacht downloaden vertegenwoordigers van het bedrijf de gegevens en onderzoeken ze of het systeem zich verkeerd heeft gedragen en proberen ze de hoofdoorzaak te achterhalen. Veel bedrijven gebruiken dit soort gegevens al tientallen jaren.

Evoluerend gebruik van gegevens

De tweede stap is het gebruik van gegevens om de prestaties van het product en het gebruik van functies te controleren. Deze vorm van gegevensverzameling wordt meestal geïntroduceerd in combinatie met het vaker uitrollen van software. Het monitoren van productprestaties stelt het bedrijf in staat om te bevestigen dat het product goed presteert na een software-upgrade. Het meten van het gebruik van features zorgt voor een beter geïnformeerde prioritering van R&D-middelen door ervoor te zorgen dat onderzoek en ontwikkeling zich voornamelijk richten op het verbeteren van features die daadwerkelijk door klanten worden gebruikt.

Omdat we nu een continue stroom van gegevens van elke klant hebben, kunnen we overgaan naar de derde fase waarin we gegevens kunnen gaan verzamelen die relevant zijn voor de klant. Elke klant heeft KPI’s waarvoor de organisatie optimaliseert, zoals churn bij bedrijven die abonnementsdiensten aanbieden, het meten van servicegebruik door eindklanten of het classificeren van eindklanten in segmenten die verschillende behandelingen vereisen. Omdat het bedrijf nu aanzienlijke hoeveelheden gegevens van elke klant verzamelt, kan het die gegevens verwerken en analyseren en elke klant relevante inzichten bieden.

Tot slot, in de laatste fase, betrekt het bedrijf een tweede bedrijfsecosysteem waarbij het gegevens die zijn verzameld van zijn primaire klantenbestand te gelde maakt bij een secundair klantenbestand. Een vrachtwagenbedrijf zou bijvoorbeeld route-informatie van de vrachtwagens die bij zijn klanten in gebruik zijn, kunnen verkopen aan benzinestations en wegenwachtbedrijven. Of een telecombedrijf kan geaggregeerde bewegingspatronen van gebruikers van mobiele telefoons verkopen aan stadsplanners.

Als het bedrijf eenmaal de laatste fase heeft bereikt, zijn de gegevens die worden verzameld in de producten die worden ingezet voor de primaire klantenbasis nu steeds meer gericht op het voldoen aan de behoeften van de secundaire klantenbasis. Het bedrijf zal dus waarschijnlijk gegevens gaan verzamelen die helemaal niet relevant zijn voor het primaire klantenbestand, maar wel voor het secundaire. Een tweede aspect is dat het bedrijf de inkomsten uit de secundaire klantenkring kan gebruiken om de producten voor de primaire klantenkring te subsidiëren en zo zijn marktaandeel te vergroten. Veel industrieën gaan, naarmate de digitalisering doorzet, in de richting van een “winner takes all”-situatie en dit patroon van positieve feedbackcycli ligt hieraan ten grondslag.

Concluderend heeft digitalisering gevolgen voor het bedrijfsmodel, de manier waarop we producten upgraden en de manier waarop we gegevens verzamelen, gebruiken en te gelde maken. Bedrijven evolueren in voorspelbare en herhaalbare patronen door deze transformatie en in deze post beschreef ik de vijf typische stadia die we in ons onderzoek tegenkomen. Data is de nieuwe olie, maar als je niet in staat bent om zakelijke waarde te genereren uit je data, heb je er niet veel aan. Ga dus aan de slag met het experimenteren met verschillende manieren om waarde te creëren uit je data!

In de post van vorige week noemde ik ons raamwerk dat de transformatie beschrijft die bedrijven doormaken als ze digitaal gaan werken. Ik besprak ook een van de vier dimensies – de dimensie bedrijfsmodel. In dit bericht ligt de focus op de dimensie productupgrade.

Zoals de figuur laat zien, hebben we vijf stappen of fasen geïdentificeerd in de transformatie van een traditioneel naar een digitaal bedrijf. In de eerste fase richt het bedrijf zich op de verkoop van een fysiek product. Het wordt verkocht ‘zoals het is’ en met uitzondering van garantiekwesties besteedt het bedrijf er geen tijd of middelen aan zodra het de fabriek heeft verlaten. Het product kan elektronica en software bevatten, maar deze subsystemen worden op dezelfde manier behandeld als de mechanische onderdelen.

