Van de auteur datagedreven werken in de praktijk

Aan de slag met het zeven stappenplan

Werken met data is niet nieuw, maar de impact ervan groeit. Computersystemen worden krachtiger en meer verbonden, wat enorme voordelen biedt. Toch vinden veel mensen het lastig om 'datagedreven' aan de slag te gaan. Ik help je de wereld van data en datamanagement te begrijpen, en laat zien hoe je data effectief kan gebruiken binnen je werk. Ik heb mijn pragmatisch aanpak in een boek uitgewerkt. In mijn aanpak leg ik altijd de focus op de praktijk: hoe kun je data inzetten in jouw vakgebied?

In zeven stappen met jouw vraagstuk aan de slag:

1) stel jouw vraag centraal!

2) vertaal deze in een concrete databehoefte

3) richt je eigen dataketen in

4) betrek de juiste datarollen

5) heb oog voor kwaliteit

6) borg de veiligheid

7) voer eventueel een ethisch dialoog

Stel jouw vraag centraal!

De data staat nooit centraal, dat is het vraagstuk dat jij wilt oppakken. Jouw vraagstuk kun je aan de hand van de vijf hoofdvragen specificeren:

• Wat wil je bereiken? Dit is de kern van je vraagstuk, namelijk het doel dat je nastreeft.
• Waarom wil je dit bereiken? Deze vraag beantwoordt datgene waar je mensen op gaat meenemen/enthousiasmeren – de diepere reden achter je doel.
• Wie is/zijn erbij betrokken? Problemen oplossen of doelen bereiken doe je zelden alleen. Het is goed om direct bij het begin hierbij stil te staan en alle betrokkenen te benoemen.
• Wanneer wil je dit bereiken? Je wilt graag ergens naartoe werken en hier ook duidelijk over zijn richting de betrokkenen. Bij deze vraag kijk je naar 2 tijdslijnen: korte en lange termijn.
• Waar wil je dit bereiken? Soms helpt het om heel specifiek te zijn in je vraag. Kun je een specifieke plek aanwijzen? Het hoeft geen fysieke locatie te zijn, het kan ook een specifiek team of afdeling zijn waar je je op wilt focussen.
  

Wat is jouw databehoefte?

Je kunt jouw databehoefte herleiden naar 4 hoofdvragen. Deze vragen staan centraal in Data Analytics- model van Gartner, zoals hiernaast weergegeven. Dit model wordt binnen het werkveld van datamanagement vaak als standaard gezien om verschillende data-analyses op te plotten.

• Vraag 1: Wat is er gebeurd? Deze vraag kun je beantwoorden door een Beschrijvende data-analyse uit te voeren.
  
• Vraag 2. Waarom is het gebeurd? Deze vraag kun je beantwoorden door een Diagnosticerende data-analyse uit te voeren.
  
• Vraag 3. Wat zal er gebeuren? Deze vraag kun je beantwoorden door een Voorspellende data-analyse uit te voeren.
  
• Vraag 4. Hoe zorgen we ervoor dat het gaat gebeuren? Deze vraag kun je beantwoorden door een Adviserende data-analyse uit te voeren.
  

Richt je eigen dataketen in!

Richt je eigen dataketen in 5 stappen in:

• Stap 1. Registeren: Omdat de waarde van data in de toepassing ervan ligt, richt je de dataketen in vanuit de 5e stap: welk resultaat of welke visualisatie wil je zien? Welk inzicht heb je nodig? Informatie om een besluit te kunnen nemen, of juist om inzicht te bieden? Om deze visualisatie mogelijk te maken heb je data nodig. Welke data zijn dit? Zijn deze data beschikbaar? Is de data geregistreerd in de systemen? Zo kom je bij het begin, de 1e stap, namelijk de Registratie van de data.
  
• Stap 2. Ontsluiten: Om data (de geregistreerde gegevens) te kunnen (her)gebruiken, zul je die data uit systemen moeten ophalen. Toegang krijgen tot die data om deze vervolgens te kunnen gebruiken noemen we het Ontsluiten van data. Afhankelijk van de wensen die je hebt, op basis van je vraagstuk, kan het Ontsluiten op verschillende manieren. Het kan zijn dat je ‘maar’ één keer deze data wilt kunnen gebruiken voor je vraagstuk, maar het kan ook zijn dat je deze data regelmatig wilt gebruiken (bijvoorbeeld wekelijks of maandelijks, of misschien wel continu). Dit stelt allemaal eisen aan de manier waarop de data ontsloten worden.
  
• Stap 3. Beschikbaar stellen: We willen efficiënt met de data in de keten omgaan. Dit betekent dat je data die je in meerdere datatoepassingen wilt gebruiken maar één keer verzamelt en dan goed vastlegt. Vanuit deze vastlegging kun je de data dan vaker gebruiken. Met andere woorden, je wilt het datalandschap zo inrichten dat je een gegeven éénmaal verzamelt om meervoudig te gebruiken. Je stelt deze data Beschikbaar voor het gebruik.
  
• Stap 4. Onderzoeken: Als je de data ter beschikking hebt, kun je de data met elkaar combineren om onderzoek uit te voeren, door de analyse te ontwikkelen en uiteindelijk zó te maken zoals vooraf is afgesproken bij de verdieping van je vraagstuk.
  
