5 tips om succesvol datagedreven te werken

5 tips om succesvol datagedreven te werken

Gepubliceerd door jenniferseldenrijk op

Is jouw data te vertrouwen? 

“Wie kan er in één zin uitleggen wat datagedreven werken is?” Deze vraag klinkt tijdens ons digitale afdelingsoverleg. “Eén zin is wel wat weinig” zeg ik, “mag het ook in twee of drie zinnen?”. Zo`n containerbegrip als datagedreven werken ‘even’ ontleden valt nog niet mee merk ik en dat is precies waar ook een deel van onze klanten tegenaan loopt.

Wij zien dat daar verschillende werkgroepen (al jarenlang) actief zijn, maar dat dit nog niet altijd oplevert wat zij voor ogen hadden. Dit fascineert mij en ik besluit om verder in de successen en failures van datagedreven werken te duiken.

Wat is datagedreven werken?

Heel platgeslagen is datagedreven werken ‘het sturen op basis van onbewerkte feiten en ruwe data’. Zeker de laatste jaren staat datagedreven werken als vast punt op de agenda`s van veel bedrijven. Hoe komt dit? Data wordt namelijk al jarenlang verzameld of vastgelegd, maar was nog redelijk ontoegankelijk voor de meeste mensen. Je moest op z`n minst een ingewikkelde wiskundige studie hebben gedaan om hier iets van te snappen. En nu, vandaag de dag lijkt al het mysterieuze rondom data en data-analyse te zijn verdwenen. Zelfs jij en ik zonder wiskundige achtergrond kunnen lekker grasduinen in de datasets. Door de komst van applicaties zoals Power BI of Excel snappen steeds meer mensen iets meer van data (analyse). Er gaat een wereld open – IT en business ontmoeten elkaar en zo vindt iedereen dat we toch ‘iets’ moeten roepen over data.

Waarom komt het niet van de grond?

Aan het enthousiasme ligt het niet, begrijp me niet verkeerd. Ik zie dat onze klanten er erg voor open staan om te werken met data. Kosten noch moeite worden gespaard als het gaat om opleidingen of externe adviseurs op dit vlak. De vraag en het aanbod rondom de leerinterventies die gaan over ‘data-analyse’, ‘werken met BI applicaties’ of het ‘visueel maken van data’ blijven nog steeds toenemen. “En wat heeft het tot nu toe opgeleverd?” vraag ik dan, of “wat merk je er al van op de werkvloer?”.

Blijkbaar zijn dit confronterende vragen, want vaak blijft het daarna net te lang stil. Datagedreven werken heeft nog niet de vorm of invulling gekregen waar men op hoopte. In mijn beleving zijn hiervoor de volgende redenen aan te wijzen:

  1. IT & business zijn niet samen
    Hoewel steeds meer werknemers een opleiding volgen op het gebied van data-analyse is het niet direct hun ‘cup of tea’. Hierdoor wordt de analyse vaak uitbesteed aan een IT`er of data-analist van een andere afdeling en ontvangt ‘de business’ vervolgens een keurig rapport vol cijfers of plaatjes. Als je even langer naar zo`n rapport kijkt, dan ontstaat er veel meer inspiratie voor analyse, maar ja, zie dan maar weer tijd te claimen bij die ene – drukbezette IT analist om te helpen. Kortom, doordat IT & analyse vaak nog te veel los staat van de verschillende afdelingen komt de data nog onvoldoende tot leven.
  2. Te weinig tijd voor goed voorwerk
    Dan zijn er ook de werknemers die zich helemaal vastbijten in het concept datagedreven werken en zich hierin van A tot Z bekwamen. Voor een complexe data-analyse draaien ze hun hand niet om en dat levert de meest fantastische rapporten op. Maar waar deed je het ook alweer voor? Welk doel diende jouw analyse en voor wie maak je het? Dat zijn vragen die vooraf cruciaal zijn om de data voor je te laten werken in je verhaal of presentatie. Zonder die verbinding sla je soms net de plank mis.
  3. Onveilig gevoel
    Door automatisering en het inzichtelijk maken van data kunnen medewerkers zich sneller gecontroleerd voelen of ervaren ze het als een inbreuk op hun vrijheid. Deze beleving kan ervoor zorgen dat medewerkers datagedreven werken niet omarmen.
Hoe werk ik succesvol datagedreven?

Gelukkig lukt het steeds meer organisaties om datagedreven te werken. Een aantal concrete tips om datagedreven werken succesvol te laten zijn:

  1. Verwacht niet van iedereen gouden bergen
    Het is goed als zoveel mogelijk mensen in de organisatie basiskennis hebben, maar verwacht niet dat iedereen na een training uit de voeten kan met een dataset. Beter is het om medewerkers in hun kracht te zetten en de data-analyse te beleggen bij iemand die dat het beste kan. 
  2. Formuleer een concrete opdracht
    Een goede voorbereiding is het halve werk. Bepaal voorafgaand aan een data-analyse wat je nodig hebt om te sturen. Op welke vraag moet de dataset antwoord geven? Wat is de scope van de dataset? Wat is het doel? Je geeft zo meer context zodat ‘IT en de business’ met elkaar worden verbonden.
  3. Wees kritisch – weet wat je vertrouwt
    Hoe weet je zeker dat je naar de juiste data kijkt? Overtuig jezelf ervan dat de filters juist zijn ingesteld en dat de data betrouwbaar is. Kortom, wees kritisch en voer steekproeven uit of bouw controle mechanismen in, zodat jij overtuigd bent van de juiste bron van je dataset.
  4. Ga in de cockpit zitten
    En dan? Dan is de data-analyse gedaan en hoe laat je de data voor je werken? Hoe ga je sturen? Door het inrichten van dashboards met concrete KPI’s  monitor je steeds de metertjes in jouw cockpit en ben je in staat bij te sturen.
  5. Laat het zien
    Er is inzicht, je hebt een cockpit gebouwd maar het is niet alleen jouw feestje. Zorg ervoor dat je de belangrijkste stakeholders betrekt in het verhaal. Doe dit niet door ze de ruwe dataset te sturen maar pik de highligths eruit en breng dit – bij voorkeur – in een flitsende, visuele Infograpic in beeld. Je zult zien, dit werkt!

Deze blog schreef ik voor Conclusion Learning Centers


0 reacties

Geef een antwoord

Avatar plaatshouder

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *