Bij veel organisaties zien we de volgende denkfout.

Op alle niveaus is men overtuigd van het enorme potentieel van data, zonder exact te weten waar dit dan precies zit en hoe die data vervolgens te ontsluiten. Hierdoor getriggerd wordt besloten om een datastrategie uit te werken. Die datastrategie moet aansluiten bij de organisatiestrategie en de toegevoegde waarde duidelijk maken. Er worden prachtige vergezichten geschetst van de zegeningen van data op de dienstverlening, de kwaliteit van de procesuitvoering en het innovatief vermogen. Vaak wordt nog een uitstapje gemaakt naar AI en de mogelijkheden om processen volledig te digitaliseren.

Echter, wat veel organisaties vergeten is dat, om iets te kunnen met data er een datamanagementstrategie nodig is. Met andere woorden, eerst je zaakjes organiseren, voordat je er de vruchten van kunt plukken.

Datamanagementstrategie 

Wat bedoelen we hiermee. Voordat een organisatie kan nadenken over het succesvol inzetten van al die waardevolle data, moet eerst de hobbel genomen van het onder ‘controle’ brengen van die data het datamanagement. De datastrategie geeft richting en stelt eisen aan de datamanagement strategie. En andersom geldt dat de datastrategie rekening moet houden met de volwassenheid van het datamanagement. Je kunt torenhoge ambities hebben, maar je hebt dan ook een duidelijke koers en een plan nodig om de daarvoor benodigde randvoorwaarden in te vullen. Zonder data definities, eigenaarschap of een minimum van datakwaliteit, levert het hooguit frustratie op.

Voorbeeld

Neem als voorbeeld een organisatie die zichzelf ten doel heeft gesteld om de omzet jaarlijks met 15% te laten stijgen door cross-selling bij bestaande klanten. Deze organisatiedoelstelling moeten doelmatig worden gerealiseerd met data. Om cross-selling te ondersteunen zou dit zich als volgt kunnen door vertalen naar de datastrategie: we zorgen ervoor dat met behulp van onze data een continue actueel 360-graden klantbeeld beschikbaar is binnen de organisatie, zodat de nieuwe en veranderende klantbehoeften beter in beeld kunnen worden gebracht. Het sales-team kan met behulp van self service BI analyses uitvoeren en hierdoor betere aanbiedingen doen aan bestaande klanten, waardoor we meer gaan verkopen.

Dat klinkt mooi, maar is het datamanagement niveau van de organisatie passend bij deze ambitie? De gestelde ambitie veronderstelt namelijk dat data van verschillende klantcontactpunten van voldoende kwaliteit is, consistente definities heeft en kan worden geïntegreerd en toegankelijk worden gemaakt. Daarnaast is er wet- en regelgeving van toepassing die eisen stelt aan het opslaan, beheren en processen van privacygevoelige data.

Een belangrijke stap is de doorvertaling van de datastrategie naar de datamanagement requirements en te toetsen of deze voldoende en tijdig kunnen worden ingevuld.

Bijvoorbeeld:

om een continue actueel 360-graden klantbeeld te bereiken is een centrale architectuur benodigd waar de data van alle verschillenden klantcontactpunten en product- en transactiesystemen wordt geconsolideerd. Als de requirements nog onvoldoende ingevuld kunnen worden, dan betekent het dat de datamanagement strategie daarop in moet zetten en mogelijk ook de ambitie van de datastrategie meer in lijn moet worden gebracht met wat realistisch is gegeven de voorziene tijdslijnen en afhankelijkheden. Kortom: data strategie en datamanagement strategie gaan hand in hand.

Voor de duidelijkheid

Data strategie:
hoe zorgen we ervoor dat onze data de bedrijfsstrategie zo goed mogelijk ondersteund? Hoe realiseren we waarde? Wat is onze ambitie? Hoe gebruiken we data, welke principes passen we toe?

Data management strategie:
hoe managen we onze data assets zodanig dat de data strategie gerealiseerd kan worden? Bij een goede datamanagementstrategie wordt rekening gehouden met de volgende onderwerpen.
Data Governance, organisatie breed het eigenaarschap en de verantwoordelijk voor de kwaliteit van alle relevante data, Een organisatie brede data architectuur, welke data wordt waar bijgehouden, wat is de ‘golden source’? Uiteraard de kennis en vaardigheden van degene die data verwerken en beheren.

Data policies waarbij wordt gekeken naar de regels en wetgeving, maar ook interne afspraken.
Data cultuur, het organisatie brede besef en bewustwording dat data de belangrijkste voorwaarde is voor groei en innovatie.

Kijk uit voor interne, navelstaar programma’s gericht op kwaliteitsverbetering, zonder duidelijk doel. Dure programma’s waar niemand energie van krijgt.

Data strategie en data management strategie moeten hand in hand gaan. Zonder visie wat deze data voor onze organisatie kan betekenen verzand je in interne, navelstaar programma’s gericht op kwaliteitsverbetering, zonder duidelijk doel. Dure programma’s waar niemand energie van krijgt. Aan de andere kant mooie vergezichten over een data toekomst, terwijl het eigen data-landschap een warboel is. Wat leidt tot frustratie of punt-oplossingen zonder rekening te houden met de hele organisatie. Beiden ongewenst. Toewerken naar een volwassen data-organisatie is een taai proces, waarbij de data strategie kan helpen om koers te houden. Succesvolle toepassingen helpen om door de taaie berg van datamanagement heen te komen.

Auteur: Peter Noordam