Dashboards zijn niet het antwoord. Zo haal je écht waarde uit je bedrijfsdata.

Zoals we in ons vorige blog over AI al schreven: het gaat niet om de technologie, het gaat om de businesscase. De vraag is niet of je ‘iets met data moet’, de vraag is welk proces je wilt verbeteren en wat daarbij je ambities zijn. Als je dat helder hebt, ga je kijken welke data je daarvoor nodig hebt en waar je die kunt vinden.

In het begin levert dit altijd problemen op. Want data staan in facturatiesystemen, CRM, ERP, planningstools en (vooral) in Excelsheets. Om je doelen te bereiken met data heb je dus eerst een plek nodig om al je data bij elkaar te brengen, op te schonen en logisch en bruikbaar te presenteren. Dit wordt je data warehouse.

Zodra de data beschikbaar zijn in het data warehouse, bedenken je mensen dagelijks nieuwe manieren om er nuttige dingen mee te doen. En dan kom je er meestal achter dat dashboards niet het antwoord op de vraag zijn, omdat bij ieder dashboard een procesverandering hoort. En die procesverandering is oneindig veel meer werk dan het dashboard zelf.

Een voorbeeld om dat concreet te maken. Stel, je maakt een dashboard dat het aantal openstaande service-aanvragen weergeeft. Een manager opent dat ’s ochtends en ziet dat het cijfer daar rood geworden is: het maximum voor openstaande mails is overschreden. Wat gaat zo’n manager dan doen? Extra mensen inzetten op de servicedesk? Als die mensen beschikbaar waren, dan was die wachtrij er waarschijnlijk niet eens. Met alleen een rood cijfer op een dashboard schiet zo’n manager dus helemaal niets op. Diegene heeft een proces nodig om ook iets te doen met die informatie.

Wij kunnen zonder problemen in een dag 20 dashboards voor je opleveren. Maar dat kan jouw organisatie dus niet aan, omdat je nog geen processen hebt om al die data om te zetten in actie.

Er is nog een probleem met het bouwen van dashboards. Want dashboards hebben data nodig. Die data kun je verzamelen door ‘de bestaande Excelletjes bij elkaar te plakken’ of een wekelijkse export draaien van je factuursysteem, maar dat kost uiteindelijk meer dan het oplevert. Wij spreken regelmatig klanten die veel geld uitgeven aan ‘experts’ die, bijvoorbeeld gestuurd door de accountant, naar hun bedrijf komen om financiële data over te zetten naar een alleenstaand dashboardsysteem. Bij DataVisual kunnen we daar heel slecht tegen. Je data, je databronnen en je databehoeften zijn namelijk niet statisch. Ze veranderen bijna dagelijks. En als je niet integraal hebt nagedacht over data en informatievoorziening, kost het aanpassen je iedere keer veel geld. Zo veel geld, dat je data-investeringen op de lange termijn niet renderen.

Dashboards hebben, kortom, hun functie maar ook hun problemen. We zien dan ook een verschuiving in de datawereld. Weg van dashboards, naar data-toepassingen die jou een signaal sturen als er echt actie nodig is. Je hoeft dan niet meer actief de tijd te nemen om een dashboard te bestuderen, maar je krijgt een mail of een chatbericht als een kritische waarde wordt overschreden.

Dan nog moet je natuurlijk aandacht hebben voor het proces. Want ook zo’n signaleringsbericht is alleen nuttig als er concrete actie volgt. Het grote voordeel is dat je in het bericht kunt zetten welke actie nodig is, of bepaalde acties ook automatisch laten doen. Zoals een excuusmail sturen naar klanten als de servicewachtrij te lang is.

Met data alleen kom je er dus niet, als je niet kritisch naar je processen kijkt. Of, zoals wij het vaak zeggen: data is krachtige benzine, maar je moet nog wel je eigen auto bouwen. Om de auto te laten rijden, en je concurrentie ermee in te halen, heb je ook benzine nodig van de juiste kwaliteit. In de meeste organisaties is dat nog best een project, dat we oppakken in 3 duidelijke stappen:

1. Verzamel je data. Belangrijke data zitten meestal opgesloten in applicaties die niet bedoeld zijn om data te delen of uit te wisselen. Er is dus handmatig werk nodig om alle data bij elkaar te brengen.
   
   
2. Schoon je data op. Data uit verschillende bronnen kun je niet zomaar bij elkaar zetten. In het ene systeem staat 'mevrouw', het andere 'Mevr.' En soms komen we wel 7 verschillende spellingen tegen van een bedrijfsnaam. Om met je data te kunnen werken, maak je ze dus uniform en bouw je één datamodel voor je hele bedrijf.
   
   
3. Bouw je data warehouse. Dat datamodel bewaar je in je data warehouse. Gefeliciteerd! Je bent nu de trotse bezitter van een volwassen data-architectuur. Gemaakt om snel data te verwerken en waardevol in te zetten voor al je processen. Een systeem dat alle businessvragen razendsnel kan beantwoorden, omdat het alles weet van je business. Zeg vaarwel tegen handwerk en gepruts met Excelsheets.

Als wij klanten helpen met data, bouwen we een data warehouse. Natuurlijk kunnen we ook een simpele database maken die aan de vraag van het moment voldoet, maar dat kun je net zo goed door je eigen IT'ers laten doen. Het probleem is dat diezelfde IT'ers dan ook moeten opdraven bij iedere wijziging. Met een goed data warehouse kunnen mensen zelf hun data bij elkaar zoeken, dashboards maken en triggers en signalen instellen. Bovendien is een data warehouse in de Azure-cloud een perfecte manier om data veilig en altijd beschikbaar te houden.

Nu heb je de basis neergezet om echt meerwaarde uit je data te halen. En niet alleen met dashboards en triggers, ook met AI, Apps of CoPilot. Je data warehouse wordt het startpunt van alle innovatie in je bedrijf, want met het bij elkaar brengen van alle data is het zware werk gedaan. Je hoeft nu alleen nog maar je creativiteit te gebruiken om iedere dag je werk en business te verbeteren. En dat hoeft dus lang niet altijd met dashboards en grafiekjes.