Binnen vijf dagen inzicht in de waarde van datagedreven werken
Dit voorjaar lanceerde data-consultancybureau Digital Power een ‘data pressure cooker’. In vijf dagen tijd gaat een multidisciplinair team aan de slag met de data van een klant. Op basis van het resultaat na die week besluit de klant of het zinvol is om verdere stappen te ondernemen op het gebied van datagedreven werken. Om meer te weten over de propositie stelde Consultancy.nl vijf vragen aan Alex de Ronde, trekker van de propositie.
Jullie hebben een nieuwe dienst gelanceerd waarmee bedrijven in één week tijd kunnen zien welke waarde ze kunnen halen uit data. Waarom gebeurt dit in zo’n kort tijdsbestek?
“We merkten dat potentiële klanten twijfelden over hoe datagedreven werken bij hen concreet waarde kon opleveren. Kleinere organisaties die nog niet veel ervaring met data(consultancy) hadden, kozen vaak voor de ‘veilige optie’: om er helemaal niet aan te beginnen. Grotere organisaties werken wel met data, maar zijn terughoudend als het gaat om gevorderde oplossingen met behulp van bijvoorbeeld data science. Het was heel frustrerend om klanten waar we veel waarde kunnen toevoegen te zien afhaken. Via de data pressure cooker kunnen we met relatief weinig risico voor zowel de klant als voor onszelf bewijzen wat we kunnen.”
Die ene week is enorm weinig voor een dataproject, zo stelt De Ronde: “Dit maakt het een grote uitdaging. De belangrijkste ingrediënten voor het succes van de pressure cooker zijn dan ook het stroomlijnen van processen (onder andere de beschikbaarheid van data en tooling) en goede besluitvorming. We sturen praktische consultants naar de klant onder leiding van een senior consultant. Die laatste zorgt er met zijn of haar ervaring en helicopterview voor dat er na een week een proof of concept ligt. Uiteindelijk heeft de klant meer nodig dan zo’n proof of concept. Een succesvolle pressure cooker is daarom de eerste stap voor een langdurige relatie. Je kunt het dus zien als een opstapje, of als een eerste ‘sprint’.”
Welke expertise en support brengt Digital Power in? En wat wordt van de klant verwacht tijdens zo’n ‘data pressure cooker’-week?
“Tijdens de pressure cooker zetten we met behulp van interne krachtenbundelingsessies onze 300 jaar aan werkervaring op het gebied van data in. We starten met een goede definitie van de uitdaging: zomaar gaan graven in data heeft meestal weinig waarde. Afhankelijk van de opdracht en organisatie, zetten we een multidisciplinair team in met kennis op het gebied van customer experience, technical web analytics en data analytics, data science en data engineering. Voor de klant een kans om in één keer veel expertise en specialisme in huis te halen; voor ons een mogelijkheid om de kennis van onze specialisten te verbreden.”
Naast toegang tot de data en tooling, verwacht Digital Power dat de klant beschikbaar is voor vragen en om beslissingen mee af te stemmen. De Ronde licht toe: “We starten met een stakeholder brainstorm en plannen vaste feedbackmomenten in: zo zorgen we samen met de klant voor zoveel mogelijk resultaat binnen vijf dagen.”
Jullie kiezen er bewust voor om verschillende disciplines binnen het datadomein samen te brengen. Waarom is dit zo belangrijk?
“Als datapartner van Nederland willen we organisaties helpen ‘van data naar doen’. Door datavraagstukken vanuit verschillende disciplines aan te vliegen, kunnen we onze klanten beter helpen. Datavraagstukken gaan namelijk zelden over maar één enkel domein.”
Bij dashboarding komt data engineering kijken, bij data science komt analytics kijken en vice versa, legt De Ronde uit: “Een website optimaliseren gaat alleen als je de web analytics tools goed geïmplementeerd hebt, en wat heb je aan een web analytics tool als je die niet gebruikt om de website te optimaliseren?”
Hij geeft een praktijkvoorbeeld: “Wanneer we voor de NS een data science-model opleveren om loopstromen te voorspellen, moeten Data Engineers zorgen dat dit model in productie staat en de resultaten altijd bij de eindgebruikers komen, en is het visualiseren en communiceren van het eindresultaat een data analyse-klus. Kortom: drie expertises in één project. Door mensen met verschillende expertises in hun kracht bij te dragen aan een opdracht, leveren we een betere prestatie. Met mijn achtergrond in data science kan ik best veel, maar met het hele team kunnen we vrijwel alles.”
“Data vraagstukken gaan zelden over maar één enkel domein. Door verschillende disciplines aan te boren, kunnen we onze klanten beter helpen.”
Hebben jullie de propositie al succesvol toegepast bij klanten? Kun je voorbeelden geven?
“We hebben de data pressure cooker voor verschillende organisaties uitgevoerd en er zitten ook leuke nieuwe projecten in de pijplijn! Van twee klanten mogen we onze aanpak bespreken. Fietsvoordeelshop vroeg ons om een handmatig dataproces te automatiseren om betere reporting en analyses uit te voeren. Hier heb ik met een collega een proof of concept gemaakt van een dashboard dat dit proces geautomatiseerd kon draaien. Terwijl we bezig waren, zag de klant allerlei nieuwe mogelijkheden voor vervolgstappen. Als gevolg daarvan zijn we nu een future-proof data-infrastructuur met warehouse aan het bouwen om dit te faciliteren. Op zo’n manier als datapartner van een organisatie aan de slag gaan, dat is een van de leukste dingen om te doen.”
“Een andere case is die bij Online Visual, websites bouwen en diensten daaromheen aanbieden. We hebben nieuwe proposities uitgewerkt om deze diensten te kunnen leveren, zoals implementatie en onderhouden van web analytics tooling, customer journey analyses, of A/B testen. Nu zijn we dit soort diensten met ze aan het uitvoeren.”
Datagedreven werken is natuurlijk veel meer dan het opleveren van een handig dashboard. Wat komt er nog meer bij kijken?
“Absoluut, véél meer! Datagedreven werken begint bij wat je met data wilt en hoe: starten met een datastrategie. Vaak betekent dit in eerste instantie sturen van je organisatie met bijvoorbeeld goede KPI’s en dashboarding. Meteen daarna ook het optimaliseren van je werk door analyses en acties, en het automatiseren van handmatig werk. Dat betekent dat je een goede infrastructuur moet hebben, met bijvoorbeeld een modern data warehouse. Dat is eigenlijk noodzakelijk om te kunnen vertrouwen op de data uit je dashboards, daarnaast scheelt het doorgaans zeer veel handmatige en repetitieve processen. Die handmatige klussen kosten vaak meer dan 50% van de tijd van analisten.”
Ook kan het resultaat minder goed zijn waardoor kansen onbenut blijven, besluit De Ronde: “Daarom is een geschikte infrastructuur een cruciaal punt; daar is vaak een hoop te winnen voor bijna iedere organisatie. Wanneer je in staat bent deze inzichten te verkrijgen en vervolgens om te zetten in acties, wordt data science al snel interessant: hoe kun je dieper de data in duiken voor nog meer of betere inzichten, of kun je bepaalde zaken voorspellen en zo efficiënter werken? Daarnaast zijn zaken als je bedrijfscultuur, datakennis en kunde, en hoe je ‘data’ organiseert als team of afdeling enorm belangrijk om rekening mee te houden. We helpen organisaties hier graag bij.”