Evolutie van productupgrades als onderdeel van de digitale transformatie.

Als tweede stap gaan veel bedrijven hun product als dienst aanbieden aan bepaalde klantsegmenten. Dit begint vaak als een mechanisme om het klantenbestand uit te breiden. Vooral potentiële klanten die het product niet altijd nodig hebben of die problemen hebben met de financiering van de investeringen, kunnen een serviceaanbod nodig hebben om klant te worden. In deze stap begint het bedrijf vaak met het aanbieden van periodieke upgrades voor de productsoftware – voornamelijk om zichzelf te beschermen tegen ongewenste nadelen. In servicecontracten zijn er meestal service level agreements (SLA’s) en software-upgrades kunnen worden gebruikt om het risico op het schenden van deze SLA’s te verkleinen en de bijbehorende boetes te vermijden.

In de derde stap is het bedrijf vanuit zakelijk oogpunt begonnen met het aanbieden van aanvullende diensten rondom het product. Vaak kunnen de kwaliteit en aantrekkingskracht van deze diensten worden verbeterd als het kernproduct geüpdatete softwarefunctionaliteit heeft. In dit geval upgradet het bedrijf de software in zijn producten niet alleen om zich te beschermen tegen eventuele nadelen, maar ook om een voordeel te creëren in de vorm van extra inkomsten uit aanvullende diensten. Een eenvoudig voorbeeld: een autobedrijf kan de software upgraden om een API te bieden voor het opvragen van de locatie van een voertuig, die kan worden gebruikt door aanvullende diensten om relevantere informatie te bieden voor de context waarin het voertuig en de bestuurder zich kunnen bevinden.

Tot slot wordt het concept van een fysiek product volledig vervangen door zijn digitale alter ego. In dit geval kunnen alle onderdelen van het product periodiek worden geüpgraded, waarbij software het meest frequent is en mechanica het minst frequent. Zelfs het vervangen van het volledige fysieke product gebeurt als onderdeel van de voortdurende verbetering van het digitale product. Hoewel Apple bijvoorbeeld zeer zeker geld verdient aan het fysieke product, is er vanuit het oogpunt van gebruikerservaring sprake van een voortdurend verbeterende ervaring die kleine opwaartse hobbels kent wanneer de telefoon wordt vervangen door een nieuw model, maar over het algemeen is de verbetering van het product een continue verbetering.

Concluderend is de digitale transformatie een complexe, multidimensionale uitdaging die alle onderdelen van het bedrijf beïnvloedt, inclusief de manier waarop producten worden geüpgraded. Hoewel dit een technische uitdaging lijkt, is het de bedrijfsstrategie die de architectuur- en technologiebeslissingen (zou moeten) sturen die de hier besproken productupgrades mogelijk maken of verbieden. Met bedrijfsmodellen die steeds meer verschuiven van transactioneel naar continu, moet het product dat door het bedrijfsmodel te gelde wordt gemaakt continu worden in de zin van het constant verbeteren van de gebruikerservaring en het leveren van waarde aan klanten. Het ene kan niet bestaan zonder het andere!

De afgelopen maanden (eigenlijk meer jaren) hebben we de digitale transformatie van verschillende bedrijven in het Software Center bestudeerd. Professor Helena Holmström Olsson en ik hebben een model ontwikkeld om te illustreren hoe ze daadwerkelijk de overgang maken van hun legacy business die is geworteld in atomen naar een digitale business die is gebaseerd op bits (zie de figuur). Het heeft vier dimensies: businessmodel, data-exploitatie, productupgrade en AI/ML/DL. In deze post richten we ons op de dimensie bedrijfsmodel.

Op basis van ons onderzoek met verschillende partners van het Software Center hebben we vastgesteld dat bedrijven een vergelijkbaar patroon doorlopen als het gaat om het transformeren van hun businessmodel. Vooral in het domein van ingebedde systemen is het uitgangspunt de verkoop van traditionele producten, bijvoorbeeld een auto, een vrachtwagen, een radar, een pomp of een basisstation. We noemen dit vaak “doosverkoop” en het bedrijfsmodel is in hoge mate transactioneel: ik verkoop u de doos en over een paar jaar probeer ik u een nieuwe doos te verkopen. Er kunnen inkomsten worden gegenereerd uit diensten, zoals productonderhoud, maar dit is meestal maar een klein deel.

De stadia van digitale transformatie.

In de volgende fase wordt het product aangeboden als een dienst. Hier verandert meestal de monetisatie van het fysieke product van een eenmalige transactie naar een continue inkomstenstroom. Dit brengt verschillende uitdagingen met zich mee, zoals het feit dat het bedrijf in feite het product voor zijn klanten moet financieren, maar het kan een zeer effectieve manier zijn om inkomsten te genereren omdat klanten die het product in het traditionele model niet zouden hebben gekocht omdat ze het bijvoorbeeld niet fulltime nodig hebben, het misschien wel als dienst willen kopen.

Als volgende stap zien we dat bedrijven allerlei diensten rondom het product beginnen te ontwikkelen. Deze diensten hebben de neiging om de werking van het product te omringen en kunnen variëren van het aanbieden van accessoires in een huurmodel tot het leveren van informatie en adviesdiensten om de efficiëntie of de kwaliteit van de resultaten te verbeteren. In deze fase wordt het product gebruikt als platform om meer inkomsten te genereren uit aanvullende diensten.

In de vierde stap verandert het monetisatiemodel opnieuw en wordt het meer klantgericht. In plaats van monetisatie te associëren met het product, wordt het geassocieerd met KPI’s van klanten die door het product kunnen worden beïnvloed. Voorbeelden van deze klant-KPI’s zijn het aantal succesvolle leveringen zonder vertragingen, de vermindering van churn bij eindklanten of de reactietijd die wordt gewonnen door eerdere detectie. In dit geval richt het bedrijf zich op de factoren die de bottom line van de klant beïnvloeden en koppelt het bedrijfsmodel aan het verbeteren van die factoren.

Ten slotte probeert het bedrijf een tweede klantenkring te ontwikkelen waar het de gegevens die gegenereerd en vastgelegd worden door zijn primaire klantenkring te gelde kan maken. Vrachtwagens hebben bijvoorbeeld versnellingsmeters die informatie verschaffen over de kwaliteit van wegen (zoals de aanwezigheid van kuilen) en overheidsfuncties die verantwoordelijk zijn voor wegenonderhoud kunnen bereid zijn om deze informatie te kopen. Het resultaat is een tweezijdige markt waar het bedrijf nog steeds verkoopt aan zijn primaire klantenbasis, maar ook de gegevens van zijn primaire klantenbasis te gelde maakt aan zijn secundaire klantenbasis. Na verloop van tijd kan de secundaire klantenkring natuurlijk belangrijker worden, waardoor de prikkels binnen het bedrijf fundamenteel veranderen.

Concluderend: als onderdeel van je digitale transformatie zal het bedrijfsmodel dat je gebruikt ook moeten veranderen en evolueren. Zoals we hebben laten zien, volgt deze evolutie een patroon en leidt het springen over tussenstadia vaak tot mislukking. Hoewel ons model zich richt op het domein van ingebedde systemen, geloof ik dat alle industrieën zich via vergelijkbare of identieke patronen ontwikkelen. Als u experimenteert met de ontwikkeling van uw bedrijfsmodel, kunnen de hier gepresenteerde stadia een leidraad zijn voor waar u zich vervolgens op moet richten. Zoals altijd zijn we benieuwd naar uw ervaringen, dus neem contact met ons op om ze te delen.

Deze week had ik een interessante discussie over gegevens met de CEO van een van de startups waar ik mee werk. De uitdaging is dat veel bedrijven enorme hoeveelheden gegevens verzamelen, opslaan en vervolgens ongebruikt laten. Het verbaast me dat zoveel bedrijven zulke verbazingwekkend grote dataopslagplaatsen onderhouden zonder goede manieren te vinden om ze te gebruiken.

De belangrijkste onderliggende reden is volgens mij dat het verzamelen van gegevens gemakkelijk is, maar het genereren van bruikbare inzichten op basis van die gegevens moeilijk. Het vereist een diep begrip van het domein, evenals inzicht in wat waarde biedt binnen de context van het domein. Dit vraagt om een andere manier van denken dan bij de meeste bedrijven, waar de focus vaak ligt op doen wat we altijd al deden, maar dan een beetje beter of sneller.

