1.  Definieer de bedrijfsstrategie

Zorg dat missie, visie, strategie helder zijn. Leg je langetermijnambities vast in een plan dat in lijn ligt met de bedrijfsdoelstellingen, capaciteit en data. Data-oplossingen moeten bijdragen aan de doelen van de organisatie. Daarom heb je eerst een bedrijfsstrategie nodig voordat je een goede datastrategie kunt opstellen. Brainstorm over de klanten, ideale producten, marktsegmenten, distributie, manier van contact, inrichting van jouw organisatie om de toekomst goed aan te kunnen. Zijn er wellicht betere manieren om business te genereren, klanten te bedienen of heb je wellicht een andere bedrijfsmodel nodig? Krijg dit scherp en handel er naar, want dat is cruciaal voor succes met data.

2. Verbind organisatiedoelstellingen

Verbind korte termijndoelen aan langetermijnambities. Elke doelstelling stel je op vanuit de strategie. Zo voorkom tijdverlies door inspanningen die er niet aan bijdragen. Het verzamelen, bewerken en analyseren van data zijn geen doelen op zich. Data krijgt pas waarde als die te relateren is aan de doelstellingen. De vragen die je beantwoordt zijn dus:

• Wat wil je organisatie bereiken?
• Wat zijn de lange en korte termijndoelen?
• Welke data (detail en geaggregeerd: persoon/functie/proces/afdeling en in samenhang) zijn hiervoor cruciaal?

Voorbeeld
Een organisatie heeft als langetermijndoelstelling: uitgroeien tot de grootste dienstverlener in een bepaalde branche. De kortetermijndoelstellingen die hieraan ondersteunen:

• vergroten van de omzet;
• uitbreiden van het bestaande klantenbestand.

3. Leg datadoelstellingen vast

Leg vast welke data je nodig hebt om de doelen uit stap 2 te bereiken. Heb je de organisatiedoelstellingen scherp, dan vertaal je die naar datadoelstellingen. Hierin definieer je wat het doel is op het gebied van data. Zorg dat er een duidelijke link is met de organisatiedoelstellingen. Richt je op strategische keuzes en langetermijndoelen. Let op: een gedragsverandering is hierbij noodzakelijk.

Is de doelstelling om uit te groeien tot de grootste dienstverlener in een bepaalde branche, dan kan je denken aan de volgende datadoelstellingen:

• Het meest complete beeld creëren van de doelgroep en het klantenbestand;
• de volledige customer journey in kaart brengen;
• (real-time) Inzicht in de acquisitie.

Communicatie vanuit, support van en voorbeeldgedrag door het topmanagement is cruciaal. Daarnaast is de juiste conversatie over de context van de organisatie belangrijk. De toenemende invloed van data, de bijdrage aan de samenleving en het werken met datatoepassingen (mobile, apps, selfservice) zijn relevant bij het onderzoeken van de toekomst.

4. Combineer en verken datawensen en -eisen

Zijn de datadoelstellingen bekend, dan leg je vast waar deze data vandaan moet komen en hoe je deze gaat verzamelen. Denk na over welke data specifiek voor jouw bedrijf interessant is. Dit is een uiterst belangrijke stap in de vervaardiging van je datastrategie.

Tip:
Visualiseer de huidige en toekomstige databronnen van de bedrijfsstrategie. Zo krijg je overzicht. Uit onze ervaring blijkt dat je dit het beste kan doen via samenwerking. Daarbij zijn zowel de experts op het gebied van data, business experts en managers van de organisatie betrokken.

De uitkomst van deze mapping is een lijst met mogelijkheden voor het gebruik van data, de manier waarop ze waarde toevoegen en om welke waarde het gaat.

Ga uit van de gewenste situatie en formuleer je antwoord aan de hand van onderstaande vragen:

• Welke data moeten beschikbaar zijn om de doelstellingen (data- en organisatiedoelstellingen) te behalen?
• Zijn er bepaalde metrieken en dimensies die belangrijk zijn voor je branche en/of bedrijf?
• In welke data zit echte meerwaarde voor jouw organisatie? Of voor jullie klanten?
• Zit er in bepaalde data extra commerciële waarde?

Privacywetgeving

Staan je belangrijkste datawensen op papier (ga uit van de 20/80 regel), dan is het noodzakelijk om ook nog de (non-functional) data-eisen vast te leggen. Hier leg je vast waar de data aan moet voldoen. Denk aan de cookie- en privacywetgeving GDPR (Nederlands: AVG). Heb je het antwoord op deze vragen, dan vul je de lijst aan met data die je wilt hebben.

5. Maak een Minimal Viable Product

Maak een minimal viable product (MVP). Bewijs daarmee de waarde; van de keuze tot en met de uitvoering. Werk kort cyclisch, met meerdere iteraties, om zo snel mogelijk te leren en écht verbeteren als doel. Pas als de waarde gelijk is aan de beoogde toegevoegde waarde kan je verder implementeren/industrialiseren.

6. Inventariseer huidige en toekomstige databronnen

In deze stap inventariseer je de databronnen die momenteel al aanwezig zijn. Onze ervaring leert dat het aantal databronnen vaak meer is dan gedacht.

Ga na waar de data vandaan komt (uit welke processen/afdelingen/bronnen/productowner). Noteer wie de eigenaar(s) zijn van de datakwaliteit en -inhoud en in welke vorm je de data opslaat. Maak ook inzichtelijk wie toegang heeft tot de data (ontsluiten, bewerken, administratie van gebruik)

• Welke relevante data verzamelt jouw bedrijf al?
• Welke data heb je al eerder verzameld?
• Waar en hoe lang sla je al die data op?
• Wie heeft toegang tot welke data?
• Waar is welke data opgeslagen: in de cloud, op laptops; op papier, op lokale servers?

