Prof. Jan Bosch
Onlangs, in een gesprek met een bedrijf over datagedreven worden, liep ik tegen dezelfde uitdaging aan als zo vaak: het bedrijf beweert zoveel gegevens te verzamelen, maar de hoeveelheid waarde die uit die gegevens wordt gegenereerd is erg klein. Je vraagt je af wat er ten grondslag ligt aan deze patronen van, ogenschijnlijk, enorme hoeveelheden gegevens die worden verzameld, maar heel weinig van die gegevens die worden gebruikt om iets van waarde te creëren. Mijn ervaring is dat er ten minste drie factoren een rol spelen: gevoel van eigenaarschap, lokale optimalisatie en de kosten van het ‘produceren’ van gegevens.
Een typisch patroon in veel organisaties is dat teams die gegevens genereren en verzamelen voor hun doeleinden, zich sterk eigenaar voelen van die gegevens en niet willen dat anderen met hun grote, dikke vingers aan “hun gegevens” komen peuteren. Het is van hen en als iemand anders soortgelijke gegevens nodig heeft, kunnen ze die zelf gaan verzamelen in plaats van ze gratis van het team te krijgen.
Dit leidt tot veel kleine eilandjes van gegevens die volledig losgekoppeld zijn en niet samenkomen in iets dat waardevoller is dan de som der delen. Teams kunnen opscheppen over al hun gegevens, maar niemand anders kan ze gebruiken.
Elk team dat besluit dat ze gegevens nodig hebben om de kwaliteit van hun beslissingen te verbeteren, zal zich richten op hun eigen uitdaging en alleen verzamelen wat ze nodig hebben op het niveau van detail, frequentie en aggregatie dat ze nodig hebben. Bovendien kunnen ze op elk moment beslissen om de manier waarop gegevens worden verzameld en welke gegevens worden verzameld fundamenteel te veranderen.
Het gevolg is dat de gegevens meestal moeilijk te gebruiken zijn buiten de onmiddellijke context waarvoor ze gegenereerd werden. Dit leidt ertoe dat verschillende teams zeer gelijkaardige gegevens verzamelen door een gebrek aan coördinatie. Ook kunnen teams die zich realiseren dat ze gegevens nodig hebben, omdat weinig teams nadenken over het bredere gebruik, de bestaande gegevens niet hergebruiken omdat ze zo specifiek zijn voor de use case waarvoor ze zijn verzameld.
Als een team besluit om zijn gegevens beschikbaar te stellen voor anderen, moet het documentatie over de semantiek van de gegevens verstrekken, een systeem opzetten voor het vinden en downloaden van gegevenssets, ervoor zorgen dat wijzigingen in de manier waarop gegevens worden verzameld, de semantiek, enzovoort, zorgvuldig worden gecommuniceerd met belanghebbenden en natuurlijk reageren op verzoeken van deze belanghebbenden en wijzigingen aanbrengen in de gegevensverzamelingsprocessen, niet om er zelf beter van te worden, maar om anderen in de organisatie te helpen. En, last but not least, kan het team gemakkelijk verantwoordelijk worden gehouden voor privacy, GDPR, beveiliging en andere zorgen die bedrijven hebben rond de opgeslagen gegevens.
'Teams will actively try to not share data'
Het gevolg is dat, tenzij er een tegenkracht aanwezig is, teams actief zullen proberen om gegevens niet te delen vanwege de moeite en de kosten van het delen met anderen in de organisatie. Dit leidt weer tot veel gegevens die worden vastgelegd, opgeslagen en gebruikt voor specifieke, smalle use cases, maar geen synergie, geen end-to-end begrip van systemen in het veld en de manier waarop klanten ze gebruiken, enzovoort.
De oplossing voor deze uitdagingen is een hiërarchische benadering van waardemodellering waarbij je top-down bedrijfs-KPI’s verbindt met meetgegevens op een lager niveau die direct uit het veld kunnen worden verzameld. Door deze hiërarchische, acyclische, gerichte grafiek op te bouwen en de relatie tussen factoren op hoger en lager niveau kwantitatief vast te stellen, kunnen we eindelijk beginnen met het genereren van bedrijfswaarde uit alle gegevens die we verzamelen.
Het is niet eenvoudig om van de huidige staat naar dit hiërarchische waardemodel te gaan, al was het maar omdat de meeste mensen in de bedrijven waar ik mee werk het extreem moeilijk vinden om te bepalen voor welke kwantitatieve factoren we optimaliseren, en als we het al weten, is de relatieve prioriteit van deze factoren een bron van aanzienlijke discussie. Het biedt echter enorme voordelen, omdat je het verzamelen van gegevens kunt richten op de dingen die er toe doen, de gegevens kunt gebruiken om beslissingen van hogere kwaliteit te nemen en op gegevens gebaseerde aanbiedingen aan klanten kunt doen die je anders niet had kunnen doen. Zoals het gezegde luidt: het gaat er niet om wat je hebt, maar hoe je het gebruikt!
Blijf op de hoogte
Ontvang onze maandelijkse updates