Het bedrijf van de CEO waarmee ik sprak, is actief in het mediadomein en heeft een punt bereikt waarop belangrijke werknemers van zijn klanten dagelijks een e-mail ontvangen met een lijst van taken met de hoogste prioriteit waar ze die dag hun energie op moeten richten. Deze taken worden geïdentificeerd door het verzamelen van gegevens van de relevante media-eigenschappen van de klant, het analyseren van deze gegevens om afwijkingen en anomalieën te identificeren en vervolgens het aanbevelen van de meest waarschijnlijke acties om de geïdentificeerde problemen aan te pakken. Deze risicobeperkende maatregelen zijn de taken die de belangrijkste medewerkers op hun dagelijkse takenlijst krijgen. Voor mij is dit het kenmerk van een datagestuurd bedrijf: het gaat niet om de gegevens, maar om het genereren van bruikbare inzichten uit de gegevens die je in je voordeel kunt gebruiken.

Natuurlijk worden de inzichten in dit geval gegenereerd op basis van de gegevens van de klant zelf. De volgende stap is om een aantal of alle klanten te laten instemmen met het anoniem delen van hun gegevens met het bedrijf. Hierdoor kan het bedrijf elke klant vergelijken met alle andere, waardoor het volgende niveau van inzichten kan worden gegenereerd. Het gaat nu niet alleen om afwijkingen en anomalieën die binnen je eigen bereik worden geïdentificeerd, maar ook om afwijkingen en anomalieën die worden geïdentificeerd door vergelijking met anderen. Door je prestaties te vergelijken met die van anderen in dezelfde branche, is het veel eenvoudiger om inzicht te krijgen in waar energie moet worden gestoken om te verbeteren.

Het gaat erom voortdurend waardevolle en bruikbare inzichten uit die gegevens te genereren en die te gebruiken om, bij voorkeur automatisch, de acties voor je team te genereren die de meeste impact zullen hebben. Het gaat niet om de gegevens; het gaat om wat je ermee doet.

Digitalisering wordt fundamenteel mogelijk gemaakt door drie kerntechnologieën: software, gegevens en kunstmatige intelligentie. De gemene deler, die inherent is aan een gedigitaliseerd bedrijf, is dat automatisering centraal staat. Digitale technologieën maken automatisering in veel sterkere mate mogelijk dan traditionele technologieën. We zien dit terug in bedrijven: terwijl in traditionele bedrijven mensen worden ondersteund door automatisering, heeft in digitale bedrijven de automatisering van de belangrijkste bedrijfsprocessen de mens (bijna) volledig uit de vergelijking gehaald.

Een van de belangrijkste redenen voor de hoge mate van automatisering is dat digitale bedrijven doorgaans werken met continue in plaats van transactionele bedrijfsmodellen. Dit betekent dat er een voortdurende relatie is met de business van de klanten, voortdurende levering van nieuwe software met toegevoegde waarde, datagestuurde inzichten en AI-modellen en voortdurende monitoring en logging. Activiteiten die we misschien één of twee keer per jaar handmatig willen uitvoeren, worden al snel onderwerpen voor volledige automatisering als ze maandelijks, wekelijks, dagelijks of nog vaker moeten worden uitgevoerd.

In een digitaal bedrijf zijn alle kernbedrijfsprocessen in hoge mate geautomatiseerd en worden ze gecontroleerd op een geautomatiseerde manier met behulp van kwantitatieve prestatiegegevens. In feite kunnen we een digitaal bedrijf conceptualiseren als bestaande uit drie cirkels van activiteiten. De kerncirkel bestaat uit de bedrijfsprocessen die de kernwaarden van het bedrijf leveren. Voor een e-commerce website omvat dit bijvoorbeeld de presentatie van artikelen, aanbevelingen, het beheren van bestellingen en het accepteren van betalingen. Deze activiteiten hebben geen menselijke tussenkomst en zijn volledig geautomatiseerd. In het geval dat kernprocessen voor het leveren van waarde niet volledig kunnen worden geautomatiseerd, zoals magazijntaken, worden de mensen meestal geïnstrumenteerd met gegevensverzameling en onderworpen aan hetzelfde kwantitatieve prestatiebeheer als de geautomatiseerde onderdelen. De eerste cirkel betreft operaties en activiteiten die de operaties ondersteunen.

