Een digitale transformatie vraagt om een digitale strategie. Daarin is het gebruik van data essentieel. Is je data op orde, dan helpt het je om je klantbenadering en je bedrijfsprocessen te verbeteren. Het geeft richting aan de ontwikkeling en het gebruik van nieuwe technologie en soms zelfs van nieuwe bedrijfsmodellen. Maar hoe zorg je ervoor dat de data daadwerkelijk bijdraagt aan innovatie, groei en een efficiëntere bedrijfsvoering?
In deze reeks van 3 artikelen lees je alles over het activeren van data. We kijken niet alleen naar de strategische en technische aspecten van data-activatie, maar ook naar de mindset en cultuur die nodig zijn om zoveel mogelijk waarde uit data te halen. In het tweede deel lees je hoe een roadmap voor een succesvolle datastrategie eruitziet.
Data alleen waardevol als je het activeert. Je moet de data die je hebt, voor je laten werken en zorgen dat het meerwaarde levert voor je organisatie. Hoe identificeer je een usecase waarmee je de eerste stap kunt zetten en hoe toon je aan dat het daadwerkelijk waarde creëert?
Klein beginnen
De roadmap die daarbij helpt, is gebaseerd op een aanpak die we Grow Live noemen. Daarbij gaan we uit van een aantal kernwaarden en principes. Het begint met slimme, innovatieve mensen. Experts op het gebied van digitale transformatie en data-activatie (data-engineers en datascientists) die samen met businessexperts betekenisvolle resultaten boeken. De business bepaalt daarbij wat waarde is en het delen van kennis is essentieel. Omdat je niet in één keer van de kelder naar de zolder kunt, begin je klein om groot te eindigen. Daarna herhaal je deze stappen. Tijdens iedere stap heb je aandacht voor businesswaarde, data- en informatiemanagement en de governanceprocessen waaronder privacy en security. Dit zijn namelijk aspecten die je later niet meer zomaar kunt toevoegen.
Vier aandachtsgebieden
Tijdens dit proces zijn er vier aandachtsgebieden om op te focussen: business, data, architectuur en validatie. Een checklist helpt daarbij.
- Bij business denken we na over zaken als: wat is de uitdaging, waarom moet het worden opgelost, wat is het beoogde resultaat, wie zijn de belanghebbenden en wat is hun belang en wat zijn de user stories die daarbij horen?
- Bij data gaat het om: welke data is nodig, waar is de data opgeslagen, wat is de kwaliteit van de data, is de data überhaupt beschikbaar en is de data bereikbaar?
- Bij architectuur kijken we naar de gebruikte platformen, systemen, interfaces, connecties en componenten.
- Al met al kunnen we dit samenvoegen en met validatie toetsen we de haalbaarheid. Dit leidt tot aantoonbaar waardevolle initiatieven die op basis van hun waarde en complexiteit tegen elkaar worden uitgezet in een grafiek. Zo kun je beginnen met de initiatieven die relatief het meest waardevol en het minst complex zijn.
Waarde en complexiteit
De roadmap start met inspiratiesessies, met het zoeken en vinden van een businessuitdaging die je met data kunt oplossen. Aan de hand van klantreizen en usecases worden waardevolle initiatieven geïdentificeerd. Deze worden tegen elkaar afgezet op basis van waarde en complexiteit. Hiermee bepaal je de onderlinge prioriteit. De usecase met de hoogste prioriteit pak je als eerste op. Deze werk je uit in een quickscan om de haalbaarheid te toetsen. Een proof of concept is onderdeel van de quickscan. Aan het einde van de quickscan is er een go- of no-go-moment. Voor de haalbare usecases tonen we vervolgens aan of ze waarde op zullen leveren. Ook hier is een go/no-go-moment. Voor de waardevolle usecases starten we een ontwikkeling.
