Analytische Routekaart
De Analytische Routekaart van DIKW helpt organisaties om gestructureerd te groeien naar een meer datagedreven en analytische manier van werken. Op basis van het Analytical Capability Maturity Model (ACMM) brengen we in kaart waar u nu staat, welke ambities u heeft en welke stappen nodig zijn om data, technologie, processen en mensen beter op elkaar af te stemmen. Zo wordt analytische volwassenheid geen abstract begrip, maar een concreet ontwikkelpad richting betere beslissingen, meer impact en duurzame waardecreatie met data.
Wat is de Analytische Routekaart?
De Analytische Routekaart is het referentiemodel van DIKW om de analytische volwassenheid van een organisatie zichtbaar en bespreekbaar te maken. Het model laat zien hoe ver u bent in het benutten van data, analytics en AI, en waar nog kansen liggen om besluitvorming en prestaties te verbeteren. De routekaart biedt een gemeenschappelijk kader waarmee directie, business en IT over hetzelfde beeld van de huidige situatie en de gewenste richting kunnen praten.
De basis van de routekaart is het Analytical Capability Maturity Model (ACMM), dat onderscheid maakt tussen verschillende niveaus van analytische volwassenheid. In plaats van te focussen op één los onderdeel – zoals tooling of een datawarehouse – kijkt de routekaart integraal naar de randvoorwaarden voor datagedreven werken. Daarmee wordt het een praktisch hulpmiddel om inzicht te krijgen, prioriteiten te stellen en gericht vervolgstappen te kiezen.
De afbeelding laat de Analytische Routekaart zien als een grafiek met de vijf pijlers mensen, organisatie, data, tooling en analytical assets op de horizontale as en vijf volwassenheidsniveaus op de verticale as. Het blauwe vlak toont de huidige situatie per pijler; het oranje vlak daarboven laat het ambitieniveau zien en maakt in één oogopslag duidelijk waar de grootste ontwikkelruimte zit. Rechts staan de niveaus benoemd van rudimentair en lokaal via ambitie en georganiseerd tot winnaar, zodat je direct ziet op welk niveau de organisatie nu opereert en waar zij naartoe wil groeien.
Waarom analytische volwassenheid belangrijk is
Organisaties beschikken vandaag over meer data dan ooit, maar dat betekent niet automatisch dat zij ook beter beslissen. Zonder duidelijke visie, goede datakwaliteit, passende processen en de juiste vaardigheden blijft data vaak steken in losse rapportages of ad‑hoc analyses. Analytische volwassenheid gaat er juist over in hoeverre een organisatie data en analytics structureel inzet om doelen te bereiken en continu te verbeteren.
Organisaties met een hogere analytische volwassenheid zijn beter in staat om kansen en risico’s vroeg te signaleren, processen te optimaliseren en onderbouwde keuzes te maken. Zij gebruiken data niet alleen om terug te kijken, maar ook om vooruit te kijken met scenario’s, voorspellende modellen en continue monitoring. Dat levert meer efficiëntie, betere dienstverlening en een sterker concurrentievoordeel op – lees meer over data strategie en data management.
Analytical Capability Maturity Model (ACMM) als basis
De Analytische Routekaart van DIKW is gebaseerd op het Analytical Capability Maturity Model (ACMM). Dit is een raamwerk dat organisaties helpt hun analytische capaciteiten systematisch te beoordelen en te ontwikkelen, als onderdeel van een bredere datastrategie en de beweging richting een “Analytical Competitor”.
Binnen DIKW bestaat het ACMM uit vijf pijlers: mensen, organisatie, data, tooling en analytische assets. Deze vijf pijlers beschrijven samen de voorwaarden om data en analytics echt effectief in te zetten. Door per pijler zowel de huidige situatie (IST) als het ambitieniveau (SOLL) te bepalen, ontstaat een duidelijk beeld van de ontwikkelopgave: de stappen die nodig zijn om de kloof tussen vandaag en de gewenste toekomst te overbruggen.
Het ACMM wordt in klanttrajecten gebruikt als meetlat én als gespreksinstrument. Het maakt verschillen tussen afdelingen zichtbaar, helpt prioriteiten te stellen en geeft richting aan het uitwerken van een roadmap voor datagedreven werken. Daarmee is het model niet alleen theoretisch; het vormt in de praktijk een belangrijk fundament onder adviestrajecten, whitepapers en referentiemodellen van DIKW.