De tweede activiteitencirkel omvat menselijke actoren die kwantitatieve gegevens gebruiken voor analyses en experimenten. De belangrijkste focus ligt hier op het meten van de belangrijkste bedrijfsprocessen en het afstemmen en optimaliseren ervan. Uit analyses kan bijvoorbeeld blijken dat artikelen die door de aanbevelingsmachine aan klanten worden aanbevolen, in 0,15 procent van de gevallen worden geselecteerd en gekocht. Aangezien het gemiddelde in de sector hoger is dan dat, kan een van de activiteiten in deze cirkel zijn om te experimenteren met verschillende aanbevelingsalgoritmen met behulp van A/B-tests om te evalueren of het succespercentage van de engine kan worden verbeterd zodat het overeenkomt met het gemiddelde. De tweede cirkel gaat over tactieken die de prestaties van de operationele kern verbeteren. Het is belangrijk op te merken dat activiteiten in deze cirkel niet door mensen hoeven te worden uitgevoerd. Het is heel goed mogelijk om een systeem autonome verbeteractiviteiten te laten uitvoeren die gericht zijn op het optimaliseren van de kernprocessen.

De derde cirkel, ten slotte, heeft betrekking op die bedrijfsactiviteiten die strategisch van aard zijn. Aangezien strategische activiteiten meestal gaan over het interpreteren van trends en het voorspellen van de toekomst, kan het een uitdaging zijn om ze te kwantificeren. Typisch voor activiteiten in deze cirkel is dat de focus ligt op het doel van het bedrijf, de rol die het speelt in zijn ecosysteem en de manier waarop het zich wil onderscheiden en aanvullen ten opzichte van anderen.

De drie cirkels van activiteiten verschillen niet alleen van elkaar op het gebied van automatisering en het gebruik van gegevens, maar ook in de cyclustijd en de werksnelheid. De operationele cirkel werkt van nature in seconden, minuten en uren. De tactische cirkel werkt in dagen en weken, terwijl de strategische cirkel de neiging heeft om in maanden en jaren te werken.

Natuurlijk vind je ook in traditionele bedrijven enorme hoeveelheden automatisering. Het belangrijkste verschil met digitale bedrijven is de onderliggende mentaliteit en aanpak. Een beetje overdreven, in traditionele bedrijven worden taken uitgevoerd door mensen, tenzij het te duur is om dat te doen. In digitale bedrijven worden taken geautomatiseerd en uitgevoerd door systemen, tenzij het onhaalbaar of onbetaalbaar is om dat te doen.

Het is gemakkelijk om te vergeten hoe ver automatisering en digitalisering een bedrijf kunnen brengen. In veel SaaS-bedrijven wordt het grootste deel van de waardecreatie (99+ procent) volledig automatisch uitgevoerd door systemen in plaats van door mensen. Het grappige is echter dat in mijn ervaring, zelfs in SaaS-bedrijven, de meeste managementaandacht uitgaat naar mensen en menselijke processen, zelfs als deze een heel klein deel van het bedrijf vertegenwoordigen.

Concluderend vind ik het nuttig om over bedrijven te denken in drie verschillende cirkels van activiteit, namelijk levering en operaties, optimalisatie en experimenten en, tot slot, strategie en innovatie, die totaal verschillende kenmerken, cyclustijden en succescijfers hebben. Mijn ervaring is dat velen de neiging hebben om de activiteiten in de verschillende cirkels door elkaar te halen, wat leidt tot verwarring en ondermaatse prestaties. Neem als leider een stap terug en denk na over je organisatie, breng de processen en activiteiten in kaart voor de drie cirkels en identificeer waar er mismatches zijn die je kunt aanpakken. Digitaal gaan is een uitdaging, maar het alternatief is een traditioneel bedrijf blijven en het risico lopen te worden verstoord.

Deze week ontmoette ik voor de zoveelste keer een team dat bezig was een nieuw product op de markt te brengen en me vertelde dat ze zo klantgericht waren. Wat ze bedoelden was dat ze tijdens de ontwikkeling met een aantal potentiële klanten hadden gesproken en dat sommige medewerkers prototypes hadden gebruikt. Voor degenen die mijn artikelen regelmatig lezen, zal het geen verrassing zijn dat ik het niet eens ben met dit standpunt. Er zijn minstens drie aspecten die volgens mij cruciaal zijn om echt klantgericht te zijn: kies je klant, meet voordat je bouwt en focus op gedrag, niet op woorden.