• Stap 5. Tonen: Als je de onderzoeken hebt uitgevoerd ga je de uitkomsten hiervan Tonen op de manier die je van tevoren hebt besproken.
  

Betrek de juiste datarollen!

Een datavraagstuk pak je nooit alleen op. Er zijn heel veel mensen in de eerder beschreven ROBOT keten die jouw kunnen (en moeten!) helpen. De betrokkenen worden veelal in 2 groepen verdeeld:

• het kernteam: de mensen die direct met jouw vraagstuk aan de slag gaan
  
• de data-betrokkenen: de mensen die jij kan inschakelen voor specifieke vragen, zoals het ontsluiten van de juiste data, vragen rond veiligheid, privacy, ethische vraagstukken, etc.
  

Data organisatie

Veel organisaties worstelen met de vraag: hoe gaan we alle data rollen op zo'n manier organiseren dat ze zoveel mogelijk van elkaar leren, maar daarnaast ook zoveel mogelijk snappen van het vraagstuk van de organisatie zelf? Er zijn 5 mogelijke vormen van de dataorganisatie mogelijk:

1. Centraal
   
2. Decentraal
3. Gecoordineerd
4. Hub en Spoke
5. Holistisch
   

Datakwaliteit

Je kunt pas echt beslissingen nemen als je weet dat de data klopt! Datakwaliteit is dan ook het meest essentiële onderdeel bij het werken met data. Hoe je als organisatie hiermee omgaat staat vermeld in de specifieke datakwaliteitsstrategie.

Het aanpakken van dit vraagstuk kun je vervolgens in drie stappen oppakken:

1. Welke data is het meest kritisch en moet echt kloppen? Deze stel je centraal.
   
2. Hoe ga je deze kritische data schoon krijgen en houden? Hiervoor richt je het datakwaliteitsprogramma in.
3. Continu verbeteren: datakwaliteit is een continu proces, dat altijd aandacht vraagt. In deze stap leg je het continu opschoon-proces vast.
   

Dataveiligheid

Dataveiligheid bestaat uit het veilig bewaren en beschermen van je gegevens, maar ook uit het veilig verwerken van deze gegevens, ook wel privacy genoemd.

Datagedreven werken is mensen werk. Als organisatie kun je technologie gebruiken om je gegevens te beschermen. Maar echt veilig omgaan met gegevens start en eindigt altijd met de awareness van iedereen in de organisatie.

Er zijn zes thema's die van belang zijn bij het omgaan met dataveiligheid:

• Encryptie van gegevens
  
• Netwerkbeveiliging
  
• Toegangscontrole
  
• Monitoring van (verdachte) activiteiten
  
• Actieplan gericht op het omgaan met beveiligingsincidenten
  
• Awareness van iedereen in de organisatie
  

Ethische handelen bij gebruik van data

Ethisch handelen betekent dat je kritisch nadenkt over je handelen. Er schuilen altijd risico’s schuilen in het werken met data en technologie. Bij datakwaliteit heb je het risico van vervuilde data, bij dataveiligheid het risico van onjuist gebruik door derden. Maar het gebruik van data en technologie kan ook gepaard gaan met complexe ethische vraagstukken. Aandacht voor ethiek is dan ook van essentieel belang! Ethiek gaat over de vraag: als het mag en kan, moet je het dan ook willen?

• Is het doel gerechtvaardigd?
  
• Is het middel gerechtvaardigd?
  
• Heiligt het doel de middelen?
  

Het is altijd belangrijk om van een afstand te bekijken of je dit gebruik ook moet willen en wat anderen ervan zouden vinden. Een model om fraude op te sporen is bijvoorbeeld fantastisch om financiële risico’s te beperken, maar niet als dit discriminatie in de hand werkt. Vanuit meerdere invalshoeken kijken naar de toepassing van het dataproduct is wenselijk en veelal noodzakelijk om bewust om te gaan met het gebruik van data.

Wil je je verder verdiepen in de methode?

Speciaal voor iedereen die met data aan de slag wil heb ik dit stappenplan uitgewerkt in een praktisch boek ondersteund door vele voorbeelden uit de praktijk.

Dit boek kun je in alle (onine) boekhandels kopen! Stuur mij een bericht of kijk op managementboek.nl

Geïnteresseerd in een training?

“Wil je ook meer datagericht werken, je bewust zijn van het gebruik van data en ontdekken welke mogelijkheden er allemaal zijn? Dan moet je je zeker aansluiten bij deze training. Ik heb mijn data awereness vergroot!” aldus een trainee van de laatste training die ik heb morgen verzorgen voor gemeente Zoetermeer.

Ben jij een leidinggevende of beleidsmedewerker en wil je leren hoe jij data effectief benut en wil jij je richten op datagedreven besluitvorming? Stuur mij dan een bericht over de mogelijkheden tot het volgen van een training Datagedreven werken voor leidinggevenden. Deze kan ook inhouse verzorgd worden.

Coaching of interim management?

Heb jij in de organisatie hulp nodig bij het vergroten van de volwassenheid van datagedreven werken? Wil jij persoonlijke coaching of andere hulp? Neem dan contact met mij op over de mogelijkheden.

Hierbij kun je denken aan:

• Uitvoeren van een quick scan rond datavolwassenheid
  
• Vergroten data awareness training
• Interim management
• Kwartiermakerschap
• Opzetten programma datagedreven werken
• Schrijven van een datavisie of datastrategie
  

Wat ze over mij zeggen...