Toegevoegde waarde bepalenBeoordeel de data op noodzaak, toegankelijkheid, kwantiteit en kwaliteit. Dat is de basis om de (potentiële) toegevoegde waarde van de databronnen te bepalen. De kwaliteit en consistentie van de data beïnvloeden de kwaliteit en consistentie van de analyses en conclusies die je op basis van deze data trekt. Deel de bevindingen van deze stap binnen je organisatie.

7. Databewerking

Veel data die je verzamelt, vereisen bepaalde verwerkingen. Zowel voor als na opslag. Voor opslag wil je data wellicht filteren, anonimiseren, uitbreiden of combineren met een andere set. Na de initiële opslag wil je data misschien wel aggregeren voor bijvoorbeeld monitoring, dashboarding en reporting. Geaggregeerde data sla je altijd apart op.

Tip: maak de hele keten van dataverwerking inzichtelijk waarbij je data heen weer gaan tussen verwerking en opslag. Leg in dit onderdeel vast welke data welke bewerking ondergaat, wie of wat hiervoor verantwoordelijk is en hoe dit gebeurt. Hiermee leg je je keten van dataverwerking vast.

8. Definieer data-opslag en veiligheid

Definieer waar, hoe en hoelang je data gaat opslaan. De keuze van data-opslag is afhankelijk van de gevoeligheid van de data, frequentie van raadpleging,  wie (en waar vandaan) deze data raadpleegt. De keuze voor een bepaalde opslaglocatie kan impact hebben op het eigenaarschap. De termijn van data-opslag is relevant voor bijvoorbeeld predictive analytics en machine learning.

9. Leg datarelaties vast

In stap 6 heb je de verschillende bronnen van herkomst vastgelegd. Bij veel bedrijven komt data vanuit verschillende bronnen in zogenaamde silo’s terecht. Dat is een groot probleem omdat juist de relatie tussen verschillende databronnen belangrijk is. Daar schuilt vaak veel meerwaarde in.

Als stelregel geldt: Hoe rijker de data, hoe nuttiger deze zijn. Koppel je bijvoorbeeld CRM-data aan je Google Analytics (web)data, dan krijg je direct veel meer inzicht in de gehele customer journey. Hierdoor weet je makkelijk wie je waardevolle klanten zijn en kan je op zoek naar nog meer waardevolle klanten. Leg daarom vast welke relaties er bestaan tussen je datasets en hoe deze te combineren zijn.

10. Leg context data-analyse vast

Als laatste stap leg je de context van de data-analyse vast. Maak inzichtelijk wie hieraan werkt en volgens welke spelregels. Dat kan aan de hand van onderstaande vragenlijst:

• Is het toegestaan bepaalde data wel of niet te gebruiken?
• Mag je data delen in vastlegging en rapportage?
• Hoe garandeer je reproductie van analyse?
• Mag je originele data aanpassen tijdens de analyse?
• Wat is de kwaliteit/betrouwbaarheid van de data.
• Zijn alle verzamelde data even betrouwbaar? En hoe ga je hiermee om?
  Google Analytics data zijn in de regel minder betrouwbaar (want minder volledig) dan bijvoorbeeld data van je eigen kassa-systeem of CRM.
• Leg ook vast welke data-tools en -middelen er beschikbaar zijn.

Advies nodig voor jouw organisatie?

Het gebruik van data kan veel toegevoegde waarde opleveren. Realiseer je wel dat de transitie naar datagedreven werken grote impact heeft op de processen, cultuur en ict-omgevingen binnen je organisatie. Daarom is het belangrijk om vooraf een goede analyse te maken van alle aspecten die hierin rol spelen. Zaken als security, privacy, datakwaliteit en organisatorische competenties zijn belangrijke onderdelen van je datastrategie.

Een goede datastrategie bestaat uit:

• Een hands-on document waarin je data-ambities helder zijn geformuleerd. Het bevat een geprognotiseerde waarde/besparing vanuit je bedrijfsvoering. De datastrategie is een onderdeel van, in lijn met en ondersteunend aan je bedrijfsdoelstellingen.
• Inzicht in de bestaande en benodigde databronnen, in de huidige versus gewenste datakwaliteit, de gebruiks- en toepassingsregels.
• Een plan van aanpak met een roadmap voor concrete projecten en tijdslijnen, met implementatie/communicatie voor de data-verandering in je organisatie. Let op: een gedragsverandering is hierbij noodzakelijk voor iedereen binnen de organisatie. ‘Ja’ zeggen tegen datagedreven denken en doen betekent ‘nee’ zeggen tegen iets anders.

Houvast voor effectief gebruik van data

Beginnen en leren is de beste manier om als organisatie te ontwikkelen en te groeien. Het stappenplan uit deze nieuwsbrief geeft je handvatten om een plan en werkwijze voor je organisatie te bedenken. Met je geformuleerde datastrategie voor jouw bedrijf heb je samenhang in de doelstellingen met het gebruik en spelregels van data. De datastrategie biedt houvast voor effectief gebruik van data en goede dialoog over jullie uniforme stuurinformatie (realtime en misschien zelfs voorspellend). En een goede balans tussen data-strategie-mens zorgt voor een versnelling van bedrijfsresultaten.