Ten eerste is er een fundamenteel verschil tussen klanten blij maken en klanten blij maken. Veel productteams waarmee ik heb gewerkt, hebben vage en tegenstrijdige ideeën over wie hun doelklant is. Daardoor is het zeer waarschijnlijk dat binnen het team de inspanningen gericht zijn op verschillende aspecten van het product en dat feedback van elk individu dat als potentiële klant wordt gezien, onmiddellijk als de absolute waarheid wordt beschouwd.

Om klantgericht te zijn, moet de eerste stap zijn om te definiëren wie je klant moet zijn. Producten die alles voor iedereen willen zijn, zullen falen. De uitdaging van het definiëren van de klant is dat je nee moet zeggen tegen categorieën van klanten en het voelt alsof je de markt van je product beperkt. Daarnaast hebben teamleden vaak verschillende meningen en is het aangaan van constructieve conflicten extreem moeilijk in veel bedrijfsculturen. Als je echter niet weet voor wie je het product maakt, kun je niet succesvol zijn.

Ten tweede zijn investeringsbeslissingen in R&D bijna altijd gebaseerd op meningen en kwalitatieve feedback van een zeer klein klantenbestand dat bijna zeker niet representatief is voor het werkelijke klantenbestand. Het mechanisme om dit te vermijden is het meten van de respons van klanten – “signaal” – voordat je ook maar een cent investeert in het bouwen van iets. De lean startup beweging en de boeken van Steve Blank pleiten hier al tientallen jaren voor, maar in de industrie is dit nog lang niet ingeburgerd.

De algemene feedback die ik krijg als reactie op de suggestie om productconcepten en potentiële functies met klanten te testen, is drieledig. Ten eerste willen we onze klanten niet blootstellen aan slechte, onvolgroeide, onafgewerkte producten omdat dit ons merk en het beeld dat onze klanten van ons als bedrijf hebben, zal schaden. Ten tweede, wat we doen is uniek en we moeten het zo lang mogelijk geheim houden zodat onze concurrenten geen lucht krijgen van onze plannen. Ten derde wil marketing de markt graag verrassen met een bombardement aan berichten en als we vroeg naar buiten treden om te testen, weet iedereen wat er gaat komen en kan marketing zijn werk niet doen.

Al deze redenen zijn ordes van grootte minder relevant dan een product op de markt brengen dat niemand wil en daarmee al je R&D-middelen verspillen. Elke investering in R&D, of het nu gaat om nieuwe functies in bestaande producten of geheel nieuwe producten, moet worden gedreven door een duidelijk signaal vanuit de markt.

Ten derde hechten productteams veel te veel waarde aan wat klanten zeggen. Zowel in een B2C- als in een B2B-context mislukken de meeste nieuwe producten die op de markt worden gebracht. In de sector van de fast moving customer goods (FMCG) ligt het mislukkingspercentage volgens sommige onderzoeken boven de 85 procent. Dit ondanks het feit dat elk van deze producten extreem positieve feedback kreeg van potentiële klanten. Beslissingen in productteams moeten zoveel mogelijk gebaseerd zijn op het meten van wat klanten doen, in plaats van op wat ze zeggen. Om allerlei redenen zullen klanten veel positiever zijn in hun verbale reacties dan in hun feitelijke gedrag.

Het ontwikkelen van nieuwe producten is moeilijk omdat je te maken hebt met veel onzekerheid, interne stress en negatieve feedback van de rest van de organisatie. Dit kan er gemakkelijk toe leiden dat het productteam in een X-Files stijl “Ik wil geloven” situatie terecht komt, waar alle feedback die de huidige richting niet ondersteunt wordt weggefilterd. Om echter succesvol te zijn, moet je de positieve drive in het team behouden terwijl je glashelder moet zijn over wie je klant is, datagedreven zijn in je besluitvorming en je richten op klantgedrag. Wees klantgericht, maar doe het echt!

De afgelopen maanden heb ik met verschillende bedrijven gesproken die een interessante gemene deler hadden: ze waren allemaal een nieuw platform aan het bouwen om een legacy platform te vervangen en het ging niet zo goed. Het legacy platform is vaak tientallen jaren oud en bevat functionaliteit die het resultaat is van honderden manjaren werk. En het vormt meestal de basis voor een aanzienlijk deel, zo niet het hele productportfolio.