Historie: van Davenport’s DELTA naar de DIKW‑aanpak
De Analytische Routekaart van DIKW is niet als theoretisch model aan de tekentafel ontstaan. Het raamwerk is voortgekomen uit jarenlange praktijkervaring in data‑ en analytics‑projecten, gecombineerd met inzichten uit het werk van Thomas Davenport en collega’s over analytics maturity en de DELTA‑aanpak. Zo sluit de routekaart aan bij internationale referenties, maar is hij tegelijk sterk toegesneden op de Nederlandse context en de vraagstukken van DIKW‑klanten.
In het boek Analytics at Work: Smarter Decisions, Better Results beschrijven Davenport, Jeanne Harris en Robert Morison de DELTA‑aanpak als fundament voor succesvolle analyticsprogramma’s. DELTA staat voor Data, Enterprise, Leadership, Targets en Analysts: vijf elementen die samen bepalen of een organisatie erin slaagt om analytics echt in het hart van de bedrijfsvoering te plaatsen. De DELTA‑ en latere DELTA‑Plus‑modellen zijn sindsdien een veelgebruikt kader geworden om analytics maturity te duiden en gerichte verbeterstappen uit te werken.
Binnen DIKW zijn de ideeën van Davenport al vroeg opgepakt en toegepast in consultancy‑ en data science‑trajecten. Zo wordt DELTA bijvoorbeeld expliciet genoemd in het Data Science waardeketen‑model, waar het samen met CRISP‑DM is vertaald naar een praktisch raamwerk voor het opzetten en optimaliseren van de data science waardeketen. Ook in klantcases, zoals bij ROM Utrecht Region en Waterschap Hollandse Delta, wordt het ACMM model expliciet gekoppeld aan het referentiemodel van Davenport.
De Analytische Routekaart is de volgende stap in die ontwikkeling. Waar Davenport’s DELTA de succesfactoren voor analytics op hoofdlijnen beschrijft, vertaalt DIKW deze denklijn naar vijf concrete pijlers (mensen, organisatie, data, tooling en analytical assets) en een maturity‑model met IST‑ en SOLL‑niveaus. Daarmee wordt de DELTA‑inspiratie gecombineerd met DIKW’s eigen referentiemodellen, ervaringen uit klantprojecten en opleidingen via de DIKW Academy. Het resultaat is een praktische routekaart waarmee organisaties gericht kunnen werken aan hun ontwikkeling richting een hogere analytische volwassenheid – in de geest van Davenport, maar volledig ingebed in de DIKW‑aanpak.
De bouwstenen van de Analytische Routekaart
De Analytische Routekaart is opgebouwd uit vijf bouwstenen, of pijlers, die samen bepalen hoe volwassen een organisatie is in het gebruik van data en analytics: mensen, organisatie, data, tooling en analytical assets. Door deze vijf pijlers systematisch te beoordelen ontstaat een compleet beeld van de huidige analytische volwassenheid en wordt duidelijk welke onderdelen extra aandacht vragen. Dit sluit aan bij het Analytical Capability Maturity Model (ACMM) dat DIKW ook op andere pagina’s en in whitepapers gebruikt.
Binnen de Analytische Routekaart kijken we per pijler zowel naar de huidige situatie (IST) als naar het gewenste niveau (SOLL). Zo wordt zichtbaar welke ontwikkeling nodig is om de beoogde doelen te halen en welke pijlers elkaar versterken of juist afremmen. De routekaart voorkomt daarmee dat organisaties uitsluitend investeren in technologie of losse projecten, en helpt om mensen, organisatie, data, tooling en analytical assets in samenhang te ontwikkelen.
Pijler 1: Mensen
Deze pijler gaat over de professionals die data en intelligence in uw organisatie ontwikkelen, beheren en gebruiken: van data engineers, beheerders en architecten tot data scientists en business analisten. De ontwikkeling naar een hoger volwassenheidsniveau draait hier om het versterken van competenties van bestaande medewerkers, het gericht werven van ontbrekende profielen en – waar nodig – het uitbesteden van specialistische taken die niet tot de kerncompetenties van de organisatie behoren.
Pijler 2: Organisatie & governance
In deze pijler staat de inrichting van het bedrijfsproces Intelligence centraal. Denk aan de vraag of er een centrale afdeling of een virtueel team is, welke rollen en verantwoordelijkheden worden onderkend, hoe het portfolio van informatieproducten en analyses eruitziet en hoe budgettering is geregeld. Ook de governance rond KPI’s, besluitvorming en de Intelligence Roadmap valt hieronder. Een hogere volwassenheid betekent dat er een duidelijke structuur is waarbinnen data en analytics aantoonbaar waarde creëren voor de organisatie.