Roadmap in de praktijk
Zo’n roadmap hebben we geïntroduceerd bij een Nederlandse bierfabrikant. De organisatie had een grote hoeveelheid complexe gegevens die versnipperd was over verschillende bronnen, locaties en systemen. De fabrikant wilde kosten besparen op het gebied van inkoop en de efficiency in de supplychain verhogen. We zijn gestart met een aantal businessworkshops waarin we met verschillende stakeholders de problematiek in kaart hebben gebracht. Hoe lopen de inkoopprocessen, wat zijn de uitdagingen en waar zitten de mogelijke verbeteringen? Koop je bijvoorbeeld te vaak? Koop je te veel? Waar koop je? En had je het anders kunnen doen? Ook op het gebied van de supplychain stelden we gezamenlijk verschillende vragen. Welke onderdelen heb je waar en wanneer nodig? Weet je wat waar op voorraad ligt? En kun je onderdelen vinden op het moment dat je ze nodig hebt?
Dit heeft geleid tot een stakeholderanalyse met user stories en een usecase-matrix en roadmap. De proof of concept toonde aan dat we met bigdatatechnieken en slimme algoritmes inzicht én overzicht konden genereren. De proof of value toonde aan dat we hiermee waarde konden leveren voor zowel inkoop als supplychain. We zijn vervolgens gestart met een basisplatform. Daarna konden we iteratief en incrementeel aan de slag met het realiseren van benefits en capabilities aan de hand van de geïdentificeerde usecases.
Onvermijdelijke uitdagingen
Zeker in het begin loop je bij dit soort trajecten onvermijdelijk tegen uitdagingen aan.
- Vaak is onduidelijk welk probleem het best kan worden opgepakt. Het gaat over complexiteit en haalbaarheid. Begin met wat kan, maar ook met wat waarde oplevert.
- Gebrek aan afstemming tussen business en datateam. Die afstemming moet door blijven gaan als het project loopt.
- Data (beschikbaarheid en kwaliteit). Aan het begin van dit soort projecten is je data vaak nog niet voldoende georganiseerd, niet op alle plekken beschikbaar en de kwaliteit is nog niet goed.
- Veel (technisch) gedoe. Is er bijvoorbeeld een dataverwerkingsovereenkomst nodig en is die ondertekend? Het kan ook zijn dat je niet bij de data kunt omdat iets in een (industrieel) systeem zit.
- Te hoge verwachtingen. Een gebrek aan fail fast en learn fast kan een project opbreken.
- Experimenten vertalen naar producten. Productie is een heel andere omgeving dan de laboratoriumomgeving waarin je hebt gewerkt. Er is minder controle en er zijn factoren die verstorend kunnen werken. Bijvoorbeeld veranderende IT waardoor je datafeed stopt of een veranderende wereld waardoor je je model opnieuw moet trainen.
Dan zijn er nog de specifieke data-uitdagingen.
- Gefragmenteerd. Overal staat data, de dataformaten verschillen, de kwaliteit is onzeker, de winningsmethode is onzeker, de betekenis klopt niet met de winningsmethode.
- Gegevensverzameling en kwaliteit. Je moet weten wat je bron is en welke controle erop zit.
- Handhaving van gegevensbeveiliging en compliance en anonimiseren van gegevens. Dit moet je vooraf aanpakken bij de inrichting van je omgeving.
- Moeilijkheden bij het delen van gegevens. Ook dit hoort bij het opbouwen van de infrastructuur om te zorgen dat je dit soort projecten kunt doen.
- Gebrek aan opslag en snelheid. Met name de combinatie ervan kan een uitdaging zijn.
Conclusie
Wat helpt, is het project te bezien in kleine stappen. Ook is het altijd goed om de urgentie ervan in te zien. Als jij het niet doet, doet iemand anders het. Doe je het wel, dan blijf je voorop lopen. Heb je een datastrategie met een businessprobleem en de nodige data? Dan is het tijd om samen met je organisatie een usecase uit te zoeken. Prioriteer de cases op complexiteit en waarde voor je organisatie. De usecase die het meest haalbaar lijkt en veel waarde toevoegt aan je bedrijf, is de juiste kandidaat om mee te starten. Je doet een quickscan op je organisatie, je data, je architectuur en je connecties om erachter te komen wat werkt. Met een proof of value kijk je of je verbanden kunt vinden en welke waarden dat oplevert.
In het volgende deel gaan we verder met de operationalisering. Hoe breng je het concept naar productie en hoe houd je het in productie?