Wanneer het nieuwe platform wordt opgestart, accepteert de organisatie dat het enige tijd (jaren) zal duren voordat het zover is dat het het legacy platform kan vervangen. Omdat het uitstellen van de productportfolio onaanvaardbaar is, zal er een continue stroom van ontwikkelingsinspanningen naar het oude platform gaan om de functies te realiseren die nu nodig zijn. Dit gebeurt natuurlijk parallel aan de inspanningen voor het nieuwe platform. Het gevolg is dat het doel voor het nieuwe platform een bewegend doel wordt omdat het oude platform voortdurend nieuwe functionaliteit toevoegt die het nieuwe platform ook moet toevoegen om gelijkwaardige functionaliteit te bereiken.

Er zijn drie mogelijke uitkomsten in dit scenario. De eerste is ook de slechtste: het nieuwe platform slaagt er niet in om voor altijd dezelfde functionaliteit te bieden. Als gevolg daarvan is geen enkele productlijn bereid om erop over te stappen. Op een bepaald moment vindt er een verandering in het management plaats, wordt de nieuwe platforminspanning opnieuw bekeken en leidt de staat van dienst tot nu toe tot een voor de hand liggende conclusie: het nieuwe platform wordt geannuleerd. Het resultaat is dat het bedrijf vastzit aan het oude platform en jaren tijd en honderden manjaren aan R&D-inspanningen heeft verloren zonder enig zakelijk voordeel.

Ten tweede wordt de platforminspanning gebruikt door één productlijn en wordt het de-facto platform voor slechts een deel van het portfolio. Voor productmanagement valt de keuze tussen het bouwen van functionaliteit voor een product dat er nu is of een potentieel product in de toekomst heel vaak uit in het voordeel van het bestaande product. Als dit continu gebeurt, leidt dit ertoe dat het platform steeds meer geoptimaliseerd wordt voor de specifieke productlijn en steeds verder achterop raakt voor de andere productlijnen. Dit kan worden gezien als een manier voor één productlijn om algemene R&D-middelen te kapen voor zijn eigen doeleinden, wat het erg aantrekkelijk maakt als strategie in bedrijven met een sterke focus op teams die leveren in hun eigen verantwoordelijkheidsgebied zonder verantwoordelijkheid te houden voor het succes van het bedrijf als geheel.

De derde situatie is wanneer senior R&D en business leiders deze patronen begrijpen en de organisatie dwingen om het legacy platform te verlaten en het nieuwe platform te adopteren. Dit leidt vaak tot grote spanningen als productlijnen worden gevraagd om nieuwe producten uit te brengen met minder mogelijkheden. De discussie leidt meestal tot veel verzoeken om “kleine” onderhoudswerkzaamheden uit te voeren op het oude platform als reactie op verzoeken van klanten en andere, zeer haalbare, redenen. Over het algemeen zullen velen in de R&D organisatie ervoor vechten om zo lang mogelijk op het oude platform te blijven. In het ergste geval wordt het legacy platform nooit buiten gebruik gesteld en blijven de platformen nog jaren of zelfs decennia naast elkaar bestaan.

De fundamentele reden achter deze scenario’s is een mechanische mindset van het leiderschap. Het idee om generaties van platforms te hebben is misschien logisch in de mechanica en elektronica (hoewel deze platforms ook baat zouden hebben bij voortdurende evolutie), maar software is anders. Ons onderzoek toont aan dat er geen correlatie is tussen de leeftijd van een systeem en het niveau van de technische schuld, wat betekent dat nieuwe en oude systemen vergelijkbare eisen stellen aan het beheer van de technische schuld.

In plaats van te denken in termen van platformgeneraties, zou de focus moeten verschuiven naar een continu verbeterend platform met een constante stroom van refactoring-inspanningen die het platform actueel houden vanuit een technologisch en architecturaal perspectief. In plaats van een bestaand platform te laten wegzakken in een moeras van commodity en irrelevantie, moeten organisaties continu een bepaald percentage (10-25 procent) in het platform investeren om ervoor te zorgen dat het nooit vervangen hoeft te worden door een volgende generatie.

Concluderend is het bouwen van nieuwe platformen om bestaande te vervangen een zeer riskant O&O-initiatief vol risico’s en uitdagingen. Investeer in plaats daarvan voortdurend een deel van uw R&D-middelen in het refactoren van uw bestaande platform. Het beste platform is een platform dat nooit vervangen hoeft te worden omdat het altijd actueel en up-to-date is. Omdat je toegewijd bent om het zo te houden!

