Datagedreven werken: 'Begin with the end in mind'
Hoe haal je de meeste waarde uit data? Michiel Musterd, leider van het Nederlandse Data & Analytics-team van BearingPoint, legt uit waarom je moet beginnen met het einddoel als uitgangspunt.
“Data is het nieuwe goud” of “data is de nieuwe olie” – het zijn veelgehoorde superlatieven over het belang van data. Een kern van waarheid zit er zeker in. Data kan veel waarde hebben, maar voordat die waarde geleverd wordt moeten er allerlei verwerkingsstappen op uitgevoerd worden, net als bij ruwe grondstoffen. Waar de vergelijking echter mank gaat, is dat het de suggestie wekt dat data het startpunt van de waardeketen is en dat is het niet.
Neem als voorbeeld het proces dat doorlopen wordt om een data-analyse te implementeren om meer inzicht in het huidige klantenbestand te krijgen. Je start met het verzamelen van klantdata. Vervolgens voer je hier bijvoorbeeld een clusteringsanalyse op uit die inzicht oplevert in het gedrag van verschillende groepen klanten. Op basis van dit inzicht kun je actie ondernemen en daarmee hopelijk waarde creëren.
Deze lineaire aanpak van data naar waarde voelt natuurlijk aan en zal ook geregeld daadwerkelijk waarde opleveren, maar slaat in feite de helft van het proces over. Gevolg hiervan is dat vragen die niet gesteld worden, toch geanalyseerd worden, omdat de data dit toevallig toelaat. Of omgekeerd, dat vragen die wel beantwoord moeten worden, niet geanalyseerd worden omdat ze niet met de (huidige) data te beantwoorden zijn.
De manier om analyses altijd aan te laten sluiten op de daadwerkelijke behoefte en dus altijd waarde te creëren is zo logisch dat als je deze eenmaal kent, het moeilijk is om nog in het lineaire proces te denken. De truc is namelijk om het proces te beginnen bij het gewenste eindresultaat – “Begin with the end in mind”, zoals mensen die Covey hebben gelezen zullen herkennen.
Dit betekent dus dat je eerst vaststelt wat er bereikt moet worden. Vervolgens stel je vast welke actie je moet ondernemen om dat voor elkaar te krijgen en wat je moet weten/welk inzicht je nodig hebt om deze actie uit de kunnen voeren. Dit leidt vervolgens tot de keuze voor een bepaalde analyse en de daarbij horende databehoefte. Pas dan start je met data verzamelen, analyseren, inzichten vergaren, actie ondernemen en uiteindelijk daadwerkelijk waarde creëren.
In de praktijk komen bij organisaties verschillende onvolledige versies van dit proces voor. De twee meest voorkomende zijn “starten met de data” en “inzicht krijgen in”. “Starten met de data” is de al eerder genoemde optie, waarbij dus enkel stappen 6 t/m 10 uitgevoerd worden en het maar afwachten is of er ook echt waarde gecreëerd wordt.
“Inzicht krijgen in” is de optie waarbij er gestart wordt bij een gewenst inzicht zonder daarbij te weten welke acties er aan dit inzicht gekoppeld kunnen worden, enkel stappen 3 t/m 8 dus. Gevolg hiervan is geregeld dat er helemaal geen actie ondernemen kán worden en het inzicht dus in feite waardeloos is.
Door de beschreven aanpak nauwgezet te volgen, is het niet meer simpelweg hopen dat een analyse of model iets interessants oplevert, maar is dat bij de start al gewaarborgd. En op die manier is data toch echt wel goud waard.
