Orde in de chaos: de Datastrategie uitgewerkt

In ons artikel “Orde in de chaos: de datastrategie” hebben we beschreven hoe je bepaalt welke data voor jullie organisatie relevant is, volgens de 2 stappen:

  1. Bepalen van de Use Cases
  2. Prioritering van de Use Cases

In dit artikel gaan we het resultaat van die stappen omzetten in de datastrategie. De datastrategie kent de volgende aspecten:

  1. Data-eisen
  2. Datagovernance
  3. Technologie
  4. Vaardigheden en capaciteit
  5. Invoering en verandermanagement

Voor de uitwerking van de datastrategie gebruiken we dit sjabloon:

In het sjabloon staan de data use cases helemaal bovenaan. Hier staan de 5 belangrijkste prioriteiten op het gebied van data voor het komende jaar. Het is ook zinvol om een paar quickwins op het terrein van data op te nemen. Door die te gaan uitvoeren blijkt snel de waarde van het gebruik van data. Belangrijk voor de bewustwording binnen de organisatie.

Per use case worden 5 aspecten uitgewerkt. Elke use case leidt tot een data project. Elke use case zal op een aantal aspecten anders zijn, maar ook een aantal van de dezelfde problemen of uitdagingen kennen. Het vroeg identificeren van deze gemeenschappelijke uitdagingen helpt om te bepalen hoe je deze het makkelijkste, voor een aantal use cases tegelijk, kunt aanpakken.

Toelichting op de 5 aspecten van de datastrategie:

1. Data-eisen

Dit komt neer op de vraag “Welke data zijn nodig en hoe kun je die verzamelen?”.

Een veelvoorkomend gemeenschappelijke uitdaging voor data-use cases kan bijvoorbeeld datadiversiteit zijn. Met andere woorden, hoe combineer je verschillende data (intern en extern, gestructureerd en ongestructureerd, etc.) om ervoor te zorgen dat je een zo rijk en volledig mogelijk beeld krijgt? En tot welke combinaties kom je dan?

2. Datagovernance

Dit is een breed gebied, met betrekking tot de kwaliteit van data, ethiek, privacy, eigendom, toegang en beveiliging.

Ook hier zullen gemeenschappelijke uitdagingen zijn voor verschillende use cases. Bijvoorbeeld gebrekkige datakwaliteit kan een probleem zijn in de hele organisatie. Dat betekent dat, voordat je data prioriteiten kunt realiseren er eerst gezorgd moet worden dat alle relevante data accuraat, volledig en up-to-date zijn. En processen invoert die ervoor te zorgen dat dat zo blijft.

Afhankelijk van de aanwezige datakwaliteit kun je er ook voor kiezen om de data te genereren en naar de gebruikers te brengen en zodoende voor hen duidelijk te maken wat er aan schort. Maar dit heeft een risico in zich dat de gebruikers de data voor langere duur niet meer vertrouwen.

De weg hiernaartoe dus een belangrijke afweging. Tussen snelheid en kwaliteit. Tussen snel inzicht krijgen en gebruikers op een latere termijn een keer goede data aan te kunnen leveren.

3. Technologie

Hier gaat het over de vraag of er additionele software- en hardwarevereisten zijn. Ga dit na voor 4 fasen van:

⦁ Data verzamelen
⦁ Data opslaan
⦁ Verwerken en analyseren van data
⦁ Communiceren van de inzichten uit de data

Stel dat 2 van de use cases betrekking hebben op het interviewen van klanten in verschillende stadia van de klantreis. Bijvoorbeeld nadat ze contact hebben opgenomen met het klantenserviceteam respectievelijk nadat ze een product hebben gekocht. Beschikken jullie over de software die die data kan vastleggen, opslaan en analyseren om inzichten te verzamelen? Of moeten jullie investeren in nieuwe software?

4. Vaardigheden en capaciteit

Gebrek aan datakennis en -vaardigheden bij de vele collega’s van de data- en business intelligence experts is een grote zorg voor veel organisaties.

In veel gevallen zijn er voor vele use cases gemeenschappelijke eisen rond het opleiden van personeel, het uitbesteden van dataverzameling en -analyse waar nodig, of het samenwerken met bv. een dataprovider.

En als jullie plan eruit bestaat om met een externe dataprovider te werken, kan één van de uitdagingen zijn om de externe kennis te laten landen in jullie organisatie. Om hiervan te leren. En volwassener te worden in het omgaan met data.

5. Invoering en verandermanagement

Wat kan jullie weerhouden om jullie plannen te realiseren? Welke uitdagingen moeten jullie overwinnen bij de implementatie van jullie datastrategie? Een heel belangrijke component die vaak wordt onderschat.

Het kan bijvoorbeeld essentieel zijn om tijd te investeren in het opleiden van managers en teams over de voordelen van data en de noodzaak om beslissingen te baseren op data en niet meer op veronderstellingen. Een scan van de datageletterdheid kan ook veel inzichten geven. Zie ook het artikel “datageletterdheid is vaak een bottleneck”.

Hoe verder?

Met deze datastrategiesjabloon van één pagina zijn veelvoorkomende thema’s en actiepunten in jullie dataprioriteiten geïdentificeerd. Dit dient ook als een visuele herinnering aan wat jullie proberen te bereiken. Dit sjabloon is vanzelfsprekend niet gedetailleerd genoeg zijn om alle problemen, uitdagingen en vereisten voor databronnen, datagovernance, technologie, vaardigheden en implementatie te verkennen. Maar is wel een goede start. Om het onderwerp concreet te maken en daarna aan de hand van de datastrategie de acties te gaan inzetten.

Zie ook ons artikel “Zijn jullie ook data gedreven of lijkt dat maar zo?

Meer weten?

Als je hulp wilt krijgen bij het ontwikkelen en invoeren van een datastrategie neem dan gerust contact met ons op.

Deze website maakt gebruik van cookies, onder andere om het gebruiksgemak te vergroten. Door op 'ACCEPT' te klikken, geef je toestemming voor het gebruik van cookies.