
Datagedreven organisaties spelen sneller en efficiënter in op grote veranderingen, bijvoorbeeld een pandemie. Hoe verandert een organisatie naar zo’n modern bedrijf? Een stappenplan.
In veel organisaties neemt digitalisering een steeds belangrijkere plaats in. Organisaties digitaliseren in hoge mate en interactie tussen organisaties vindt in hoge mate gedigitaliseerd plaats. Dat geldt zowel voor business to business, als voor business to consumer. Business to business ondernemingen wisselen vaak al data tussen systemen uit. Bij business to consumer ondernemingen worden data door middel van cliëntportals of apps uitgewisseld.
Ongeacht de branche waarin een onderneming werkt, is slimme data-analyse bijna onmisbaar. In de logistiek kan betrouwbaar inzicht voor efficiëntere processen zorgen. De financiële afdelingen van die ondernemingen zoeken naar nieuwe manieren om compliant te blijven én betere forecasts te maken. En ook voor dienstverleners in onder andere de zorg, utilities en telecom, zijn datagedreven processen steeds belangrijker. Kortom, voor veel branches geldt: wie de concurrentie voor wil blijven, heeft in- en externe data nodig voor de besturing en richting van de organisatie.
Statisticus John Tukey definieerde data-analyse in 1961 als: ‘Procedures voor het analyseren van gegevens, technieken voor het interpreteren van de resultaten van dergelijke procedures, manieren om het verzamelen van gegevens te plannen om de analyse ervan makkelijker, nauwkeuriger of nauwkeuriger te maken, en alle machines en resultaten van (wiskundige) statistieken die van toepassing zijn op het analyseren van gegevens.’ In figuur 1 is een aantal voorbeelden van resultaten op basis van data-analyse opgenomen.

Stappenplan om een datagedreven organisatie te worden
Data wordt als het nieuwe goud voor de komende decennia gezien. Door middel van geavanceerde data-analyse kunnen organisaties tot betere inzichten komen, hun customer journeys verbeteren en strategische beslissingen beter onderbouwen. In plaats van te beslissen op basis van meningen, temperament, wie het hardste schreeuwt of omdat we het nou ‘eenmaal altijd zo doen’, neemt een datagedreven organisatie actie op basis van data en feiten. Maar dat is makkelijker gezegd dan gedaan.
E-learning: Data-analyse
Wat is er in een organisatie nodig om datagedreven te transformeren? De cursus Data-analyse van Finance Academy E-learning leert u welke facetten u moet beheersen om data-analyse uit te laten voeren. Na het volgen van deze e-learning bent u onder meer in staat om:
- de stappen op te noemen die iedere organisatie kan zetten om meer met data te doen;
- de uitdagingen om een robuust en goed doordacht datamodel op te stellen te beargumenteren;
- een stappenplan uit te werken om een organisatie in een datagedreven organisatie te transformeren;
- een stappenplan uit te werken om op een pragmatische manier tot data-analyse te komen;
- een data-analyseteam op te zetten;
In veel gevallen blijkt het nog niet zo eenvoudig om met data-analyse van start te gaan. Want meer waarde halen uit data: hoe doe je dat? Waar moet je beginnen? Hoe maak je een betrouwbare business case? En: hoe hou je het beheersbaar én schaalbaar? In dit artikel leest u aan de hand van een concreet stappenplan het antwoord op al deze vragen.
Om een datagedreven organisatie te worden kan het volgende stappenplan worden gevolgd:
- Definiëren van meetbare doelstellingen;
- Verzamelen van veel en afwisselende data;
- De klant als uitgangspunt nemen;
- Data voor iedereen toegankelijk maken;
- Betrekken van de juiste medewerkers;
- Definiëren van kritische prestatie-indicatoren;
- Verlenen van autoriteit aan data;
- Garanderen van dataveiligheid;
- Toewijzen van data-eigenaarschap;
- Bouwen van een technische infrastructuur.
1. Definiëren van meetbare doelstellingen
Om een datagedreven organisatie te worden moeten de strategische doelstellingen SMART worden omschreven. Daardoor kan zowel succes als falen worden geanalyseerd. Alleen met data kan worden bewezen wat goed of fout ging en kunnen de prestaties continu worden verbeterd. Daarom moet worden geprobeerd om alle activiteiten zo meetbaar mogelijk te maken. Niet alleen op managementniveau, maar juist voor alle medewerkers. Ook de persoonlijke doelstellingen en kleinere projecten. Alle medewerkers krijgen zo inzicht in wat ze doen en het gevoel dat ze aan de organisatie bijdragen.

2. Verzamelen van veel en afwisselende data
Organisaties bezitten vaak zonder het te weten over een lading aan data. Die data moet volgens een model worden georganiseerd om vervolgens actief en bewust data te verzamelen:
- Interne bronnen; zoals Google Analytics, SalesForce en andere klantinformatie;
- Externe bronnen; zoals social media en informatie over concurrenten;
- Daarnaast is het belangrijk om afwisselende informatie van verschillende afdelingen te hebben. Bijvoorbeeld kwaliteit van service, klantenfeedback, reviews, snelheid van levering en de effectiviteit van marketingcampagnes;
- Zorg er om tot de correcte data te komen voor dat alle afdelingen de juiste vragen stellen.