Pijler 3: Data
Deze pijler gaat over hoe uw organisatie omgaat met het vastleggen van data in alle ICT‑systemen. Data is – na mensen en liquide middelen – één van de belangrijkste assets van een organisatie. Datakwaliteit ontstaat (of verslechtert) in de operationele processen: gebrekkig ingerichte processen leiden tot slechte vastlegging aan de bron. Wie datakwaliteit wil verbeteren, moet daarom processen en datamanagement structureel aanpakken, niet alleen ‘repareren’ in het intelligence‑systeem.
Een volwassen organisatie gebruikt het intelligence‑systeem om datakwaliteit zichtbaar te maken, investeert in goede sleutelvelden en integratiemogelijkheden tussen systemen en richt datamanagement in als continu proces. Daarbij sluiten we aan op moderne data‑architecturen, zoals data lakehouses en data mesh, zodat data uit verschillende bronnen op een beheerste en schaalbare manier beschikbaar komt voor analytics en AI.
Pijler 4: Tooling
Deze pijler omvat alle software en hardware – on‑premise of in de cloud – die nodig is om het intelligence‑proces te ondersteunen: van databases, integratie‑ en ETL/ELT‑oplossingen tot reporting, dashboarding, data science en machine‑learning tooling. Ook de onderliggende infrastructuur zoals compute, storage en netwerk valt hieronder.
Steeds meer organisaties kiezen voor moderne data‑architecturen zoals data lakehouses en cloud data platforms, omdat die beter schaalbaar en flexibeler zijn dan traditionele datawarehouses. Tegelijk spelen thema’s als data‑soevereiniteit, compliance en EU‑wetgeving hierbij een steeds grotere rol: waar staat uw data, wie heeft er toegang toe en aan welke regelgeving bent u gebonden? Een hoger volwassenheidsniveau betekent dat tooling en technologie niet ad‑hoc zijn gekozen, maar bewust zijn geselecteerd op basis van datastrategie, architectuurprincipes én eisen rond veiligheid, privacy en soevereiniteit – bijvoorbeeld door gebruik te maken van Europese of EU‑gecontroleerde cloud‑oplossingen waar dat relevant is.
Pijler 5: Analytical Assets
De vijfde pijler gaat over de concrete informatieproducten die waarde creëren: dashboards, rapportages en analyses voor directie en management, beslismodellen in operationele processen, werklijsten voor medewerkers en datasets voor toezichthouders. Dit zijn de zichtbare resultaten van het intelligence‑systeem – hier wordt de investering in mensen, organisatie, data en tooling omgezet in daadwerkelijke impact.
De eerste vier pijlers zijn randvoorwaardelijk; zij kosten vooral geld en tijd en fungeren als cost centers. Analytical assets zijn juist het profit center: hoe beter pijler 1 t/m 4 zijn ingericht, hoe meer waarde pijler 5 kan leveren. Een organisatie nadert het niveau van een echte Analytical Competitor wanneer alle pijlers in balans op een hoog niveau functioneren.
Van nulmeting naar roadmap voor datagedreven werken
De Analytische Routekaart start altijd met een objectieve nulmeting. Op basis van interviews, bestaande documentatie en eventueel aanvullende analyses brengen we in kaart hoe datagedreven uw organisatie nu is en hoe de vijf pijlers – mensen, organisatie, data, tooling en analytical assets – ervoor staan. Deze maturity‑scan lijkt op de aanpak die DIKW ook in klantcases gebruikt: een combinatie van gesprekken met stakeholders, deskresearch en toetsing aan het ACMM‑raamwerk.
Vervolgens wordt het gewenste ambitieniveau bepaald: hoe analytisch volwassen wilt of moet u zijn om uw strategische doelen te realiseren? Het verschil tussen de huidige volwassenheid en de gewenste volwassenheid vormt de delta die moet worden overbrugd. Samen met uw organisatie vertalen we deze delta naar een concrete roadmap voor datagedreven werken, met geprioriteerde initiatieven op korte en middellange termijn.
