Vrijwel iedere organisatie roept het: data is het nieuwe goud. We horen het op congressen, lezen het in rapporten en zien het terug op de jaarplannen. Maar als data echt goud is, waarom is het dan zo verdraaid lastig om dat goud te delven?

Tijdens de Ronde Tafel Datamanagement op 4 juni georganiseerd door Bisnez stond waarde creëren met data centraal. De boodschap was helder: het potentieel is enorm, maar de praktijk is weerbarstig. Het blijkt in de praktijk erg lastig om uiteindelijk de baten of benefits van een investering in ‘data’ zichtbaar te krijgen en te realiseren.

Allereerst het begrip Waarde creëren met data of in goed Engels ‘Data Monetization’ – wat is het eigenlijk? In de kern gaat het om het genereren van financiële waarde uit data-assets. Volgens het boek ‘Data is Every body's business’, zijn er drie categorieën om met data waarde te creëren:

1. Improving: Gebruik data om werkprocessen efficiënter te maken (denk aan AI voor fraudeopsporing of voorspellend onderhoud bij bruggen).
2. Wrapping: Voeg data toe aan bestaande producten of diensten, bijvoorbeeld door de NS die haar dienstregeling optimaliseert op basis van reizigersdata.
3. Selling: Maak van data zelf een product, zoals kredietbeoordelaars die risicoprofielen verkopen.

Een belangrijke les voor iedere investering, maar zeker voor investeringen in Data. Een investering in data moet uiteindelijk leiden tot verbeteringen in het werkproces, verbetering van het product of de dienst óf leiden tot een nieuw verkoopbaar product.

Bij het opstellen en beoordelen van de business case voor een investering in data moeten de baten liefst helder gekwantificeerd en financieel zichtbaar worden gemaakt. Ook moet er eigenaarschap zijn voor het realiseren van de baten, met andere woorden er moet in de organisatie een persoon aanwijsbaar zijn, die kan uitleggen wat hij/zij met deze investering aan waarde denkt te realiseren én zich ook hard maakt voor het realiseren van baten.

Naast de eerdergenoemde drie categorieën, blijft er nog een belangrijke ‘restcategorie’ over. Wat doen we met de investeringen in ‘data’ die niet rechtstreeks zijn toe te wijzen aan concrete baten. Net als bij ICT zullen er ook investeringen plaats moeten vinden in de ‘basis-architectuur’ of het ‘platform’ waarop al die mooie nieuwe initiatieven succesvol kunnen zijn. Voor deze noodzakelijke vierde categorie is het lastig om een directe relatie te leggen met baten. De relatie is indirect, je hebt fundamentele investeringen nodig voordat je ‘use cases’ kunt aanwijzen die data-waarde genereren. Investeringen in de vierde categorie zijn meer rand voorwaardelijk. Immers je weet de toekomstige totale opbrengst van al die ‘use cases niet’, terwijl je die financieel gezien eigenlijk zou willen alloceren aan de fundamentele investering. Voor deze categorie, kan teruggegrepen worden op een model dat al langer gebruikt wordt voor investeringen in ICT, nl. het Vizier.

Het Viziermodel onderscheidt vier typen investeringen:

1. Investeringen gericht op het in standhouden of actualiseren en rationaliseren van het bestaande landschap: investeringen in de ‘basis-architectuur’.
2. Investeringen vanuit de business gericht op product- of procesverbetering: improving, wrapping en selling.
3. Investeringen die een bijdrage leveren aan de strategische doelen van uw organisatie óf het kunnen voldoen aan (externe) wet- en regelgeving.
4. Investeringen die bijdragen aan kennisopbouw en gericht op betere besluitvorming in de toekomst

Het Viziermodel dwingt om heldere keuzes te maken waar een investering thuishoort. Het totale portfolio, of ontwikkelbudget wordt jaarlijks verdeeld over deze vier kwadranten. Binnen één kwadrant kunnen de verschillende investeringsvoorstellen met elkaar ‘concurreren’. Investeringen in kwadrant één en vier zijn grotendeels voorwaardelijk voor investeringen in kwadrant twee en drie. Voor deze investeringen is het dan ook niet perse noodzakelijk om de baten concreet te kwantificeren. Deze investeringen moeten vooral verantwoord worden vanuit een lange termijnstrategie van de organisatie en haar gewenste data-landschap. Terwijl investeringen in kwadrant twee en drie het moeten ‘verdienen’ voor kwadrant één en ‘vier’. Hier moeten de baten dus heel duidelijk gekwantificeerd en liefst financieel worden gemaakt.

Dit model helpt organisaties om de juiste prioriteiten te stellen. Het maakt helder dat je niet moet proberen om businesswaarde te realiseren zonder dat de datafundamenten op orde zijn. Anders gezegd: de waarde van mooie dashboards of AI-toepassingen valt of staat met betrouwbare data en goed management.

Daarnaast benadrukt het model het belang van eigenaarschap. Per investering moet duidelijk zijn wie verantwoordelijk is voor het realiseren en monitoren van de baten (de ‘benefit-owner’). Alleen dan voorkom je dat data-projecten stranden in goede bedoelingen en vage beloften.

Praktisch voordeel:
Het model geeft richting bij het opstellen van businesscases voor data-investeringen. Door expliciet te benoemen welk type investering je doet en wat je verwacht te bereiken, wordt het makkelijker om keuzes te verantwoorden en om de baten zichtbaar te maken — niet alleen voor de IT-afdeling, maar vooral voor bestuurders en de business.

Van idee naar uitvoering:
Toch zijn er flinke obstakels. De grootste? Het is lastig om de voordelen van data-investeringen te kwantificeren. De relatie tussen data en harde euro’s is vaak indirect. Tel daarbij op dat data-initiatieven moeten concurreren met andere investeringen, en het is duidelijk waarom veel organisaties blijven hangen in pilots en experimenten.

Mijn conclusie?

Data monetization is geen sprint, maar een marathon. Start met realistische ambities, focus op échte businessproblemen, kies bewust welk type investering je doet, en gebruik het model als houvast. Alleen dan verandert data van hype in harde werkelijkheid.