Het Hadoop-cluster zoemt maar zijn we nu datagedreven?

De opkomst van data binnen organisaties is onmiskenbaar. Als gevolg van toenemende digitalisering en dataficatie neemt het belang van gegevens hand over hand toe. Steeds meer organisaties formuleren een ambitie om datagedreven te worden – al dan niet gestuurd door de angst om niet achter te blijven bij concurrenten. Los van de vraag of dit een noodzakelijke ambitie voor iedere organisatie zou moeten zijn, is het nuttig en nodig om een heldere visie op het concept van ‘datagedreven’ te hebben. Alleen vanuit een heldere visie is het immers mogelijk concreet invulling aan ambities op dat vlak te geven.

Veel benaderingen van het concept datagedreven zijn geschreven vanuit de technische en/of datamanagement capabilities die nodig zijn om datagedreven te worden zoals in deze blog van IBM of deze publicatie van O’Reilly. Maar dit soort benaderingen laten een onbevredigende indruk achter: want als een organisatie haar datamanagement op orde heeft, een data lake in de cloud heeft ingericht en juiste skills in huis heeft, ben je dan datagedreven? De vraag stellen is hem beantwoorden. Een relevantere vraag is daarom: en dan? Wat merkt een organisatie daarvan in haar bedrijfsvoering? Welke veranderingen zijn merkbaar in de inrichting en uitvoering van operationele processen wanneer een organisatie (meer) datagedreven is?

Volgens ons leidt het beantwoorden van deze meer fundamentele vragen tot een beter begrip van wat datagedreven is. Niet onbelangrijk, om te voorkomen dat een ‘datagedreven-strategie’ wordt gereduceerd tot het spinnen van een Hadoop-cluster, het aannemen van data scientists of inrichten van data governance.

Eigenschappen van een datagedreven organisatie zouden zichtbaar moeten zijn in de operatie. Op basis van eigen onderzoek, praktijkervaring en bestudering van diverse cases kunnen vier kenmerken onderscheiden worden. Een datagedreven organisatie:

  • gebruikt data om besluitvorming in het primaire proces vergaand te automatiseren;
  • kan hierdoor differentiatie toepassen naar klantgroepen, producten en/of afzetkanalen;
  • gebruikt data om de output van primaire processen te monitoren en is in staat op basis van deze inzichten diepgaand en continu te leren;
  • is dynamisch en adaptief omdat het deze inzichten – zo mogelijk geautomatiseerd – direct kan toepassen in haar primaire processen juist omdat deze geautomatiseerd zijn.

Bovenstaande is niet alleen van toepassing op bestaande operationele processen maar is vanzelfsprekend ook relevant voor, gegeven de beschikbaarheid van data en moderne betaalbare technieken, nieuw te ontwikkelen verdienmodellen.

Ieder van de genoemde kenmerken wordt hieronder nader toegelicht.

Automatisering van operationele beslissingen

Het slim gebruik van informatie moet uiteindelijk zijn weerslag hebben in het primaire proces. Dat is immers de plaats waar concrete producten en diensten worden geleverd, de plaats waar toegevoegde waarde wordt gerealiseerd. Een primair proces is op te delen in een serie opeenvolgende beslissingen (James Taylor spreekt in dit verband over ‘little decisions’). Denk hierbij aan het doen van een aanbieding, maken van een offerte, afwegen van opties, de herbevoorrading van een winkel etc. Iedere operationele beslissing speelt een rol in het leveren van een specifiek product of dienst aan een specifieke klant of stakeholder. Vanwege het operationele karakter van dit type beslissingen is er sprake van hoog volume en herhaalbaarheid. Dergelijke beslissingen worden immers dagelijks veelvuldig genomen. Wanneer dergelijke beslissingen goed in kaart worden gebracht, is het mogelijk om deze vergaand te automatiseren (of geautomatiseerd te ondersteunen).

Differentiatie aan de voorkant, standaardisatie aan de achterkant

Omdat er sprake is van vergaande automatisering is het mogelijk om differentiatie toe te passen naar klantgroepen, productaanbod en/of afzetkanalen. Dit is een effect dat niet alleen is voorbehouden aan de online wereld. Zo is Albert Heijn in staat om middels haar (gestandaardiseerde) supply chain iedere winkel een unieke productsamenstelling te geven, afgestemd op de specifieke karakteristieken van een bepaalde winkel. Andersom geldt dat vergaande automatisering van primaire processen een voorwaarde voor differentiatie is. Nieuwe vormen van differentiatie zouden anders leiden tot nieuwe processen of aanvullende organisatorische inrichting met bijkomende operationele kosten.

Monitoring en diepgaand leren

De vergaande digitalisering van primaire processen maakt het mogelijk om de uitkomsten en toegevoegde waarde voor stakeholders nauwgezet te monitoren. Niet alleen worden uitkomsten (‘lag indicatoren’) meetbaar gemaakt, ook wordt het mogelijk om onderliggende factoren (‘lead indicatoren’) te analyseren en inzicht te krijgen in de drijfveren van waardecreatie. Dit diepgaande inzicht stelt de organisatie in staat om nauwkeurig bij te sturen in haar primaire proces. Dit vraagt om goed gedefinieerde KPI’s en dashboards – kortom: klassieke BI-oplossingen!

Dynamisch en adaptief

Juist omdat processen sterk gedigitaliseerd zijn, is kort-cyclische bijsturing mogelijk. Dit maakt een datagedreven organisatie ook in sterke mate adaptief: de inzichten die voortvloeien uit monitoring en diepgaand leren kunnen direct worden toegepast in het primaire proces, bijvoorbeeld door de parameterisering van bepaalde operationele beslissingen aan te passen. Bij voorkeur geautomatiseerd in zelflerende systemen.

De hier beschreven kenmerken van een datagedreven organisatie helpen om vanuit een organisatorisch en strategisch perspectief na te denken over de mogelijkheden die data en techniek de organisatie bieden. Pas daarna komt de techniek zelf aan bod. Laten we niet opnieuw voor de zoveelste keer een probleem gaan zoeken bij een oplossing maar nu eens de juiste weg volgen!