 

De afgelopen weken heb ik meerdere situaties meegemaakt waarin een organisatie (industrieel of academisch) simpelweg geen bedrijfsstrategie heeft of een strategie met betrekking tot een belangrijk gebied voor hun bedrijf. Bij navraag en vragen over de strategie heb ik ten minste drie soorten antwoorden gezien.

Ten eerste zeggen de leiders in het bedrijf dat er **een strategie is** en dat ik het mis heb als ik iets anders beweer. Hoewel ik het in mijn leven al vaak mis heb gehad, moet een strategie volgens mij duidelijk aangeven welke taken en kansen voorrang moeten krijgen op andere en vooral waar we geen tijd, energie en middelen aan moeten besteden. Een strategie die niet specificeert wat we niet moeten doen, om Michael Porter te parafraseren, is geen strategie.

Ten tweede geeft het bedrijf toe dat de strategie op hoog niveau is en niet operationeel, maar het verdedigt zichzelf door te beweren dat het belangrijkste succes in de markt is om klantgericht te zijn en dat het daarom moet reageren op de verzoeken van klanten in plaats van zijn eigen koers te bepalen. Het is duidelijk dat dit een misvatting is omdat bedrijven hierdoor in de val trappen van “klanten tevreden stellen”. Het is onmogelijk om iedereen tevreden te stellen. In plaats daarvan moet je kiezen wat voor soort klanten je wilt en je vervolgens richten op het gelukkig maken van die klanten. Dit is natuurlijk een strategische keuze.

Ten derde, vooral in nieuwe gebieden waar het bedrijf geen gevestigde zaken heeft, beweren leiders dat het onmogelijk is om een strategie te formuleren omdat niemand weet hoe de markt zich zal ontwikkelen. Hierdoor worden ze echter de speelbal van meer proactieve, strategische concurrenten die dicteren hoe de markt zich zal ontwikkelen. Het is belangrijk om een Alice in Wonderland-situatie te vermijden waarin, omdat je niet weet wat je wilt, elke richting even goed is.

Hoewel deze reacties begrijpelijk en menselijk zijn, leiden ze tot een aantal ernstige problemen voor het bedrijf. Ik heb er in de loop der jaren minstens drie meegemaakt.

Ten eerste handelt het bedrijf tactisch en opportunistisch. Door het gebrek aan een duidelijke strategie nemen individuen op alle niveaus in de organisatie tactische beslissingen die hen op korte termijn het meeste voordeel opleveren zonder de gevolgen op lange termijn in overweging te nemen. Dit resulteert in een opeenstapeling van architecturale, technische en processchulden in de organisatie en in de relaties met klanten en andere deelnemers aan het ecosysteem, wat na verloop van tijd enorme nadelen met zich meebrengt door verminderde wendbaarheid van het bedrijf, onredelijke verwachtingen van anderen en tal van andere gevolgen.

Ten tweede bestaat er een aanzienlijk risico dat verschillende teams in het bedrijf tegenstrijdige lokale strategieën nastreven en bijgevolg elkaars inspanningen tenietdoen, waardoor het bedrijf soms aanzienlijke middelen verspilt zonder enig zakelijk voordeel. Het verbranden van middelen zonder dat dit zakelijke voordelen oplevert, is uiteraard de snelste weg naar een faillissement.

Ten derde, zelfs als geen van de bovenstaande effecten zich voordoen in uw organisatie, zullen alle werknemers op elk moment veel meer werk hebben dan ze ooit zouden kunnen hopen te volbrengen tijdens de werkuren. Als er geen duidelijke strategie is, zullen individuen willekeurig prioriteiten stellen op basis van persoonlijke voorkeuren, opportuniteit en andere factoren. De “strategie in gebruik” wordt dan dus waar iedereen zin in heeft. In de praktijk leidt dit ertoe dat mensen doen wat ze gisteren deden, wat betekent dat het bedrijf in het verleden blijft steken en er niet in slaagt te evolueren en te reageren op veranderingen in de markt.

Concluderend, het ontwikkelen en communiceren van een duidelijke en actiegerichte strategie die tastbare keuzes weergeeft is een cruciaal hulpmiddel om grote groepen mensen op één lijn te krijgen. Het alternatief is om iedereen te micromanagen, waardoor je je beste mensen kwijtraakt omdat niemand graag te horen krijgt hoe hij zijn werk moet doen. Een succesvolle strategie definieert een duidelijk wat en waarom en laat het aan individuen en teams over om uit te zoeken hoe.