Hoe is het gesteld met de datarevolutie?

In de afgelopen jaren zijn heel wat tools en technieken rond data een stuk toegankelijker geworden. Het is ook als kleinere organisatie makkelijker, sneller en intuïtiever dan ooit om met data aan de slag te gaan, waardoor we op een kantelpunt staan. Toegang hebben tot de juiste technologie is niet langer de grootste uitdaging. In plaats daarvan moeten bedrijven hun nieuwe tools en technieken efficiënt weten toe te passen om te innoveren.

Hoe moeten organisaties aan de slag met al die data?

Dat is een gedeelde verantwoordelijkheid tussen de operationele departementen en IT. Om als eindgebruiker oplossingen rond data te begrijpen, is er meer nodig dan bij een traditionele applicatie. Het bouwen, gebruiken en onderhouden van een aan data gerelateerde toepassing is een levend gegeven, aangezien er heel veel domeinkennis in verweven zit. Het datateam moet dus nauw kunnen samenwerken met operationele teams.

Het is deel van de verantwoordelijkheid van de IT-dienstverleners om de uiteindelijke gebruikers van hun product zo goed mogelijk te betrekken in het ontwikkelingsproces zelf. Zonder medewerking van de eindgebruikers en domeinexperts kunnen ze niet het ideale dataplatform opzetten.

Hoe krijg je als bedrijf je data op orde?

De meeste organisaties richten zich op veralgemeende dataplatformen om structuur te vinden, maar die platformen zijn niet altijd even eenvoudig om draaiende te houden. Daarom hebben bedrijven specialisten nodig die weten waar hun data eigenlijk over gaat en hoe het te onderhouden. Men vergeet namelijk vaak dat data domeinspecifiek is. Die experts brengen naast domeinkennis ook technische kennis mee, waardoor bedrijven op de hoogte kunnen blijven van de nieuwste ontwikkelingen.

Naast experts is er ook nood aan business- en projectsponsors binnen de organisatie. Zowel de financiële als organisatorische steun mag echter niet beperkt blijven tot de departementsgrenzen. Om projecten rond data tot een goed einde te kunnen brengen, is er een holistische visie nodig die voldoende partijen binnen de organisatie delen. Alleen zo kunnen we spreken van de meerwaarde van data voor het volledige bedrijf.

Welke data moet je als bedrijf opslaan?

Er zijn twee belangrijke parameters die helpen bepalen of een bepaalde databron bijgehouden moet worden. Eerst en vooral moeten bedrijven zich de vraag stellen hoe en of de bron een bijdrage levert aan hun strategische roadmap. Daarnaast is het belangrijk om te beseffen dat het capteren van data altijd een bepaalde kost met zich meebrengt.

Die kost wordt vooral gedreven door het volume aan data en de snelheid waarmee de informatie ter beschikking moet gesteld worden. Dankzij de daling in kosten voor grote volumes is snelheid een steeds belangrijkere factor geworden.

In gevallen waar het nog niet helemaal duidelijk is hoe de data gebruikt zal worden is het dus aangeraden om die via een “trager” kanaal te verzamelen. Op die manier wordt de belangrijke informatie al gehistoriseerd voor een beperkte kost, en kan ze later alsnog gebruikt worden.

Los van die factoren is het ook de verantwoordelijkheid van iedere expert om de kwaliteit van de data te beoordelen. Hoewel de analyse zelf eerder een technische aangelegenheid is, komen er bij de controle vooral businessvragen aan te pas. Welke vragen kunnen opgelost worden met deze informatie? Zijn er alternatieve manieren en/of bronnen om die informatie te bekomen? En wat zijn de tekortkomingen van de metingen?

Hoe kan je het meeste uit je data halen?

Bij de grotere spelers zien we dat hun eerder opgezette dataplatformen een begeleidende hand nodig hebben om voldoende bij te kunnen dragen. Andere bedrijven zijn dan weer vooral bezig met het opzetten van hun datastructuur en bepalen van hun datamodel, dus elke situatie is voor elk bedrijf uniek.

In ieder geval beseffen sommige organisaties nog niet dat data governance een andere specialisatie is dan het ontwikkelen van applicaties rond data. Soms denkt men alleen aan een systeem draaiende blijven houden, maar dit is niet langer voldoende. Om echt meerwaarde uit hun data te halen voor hun processen hebben bedrijven nood aan een expert die over zowel technische kennis als domeinkennis beschikt.

Die experten hebben een duidelijk zicht op de informatie die beschikbaar is in de organisatie, ook over de grenzen heen. Ze kunnen medewerkers motiveren en de instapdrempel verlagen door praktische voorbeelden aan te halen en zo het nut van bepaalde tools of datasets duidelijk te maken. Dit kan door interne nieuwsbrieven, demo's, het oprichten van een data community, enzovoort. Het belang van zo'n single point of contact valt niet te onderschatten.

Hoe kan een partner als Cronos aan de Leie helpen?

De invalshoek van onze aanpak hangt sterk af van de fase waar onze klanten zich op dat moment in bevinden. We kunnen drie fases onderscheiden op vlak van maturiteit rond data: experimenteel, formaliserend en transformerend.

• In de experimentele fase zijn bedrijven vooral nog op zoek naar welke data ze willen verzamelen en wat ze ermee kunnen doen.
• In de formaliserende fase zijn er al projecten rond data gebeurd en weten bedrijven al wat ze willen, maar moeten hun initiatieven nog opgeschaald worden.
• In de transformerende fase is er al sprake van brede adoptie van data in het bedrijf, en wordt de manier van werken grondig getransformeerd door de verzamelde data.

Naast maturiteit kunnen we ook drie niveaus identificeren op het gebied van samenwerking, afhankelijk van hoe vaak en hoe nauw we met de klant samenwerken:

• In een adviserende rol staan we vooral aan de zijlijn, en geven we aan welke bestaande oplossingen het beste zouden werken aan de hand van een roadmap.
• Bij een supporterende/ondersteunende rol gaan we ook zelf de handen uit de mouwen steken en de oplossingen helpen bouwen of bedenken. Hier kijken we vooral richting “accelerators”: elementen die innovaties in een stroomversnelling kunnen brengen.
• In een samenwerkende rol, voor ons de optimale manier van werken, kunnen we ten volle samenwerken met de klant. Ook hier kijken we naar “accelerators” zoals predictive maintenance en efficiency mapping van assets.