Menu
Om echt succesvol te zijn heb je een plan nodig , een analytical roadmap, passend bij je organisatie, waarmee je als organisatie bepaalt met welke snelheid je kunt ontwikkelen. Zo kun je heel bewust nieuwe stappen zetten en steeds meer toegevoegde waarde uit data leveren, binnen een organisatie die zich steeds verder ontwikkelend in data gedreven werken.
Regelmatig richt de vraag van een organisatie zich alleen op de dashboard tooling als gestart wordt met business intelligence, Power BI of toch kiezen voor een bredere tool als Microstrategy? Wellicht herkenbaar en daarom goed om aan te geven dat dit het topje van de ijsberg is.
Daarnaast wordt er in veel organisaties nog steeds niet aan de verwachtingen voldaan, als investeringen in business intelligence niet voldoende rendement hebben opgeleverd. Nog steeds, want ook grote organisaties worstelen al jarenlang met dit probleem, en dat terwijl data toch de nieuwe olie is?
Gelukkig is het wel mogelijk om iedere organisatie te laten profiteren van de mogelijkheden die er zijn, zonder frustraties, maar niet zonder inspanning.
De weg naar een goed dashboard en waardevolle inzichten, de zogenaamde assets, loopt langs de zuilen van mensen, organisatie, data en techniek.
Het is goed om je te realiseren dat voor een dashboard of andere analytische visualisatie meer komt kijken dan een mooi plaatje op je intranet. Daar zijn een aantal redenen voor te noemen en slechts een paar daarvan hebben met techniek te maken
Informatie in een dashboard heeft impact. Dat is natuurlijk ook waarom je een dashboard wilt. Echter dat betekent ook dat informatie en inzichten ter discussie kunnen komen te staan, waarbij dit afleidt van de maatregelen die op basis van de verkregen inzichten genomen zouden moeten worden. De implementatie van een dashboard omgeving moet daarom rekening houden met de impact op de organisatie en niet alleen de impact bij de IT afdeling.
Goede inzichten vragen om meerdere aspecten te combineren over systemen heen, 360 graden, van bijvoorbeeld klanten, producten of voorraad. Dat vraagt erom gegevens uit meerdere applicaties/informatiesystemen bij elkaar te brengen, vervolgens historie op te bouwen en formules/logica toe te passen. Gegevens dienen bewerkt te worden om ontwikkelingen te kunnen zien. Je gaat van data naar informatie.
De bulk hiervan vindt niet plaats in je visualisatie omgeving, maar in een datawarehouse omgeving. De formules en logica die je hanteert in je organisatie dienen vooraf bepaald te worden. Om de data scientists te laten onderzoeken welke algoritmes meerwaarden creeren zal er een plaats nodig zijn waar de data verzameld wordt. Hoe en wat daar zijn hele boeken over geschreven, dus het wiel hoeft niet opnieuw uitgevonden te worden.
Natuurlijk is de slagroom op de taart de visualisatie omgeving, met een mooie visualisatie tool. Met de juiste visualisatie omgeving is de informatie zodanig te presenteren in dashboards dat er nog betere inzichten gaan ontstaan. De omgeving dient eenvoudig in het gebruik zijn, niet alleen voor het openen van de dashboards, maar ook voor het verder analyseren, want de visualisaties leveren niet alleen antwoorden op gestelde vragen, maar leiden ook tot nieuwe vragen. Als de omzet van een product bijvoorbeeld achterblijft, dan wil je kunnen analyseren waardoor dat komt. Analisten in de organisatie, zoals de business controllers, dienen ook zelf ad hoc eigen inzichten te kunnen creëren. Dit vraagt dus ook om deze mogelijkheden en een verdieping van informatie onder het oppervlak.
De organisatie leert met data om te gaan door hiermee te starten. Dat betekent dat er in de loop van de tijd andere informatiebehoeftes gaan ontstaan door nieuwe inzichten, maar ook dat de volwassenheid ten aanzien van datamanagement en data analytische vaardigheden groeit. Zo kan er een aanjagend effect ontstaan in de loop van de tijd bij een juiste implementatie. Daarentegen kan bij een verkeerde implementatie de organisatie verloren raken als er wat er op de organisatie afkomt niet past bij de organisatie op dat moment en de organisatie geen ruimte heeft om te leren.
Om het voorgaande goed te laten werken zal het nodige ingeregeld te kunnen worden. De gebruiker van de informatie, diegenen die de informatie verzorgen en diegenen die verantwoordelijk zijn voor de data waar deze ontstaat moeten met elkaar in verbinding staan voor kwalitatieve informatie en te zorgen dat de geboden informatie blijft passen bij de behoefte van de organisatie. Kortom korte lijnen door de hele organisatie. Dit is geen technische feestje, het management zal richting moeten geven aan de organisatie van data management. Keuzes moeten gemaakt worden, bijvoorbeeld over een Data & Analytics Center of Excellence, virtueel of niet.
Kortom, om echt succesvol te zijn heb je een plan nodig die rekening houdt met deze redenen en deze over verschillende assen gelijktijdig aanpakt. Tegelijkertijd wil je niet dat je een monster van een project creëert, in die zin dat het de organisatie zou kunnen vertragen in plaats van versnellen. Een oude wijsheid is nog steeds van toepassing, “think big, start small”.
Het plan moet vooral richting geven, de weg uitstippelen. Een analytical roadmap, passend bij je organisatie, waarmee je als organisatie bepaalt met welke snelheid je kunt ontwikkelen. Zo kun je heel bewust steeds nieuwe stappen zetten en steeds meer toegevoegde waarde uit de data halen binnen een zich steeds verder op data ontwikkelende organisatie.
Lees hier meer over ons Analytical Maturity Model
Of neem contact op met Mark van Berkel.
Van Data naar Informatie naar Kennis en Wijsheid (DIKW)
DIKW Intelligence
Wattbaan 1
3439 ML Nieuwegein