Die roadmap bevat doorgaans een mix van organisatorische en technische maatregelen: het aanscherpen van governance, het verbeteren van datakwaliteit, het ontwikkelen van nieuwe dashboards of data science use cases, het moderniseren van het data‑ en analytics‑platform en het vergroten van datavaardigheden in teams. Belangrijk is dat de routekaart geen theoretische exercitie wordt, maar een praktisch kompas waarmee u stap voor stap, binnen de mogelijkheden van uw organisatie, toewerkt naar een hoger niveau van analytische volwassenheid.
Voor welke organisaties is de Analytische Routekaart geschikt?
De Analytische Routekaart is geschikt voor organisaties die voelen dat data en analytics belangrijk zijn, maar nog zoeken naar structuur, prioriteit en samenhang. Dat geldt zowel voor organisaties die nog aan het begin staan van datagedreven werken als voor organisaties die al dashboards, rapportages of data science inzetten, maar ervaren dat de resultaten versnipperd zijn en moeilijk op te schalen.
Met name organisaties in sectoren als overheid, semi‑publiek, financiële dienstverlening, logistiek, industrie en dienstverlening hebben baat bij een gestructureerde aanpak van analytische volwassenheid. In dergelijke omgevingen spelen vaak complexe processen, veel verschillende stakeholders en hoge eisen aan transparantie, verantwoording en compliance – precies de context waarin een maturity‑model zoals het ACMM helpt om keuzes te onderbouwen en een realistische routekaart te maken.
De routekaart is ook waardevol voor MKB‑organisaties die willen voorkomen dat datagedreven werken blijft steken in losse projecten of “dashboard‑initiatieven”. Door met de Analytische Routekaart te werken, ontstaat een gemeenschappelijk beeld van waar de organisatie nu staat, waar zij naartoe wil en welke stappen daar logisch tussen liggen. Zo wordt datagedreven werken een structureel onderdeel van de bedrijfsvoering, in plaats van een eenmalig IT‑project.
Hoe DIKW de routekaart in de praktijk inzet
DIKW gebruikt de Analytische Routekaart als startpunt voor advies‑ en transformatietrajecten. In de praktijk begint dat vaak met een maturity‑scan, waarin de vijf pijlers van het ACMM worden beoordeeld op basis van interviews, documentanalyse en bestaande rapportages. Op die manier ontstaat een gedeeld beeld van de huidige situatie, de belangrijkste knelpunten en de kansen om meer waarde uit data, analytics en AI te halen.
Vervolgens wordt de routekaart gekoppeld aan de datastrategie en de concrete ambities van de organisatie. Samen met stakeholders vertaalt DIKW de uitkomsten van de nulmeting naar een analytische roadmap: een geprioriteerde lijst van initiatieven, variërend van het verbeteren van datakwaliteit en governance tot het moderniseren van het data‑platform en het ontwikkelen van nieuwe BI‑, data science‑ of AI‑use cases.
Deze werkwijze sluit aan op de DIKW‑methode: eerst samen een heldere datastrategie formuleren, die vertalen in een analytische roadmap en daaruit een plateauplanning afleiden voor het gefaseerd realiseren van een data platform dat daadwerkelijk werkt voor de business.
Resultaten die organisaties kunnen verwachten
Organisaties die met de Analytische Routekaart aan de slag gaan, krijgen allereerst helder inzicht in hun huidige analytische volwassenheid: waar staan we nu, waar zitten de belangrijkste knelpunten en waar liggen de grootste kansen om waarde uit data te halen. Dat voorkomt dat datagedreven werken een containerbegrip blijft en helpt bestuur, management en IT om een gedeeld beeld te vormen van de situatie.
Op basis van de routekaart en de bijbehorende roadmap kunnen organisaties gerichter investeren. In plaats van ad‑hoc tools of losse projecten, wordt duidelijk welke stappen op korte termijn realistisch zijn en welke ontwikkelstappen nodig zijn op de langere termijn. Dat leidt tot betere prioritering, meer focus en een hogere kans dat investeringen in data‑ en analytics‑platformen, BI, data science en AI ook daadwerkelijk rendement opleveren.
Op de langere termijn laten praktijkvoorbeelden zien dat een hogere analytische volwassenheid zich uitbetaalt in efficiëntere processen, betere besluitvorming, hogere klantgerichtheid en meer innovatiekracht. Organisaties signaleren kansen en risico’s eerder, sturen op basis van betrouwbare informatie in plaats van onderbuikgevoel en kunnen hun strategie beter onderbouwen richting stakeholders en toezichthouders. Daarmee sluit de Analytische Routekaart direct aan op DIKW’s bredere visie op datagedreven werken: data inzetten om processen te optimaliseren, groei te realiseren en een duurzaam concurrentievoordeel op te bouwen.
