Winkelmand

Geen producten in de winkelwagen.

6 do’s en don’ts voor iedereen die iets met data wil

Wie nog niet bezig is om data-driven te worden, mist de boot. Maar hoe pak je dat eigenlijk goed aan, zo’n dataproject? Zes do’s en don’ts. ‘Focus is cruciaal omdat de mogelijkheden van data eindeloos zijn.’

data driven datagedreven werken
Foto: Joshua Sortino/Unsplash

Data zijn de nieuwe olie is een veelgehoorde uitspraak. Organisaties die data-driven weten te worden, boren een bron aan die ze een voorsprong geeft op de concurrentie. Geen wonder dat veel ondernemingen dataprojecten optuigen. Maar hoe begin je daarmee? Zes tips voor een soepele start.

Don’t #1: het project onderschatten

Voor veel bedrijven is het verzilveren van data een actueel project. De belofte: de schat aan gegevens die elke onderneming verzamelt, geschikt maken als motor van de bedrijfsvoering. Data-driven worden dus – dat wil elke ondernemer van nu. ‘Maar van droom naar werkelijkheid is ingewikkelder,’ oordeelt Nicky Willebrands. ‘Er wordt al gauw gedacht dat het als een bijbaan kan worden opgepakt.’

En daar gaat het fout, stelt de solution architect van clouddienstverlener Proact. Naast deze baan volgt Willebrands een Master in Data Science aan de Hogeschool Utrecht. Hij pleit voor een gestructureerde aanpak. ‘Datagedreven organisaties maken beslissingen op basis van data. Wil je zo’n bedrijf worden, dan begin je met het stellen van de juiste datavraag.’

Do #2: je datavraag concreet maken

De vraag waar veel dataprojecten mee beginnen, is: kun je van mijn data goud maken? Dat is echter niet concreet genoeg. Uit deze vraag moet een praktischere vraag naar boven komen.

Zo’n praktische vraag verbindt de beschikbare datastroom met een concrete zakelijke uitdaging, legt Willebrands uit. ‘Die twee zaken zijn afhankelijk van elkaar. Bij ieder zakelijk vraagstuk hoort een datavraag, en bij elk datavraagstuk moet een zakelijk vraagstuk passen.’

Do #3: gewoon aan de slag gaan

Willebrands geeft het voorbeeld van het voorspellen van klantgedrag. ’Begin met een kleine dataset, een kleine vraag en een kleine testomgeving. Een goede vraag kan zijn: kunnen wij voorspellen wat klanten willen kopen op basis van variabelen X,Y en Z met onze historische data?’

Met zo’n vraag kun je gericht met je data aan de slag en je eerste conclusie trekken. Je komt er gaandeweg achter of je data tekort komt, of je te weinig variabelen hebt, of je niet de skills in huis hebt, en of dit überhaupt een vraag is waar je met redelijke nauwkeurigheid een antwoord op kunt geven.

Mede daarom is het belangrijk eerst concrete vragen te stellen, en vervolgens op basis daarvan datagedreven beslissingen te nemen. Als dat slaagt, kun je op ieder project voortborduren. Zo bouw je een datagedreven organisatie op. Willebrands: ‘Je moet data niet zien als ruwe olie, maar als benzine, als een bron van energie. Het kan de organisatie verder brengen.’

Don’t #4: denken dat je het er wel even bij doet

Zoals hierboven al aangegeven: data-driven worden is geen bijbaan. Dat roept de vraag op: uit welke specialisten moet het datateam worden samengesteld?

Een volledig team bestaat uit iemand die de datapijpleiding kan bouwen, iemand die zorgt dat de data in minimale vorm beschikbaar is door het te prepareren, op te schonen en bruikbaar te presenteren, en tot slot iemand die de data kan modelleren, ofwel: die voorspellingen op basis van data mogelijk maakt.

Afhankelijk van het vraagstuk zijn er verschillende rollen nodig in het team. Een analyse op basis van het recente verleden binnen een bedrijf, waar de data al van beschikbaar is, kan prima worden beantwoord door een data-analist.

Don’t #5: gelijk een data-engineer of -scientist inzetten

Het wordt ingewikkelder wanneer er een vraag wordt gesteld over modellering van de toekomst of als real-time analyse nodig is. Hier zijn meer software-engineeringcapaciteiten voor nodig. Professionals met een wiskundige algoritmische achtergrond, zoals een data-engineer of een data-scientist, zijn daartoe in staat.

Niet alle vragen hebben zo’n grondige aanpak nodig, vindt Willebrands. ‘Probeer vooral niet onnodig een data-science-aanpak toe te passen op je vraagstuk. Voor een goede datagedreven oplossing van een vraagstuk kan wel de hulp van een data-scientist worden ingeschakeld.’

Do #6: data als chefsache beschouwen

Een organisatie die datagedreven wil worden, moet de digitale transformatie in zijn strategie opnemen. Voor een succesvol dataproject is daarom de betrokkenheid van de beslissers nodig. ‘Je data verzilveren heeft met de strategie van de onderneming te maken. Dat vraagt om betrokkenheid van de beslissers.’

Een consequentie van onvoldoende betrokkenheid kan zijn, dat het dataproject in zijpaden verzandt. Willebrands: ‘Focus is cruciaal omdat de mogelijkheden van data eindeloos zijn. Spreek daarom met elkaar een succesmoment af en evalueer vervolgens hoe het pad daarnaartoe is verlopen.’ Een eerste kleine succes brengt de organisatie in beweging en maakt het vervolgens steeds makkelijker om de nieuw succes te behalen.