3. Klant als uitgangspunt nemen
Veel organisaties denken vanuit hun product of dienst in plaats vanuit de klant. Om een echte datagedreven organisatie te worden moet die manier van denken worden losgelaten en moet de klant centraal worden gesteld. Hoewel ‘de klant centraal’ een mooie belofte is, kan die belofte zelden echt worden ingelost. Klantgegevens zijn echter van cruciaal belang om te achterhalen welke behoeftes bepaalde klantgroepen of individuele klanten hebben. Met de juiste data is het mogelijk om inzichtelijk te maken hoe verschillende klanten worden bediend en hoe dat in het vervolg kan worden verbeterd door het gesprek met de klant aan te gaan en tot een dialoog in plaats van eenrichtingsverkeer te komen.
De daaruit voortgekomen informatie moet vervolgens op een innovatieve en creatieve wijze worden ingezet om een meer relevante ervaring, product en/of dienst voor de klant te creëren. Daarvoor moet data breed in de organisaties beschikbaar zijn. Dat is de fundering van een datagedreven organisatie.
4. Data voor iedereen toegankelijk maken
Het grootste gevaar is dat data bij de IT- of marketingafdeling blijft liggen. Alle afdelingen moeten toegang hebben tot de data die nodig is om het werk zo goed mogelijk te kunnen doen. Met die informatie kunnen afdelingen zien wat voor de klant belangrijk is, hun prioriteiten in lijn met die van de klant brengen en hun activiteiten daar verder op afstemmen. In veel organisaties betekent dat een heuse cultuurverandering.
Er moet een cultuur van experimenteren worden gecreëerd. In een cultuur van experimenteren is er sprake van een constante drive om te vernieuwen. Organisaties kijken vooruit en staan open voor nieuwe initiatieven. Om een dergelijke cultuur te realiseren zijn enkele randvoorwaarden nodig. Zo moet onder de medewerkers de vernieuwingsdrang leven, moet er ruimte zijn voor initiatieven om te mislukken en moet er kort-cyclisch worden gewerkt om de waarde van nieuwe toepassingen te toetsen.
5. Betrekken van de juiste medewerkers
Ook de vaardigheden van medewerkers zijn zeker niet onbelangrijk. Medewerkers moeten over de kennis, competenties en ervaring beschikken om met de data te kunnen werken of deze kunnen opdoen. Hoe veel tijd ervoor nodig is om de kennis onder de medewerkers naar het gewenste niveau op te schalen, speelt mee in de mate waarin organisaties data-analyse kunnen toepassen.
6. Definiëren van kritische prestatie-indicatoren
Ten aanzien van het definiëren van kritische prestatie-indicatoren moeten organisaties weten of er op de juiste, écht belangrijke kritische prestatie-indicatoren wordt gestuurd, hoe die kritische prestatie-indicatoren als gevolg van een toenemend belang van data binnen de organisatie veranderen en hoe de manier van monitoring daardoor verandert.
7. Verlenen van autoriteit aan data
Pas als de data van voldoende kwaliteit, volledig en actueel genoeg is, kunnen organisaties aan deze data waardevolle inzichten ontlenen. Data moet continu worden gevoed en medewerkers moeten de zeggingskracht van data accepteren voordat een organisatie echt datagedreven kan worden.
8. Garanderen van dataveiligheid
Een belangrijke randvoorwaarde om een datagedreven organisatie te worden is dataveiligheid. Omdat niet alleen de organisatie gevaar loopt bij een cyberaanval, maar ook de klanten waarvan gegevens beschikbaar zijn bij de organisatie, moeten organisaties de veiligheid en continuïteit van data kunnen garanderen. Maar ook data-interpretatie en de mindset van medewerkers zijn belangrijke onderdelen van dataveiligheid.
9. Toewijzen van data-eigenaarschap
Met het oog op onder meer privacyvraagstukken, is het van belang om in kaart te brengen wie de rechtmatige eigenaar van de beschikbare data is. Niet alle data mag zomaar worden geëxploiteerd. Bijvoorbeeld als het eigenaarschap bij de klant of leverancier ligt. Ook moet het eigenaarschap voor de kwaliteit en het rendement van de data in de organisatie goed worden belegd.
10. Bouwen van een technische infrastructuur
Voor een datagedreven organisatie is de IT-omgeving van cruciaal belang. De gebruikte architectuur, hardware en tooling moeten voldoende robuust, toekomstbestendig en wendbaar zijn. Om dat te kunnen afwegen staat de vraag welke investeringen er op korte en middellange termijn nodig zijn om de veiligheid en continuïteit te waarborgen centraal.
Door data volgens boven geschetst stappenplan te verzamelen en te analyseren kunnen relaties, patronen en trends worden achterhaald. Die informatie kan worden gebruikt om conclusies te trekken en beter geïnformeerde beslissingen te nemen om meer toegevoegde waarde voor een organisatie te creëren.
Dit artikel is verschenen in cm: 2022, afl. 2.
Finance Academy E-learning
Leeromgeving Finance Academy E-learning bevat cursussen met een breed scala aan onderwerpen die voor controllers van belang zijn. Met het platform kunt u uw leerdoelen verwezenlijken en kennis vergaren om op de toekomst voorbereid te zijn volgens de nieuwe richtlijn voor Permanente Educatie. Maak nu kennis en profiteer van 10 procent korting op een abonnement. U kunt ook geheel vrijblijvend een gratis e-learning proberen om de omgeving te leren kennen.