Veelgestelde vragen over analytische volwassenheid
Wat is een analytische routekaart?
Een analytische routekaart is een plan om stap voor stap te groeien in het gebruik van data en analytics. De Analytische Routekaart van DIKW is gebaseerd op het Analytical Capability Maturity Model (ACMM) en laat zien waar uw organisatie nu staat, waar u naartoe wilt en welke stappen nodig zijn om dat verschil te overbruggen.
Wat is het Analytical Capability Maturity Model (ACMM)?
Het Analytical Capability Maturity Model (ACMM) is een framework waarmee organisaties hun analytische volwassenheid kunnen beoordelen en ontwikkelen. DIKW gebruikt het ACMM om de volwassenheid op vijf pijlers (mensen, organisatie, data, tooling en analytical assets) te meten, het ambitieniveau vast te leggen en de stappen te bepalen die nodig zijn om een meer analytische speler – een “Analytical Competitor” – te worden.
Hoe meet ik de analytische volwassenheid van mijn organisatie?
Met de Analytische Routekaart voert DIKW een maturity‑scan uit op basis van gesprekken, documentatie en bestaande data‑ en analytics‑producten. De uitkomsten worden geplot op het ACMM‑model met een IST‑ en een SOLL‑niveau per pijler. Het verschil daartussen vormt de basis voor een roadmap met concrete verbeterinitiatieven.
Wat is het verschil tussen datagedreven werken en analytische volwassenheid?
Datagedreven werken gaat over het daadwerkelijk gebruiken van data in dagelijkse beslissingen en processen. Analytische volwassenheid gaat een stap verder: het beschrijft in hoeverre alle randvoorwaarden – zoals strategie, organisatie, data, tooling en skills – op orde zijn om datagedreven werken structureel mogelijk te maken. De Analytische Routekaart helpt om die volwassenheid te meten en gericht te ontwikkelen.
Wat is de DELTA‑methode van Thomas Davenport en hoe verhoudt die zich tot de routekaart?
De DELTA‑methode van Thomas Davenport beschrijft vijf elementen (Data, Enterprise, Leadership, Targets en Analysts) die samen bepalend zijn voor succesvolle analytics. DIKW heeft deze denklijn gecombineerd met eigen ervaring en referentiemodellen om de Analytische Routekaart en het ACMM verder uit te werken. Waar DELTA het “waarom” en de succesfactoren schetst, helpen de routekaart en het ACMM om het “hoe” concreet te maken in de context van uw organisatie.
Aan de slag met de Analytische Routekaart
Wilt u weten waar uw organisatie vandaag staat op het gebied van analytische volwassenheid en wat er nodig is om een volgende stap te zetten? Met de Analytische Routekaart helpt DIKW u om dat scherp in beeld te krijgen: van een gezamenlijke nulmeting en een heldere ambitie tot een concrete roadmap voor datagedreven werken, gebaseerd op het Analytical Capability Maturity Model (ACMM).
De volgende stap is meestal een verkennend gesprek of een compacte maturity‑scan. Op basis daarvan bepalen we samen waar de grootste kansen liggen, welke initiatieven prioriteit hebben en hoe een plateauplanning eruitziet voor het gefaseerd realiseren van een data platform dat écht werkt voor de business. Zo wordt analytische volwassenheid geen abstract doel, maar een haalbare route met duidelijke mijlpalen en eigenaren.
Aan de slag met de Analytische Routekaart
Onze andere populaire referentiemodellen
Data Science waardeketen
Het Data Science waardeketen model is een model dat de verschillende aspecten beschrijft die nodig zijn voor het succesvol inzetten van data science om waarde te creëren voor uw organisatie.
De rol van “intelligence” in de DIKW hiërarchie
De belangrijkste vormen van intelligence beschreven en hun relatie tot de DIKW-hiërarchie verduidelijkt.
AI Model Canvas
Wat we zien bij onze klanten is dat ze op zoek zijn naar een manier om waarde te genereren met machine learning, data science en AI. Er is enorm veel mogelijk maar hoe ga je op een gestructureerde manier al die potentiële kansen realiseren?
Logisch Data Fundament
Het Logisch Data Fundament biedt functionele houvast door uw data architectuur.