Is uw bedrijf al data driven?

05-09-2016 - Egbert Dijkstra

Een van de recentste hypes binnen de big data wereld is het begrip “data driven”. Als je sommige “leveranciers” mag geloven mis je de boot als je niet als een haas gaat zorgen dat “dit” geïmplementeerd wordt. Wat ze bedoelen is hun platform, hun oplossing installeren.

Niettemin is het zinvol om vanuit het perspectief van de eigen organisatie hier eens goed in te duiken. Want in wezen is dit de kern waarover het gaat als we spreken over het gebruik van data als een productiefactor. Naast het toepassen van differentiatie, maar daarover meer in een volgende blog.

Wat betekent “data driven”? Waarom is het zo belangrijk en wat is dan de relatie met big data en analytics? En waarom moet ik er eigenlijk naar gaan kijken ?      

Het gebruik van informatie of data voor het nemen van beslissingen kennen we uit de klassieke business intelligence vormen. Het concept van  data driven brengt dit naar het ultieme operationele niveau, de vaak duizenden kleine beslissingen die hele dag door in een bedrijf worden gemaakt. Data driven brengt bedrijfsprocessen, data en algoritmes samen.

Laten we het verduidelijken met een aantal voorbeelden. Onze Zaanse grootgrutter gebruikt real-time verkoopgegevens en andere relevante data om op basis van een wiskundig algoritme op artikel/winkel niveau te beslissen wat er over twee uur met de volgende vrachtauto mee moet. Het proces is volledig geautomatiseerd, inclusief het doorsturen van vraag naar de leverancier van het betreffende product. Het gehele proces is in feite een data gedreven black box geworden waarbij op basis van door het systeem gemelde excepties en in business termen gedefinieerde KPI’s waar nodig wordt bijgestuurd. Dit dan bij voorkeur via één operationeel dashboard met informatie op meerdere verantwoordingsniveaus in plaats van via een set van statische rapportages. Het gehele herbevoorradingsproces is hiermee data driven geworden met de consument feitelijk aan het stuur – Continuous Customer Data Driven Retail zoals het wel werd genoemd.

De kracht van bovenstaand voorbeeld is dat direct gereageerd wordt op consumentengedrag, resulterend in een constant nieuwe voorspelling van toekomstig gedrag en directe input in het operationele proces. Het gebruikte algoritme wordt ontwikkeld met en getoetst aan historische data. Dat laatste dient bij voorkeur periodiek (en zo mogelijk geautomatiseerd!) plaats te vinden.

De werkelijkheid verandert immers constant en de business output van het model verandert die werkelijkheid. Maar het hoeft niet altijd een real-time karakter te hebben. De reguliere inzet van de politiehelikopters gebeurt op basis van een inzetplan dat, gebruik makend van criminaliteitscijfers geautomatiseerd, is opgesteld. Wanneer en waar te vliegen, conform welk patroon. Ervaring leert dat een helikopter veel effectiever is in te zetten als de machine al in de lucht is. Data, de verwachting over waar criminaliteit gaat plaatsvinden,  bepaalt waar en wanneer. Diverse politie-eenheden gebruiken een vergelijkbaar systeem (CAS) om de reguliere operationele inzet op straat te “sturen”. Inzet van schaarse middelen op een zo optimaal mogelijke manier.

Tesla, misschien wel de meest innovatieve autofabrikant op dit moment , gebruikt data afkomstig van alle verkochte auto’s om haar Auto Pilot systeem continue te optimaliseren. Daar waar in eerste instantie een bestuurder zelf nog voor een bocht diende af te remmen, neemt het systeem dat na verloop van tijd over. Het systeem leert van alle ervaringen van de volledige Tesla vloot, auto’s die in permanente communicatie met de Tesla supercomputer in Californië staan. Dit optimalisatieproces verloopt relatief snel. De eerste bestuurders melden al merkbare veranderingen binnen enkele weken. Dit is ook de reden waarom Nederlandse Tesla rijders het Auto Pilot systeem in Zwitserland zo goed vinden werken. Er rijden daar relatief veel Tesla’s rond. Een voorbeeld van data gedreven auto besturingsoptimalisatie.

De voorbeelden zijn inmiddels legio. In alle gevallen komen een business proces, data en een algoritme samen. Al dan niet in real-time.

Big data technologie (Hadoop clusters) is niet per definitie nodig om business processen data driven te maken. Albert Heijn startte al in 2006 (!) met de aangehaalde data driven herbevoorrading van de winkels. De ontwikkeling van wat later Apache Hadoop genoemd zou worden was toen amper nog begonnen. Echter, naarmate de data in omvang toeneemt en het real-time karakter en daarmee de snelheid van verwerken belangrijker wordt ligt het in toenemende mate voor de hand gebruik te maken van deze op parallelle gedistribueerde processing gebaseerde techniek.

Door eerst te onderzoeken of bestaande business processen geoptimaliseerd kunnen worden door deze data gedreven in te richten en op basis daarvan gedurende een innovatieve fase proefondervindelijk technologie in te zetten stijgt de kans op een positief resultaat van de uiteindelijk implementatie. In de praktijk zien we vaak het omgekeerde.  IT-gedreven ontwikkelingen op zoek naar een business probleem voor die o zo sexy big data technologie. Ook hier geldt dat een business gedreven aanpak de kans op succes aanzienlijk vergroot. Nauwe, hechte samenwerking tussen business en IT is hier een van de randvoorwaarden voor.

Een enkel proces data driven maken, maakt een organisatie nog niet data driven. Dat wordt het pas als deze manier van werken bedrijfsbreed ingang krijg, er een cultuur ontstaat waar binnen informatie echt gezien wordt als een productiefactor inclusief de bijbehorende organisatorische inrichting.

Succesvolle organisaties onderscheiden zich doordat ze de ontwikkeling richting een data driven aanpak integraal aanpakken. Doordat ze niet blijven steken bij het inhuren van een data scientist en de inrichting van een big data cluster, maar gestuurd vanuit een business perspectief in staat zijn om alle relevante componenten te verbinden. Zoekend naar business kansen, met ruimte om fouten te maken en de kracht van interne marketing van successen niet onderschattend. En met zichtbaar leiderschap vanuit de top van de organisatie.

Van Business Intelligence wordt al jaren gezegd dat het geen project of programma is, maar gezien moet worden als een permanente reis. Dit geldt des te meer voor de ontwikkeling in de richting van data gedreven organisatie.

Egbert Dijkstra
Managing Partner Deltiq