Eerst sterk worden, dan slim

We hadden het er in een eerder artikel al over: datasucces begint bij eenduidige definities en één centrale bron van waarheid. Te vaak zien we dat verschillende afdelingen hun eigen interpretatie hebben van cruciale bedrijfsgegevens. De ene afdeling rekent omzet op deze manier, de andere op die manier. En voor je het weet ben je meer tijd kwijt aan het uitzoeken van verschillen dan aan het nemen van beslissingen.

Een 'single source of truth' lost dit op. Alle data op één plek, met heldere definities die voor iedereen gelden. Geen discussies meer over wie gelijk heeft - de cijfers zijn de cijfers.

Alleen, dan moet wat er in die ‘bron der waarheid’ staat wel kloppen. En volledig zijn. Dat is dus de eerste basisvoorwaarde: datakwaliteit.

Je collega’s gebruiken data de hele dag om hun beslissingen op te baseren. Als ze niet de goede data zien, nemen ze niet de goede beslissingen. We horen regelmatig van onze klanten dat ze hele dagen met hun gebruikers aan de lijn zitten om uit te vinden waar bepaalde financiële boekingen gebleven zijn, waarom lijstjes niet getoond worden of waarom overzichten niet kloppen. Dat kost ze veel tijd. Tijd die bedoeld is om het dataplatform en de dataprocessen te verbeteren, niet om handmatig kwaliteitsproblemen te verhelpen.

Voor de gebruikers, en dus voor je bedrijfsvoering, is het nog veel vervelender. Want uiteindelijk lijden de klanten eronder: zij krijgen hun producten te laat, of ze krijgen niet wat ze besteld hadden. En het ergste is: hoe meer je op data gaat leunen, hoe harder de klappen aankomen als er iets misgaat. Daarom is robuuste datakwaliteit geen luxe, maar pure noodzaak.

We gebruiken data steeds meer om niet alleen te kijken wat er gebeurd is, maar ook te voorspellen wat er gaat gebeuren (zie voor meer daarover het artikel 'Van terugkijken naar voorspellen: de 4 soorten analytics die elke manager moet kennen').

Maar hoe meer voorspellingen en algoritmes er in je data-toepassingen zitten, hoe belangrijker transparantie wordt. Waarom neemt een algoritme bepaalde beslissingen? Hoe komt het tot voorspellingen? Om vertrouwen te kunnen hebben in een systeem, willen gebruikers en klanten dat graag weten.

Wij kiezen bij DataVisual dus bewust voor modellen die herleidbaar zijn. Geen black boxes die ‘magisch’ met antwoorden komen, maar systemen waar we in kunnen kijken, waardoor we kunnen uitleggen waarom ze tot een bepaalde conclusie komen.

Een mooi voorbeeld komt uit een project waarbij we voorspelden hoeveel klanten er op bepaalde dagen aan een loket zouden komen. De klant was in eerste instantie niet onder de indruk van de voorspellingen zelf, want die klopten niet zo goed. Waar we wél indruk mee maakten, was laten zien welke factoren invloed hadden. Zo bleken vrije dagen en feestdagen veel meer impact te hebben dan het weer, terwijl die laatste factor voor het gevoel van de klant heel belangrijk was.

Met de inzichten uit de eerste versie konden we dus ook een beter voorspelmodel bouwen, met daarin een andere mix van data. Zo maakt transparantie je model niet alleen betrouwbaarder, maar geeft ook waardevolle inzichten in je klanten en je bedrijfsprocessen.

En we moeten het natuurlijk over veiligheid hebben. Want data security is geen bijzaak, maar moet verweven zijn in alles wat je doet. Dit begint bij zorgvuldige toegangscontrole: alleen de juiste mensen mogen bij de juiste data kunnen. Daarnaast moet je data veilig opslaan en verwerken, met de juiste encryptie en beveiligingsmaatregelen. Natuurlijk moet alles voldoen aan relevante wetgeving, en controleer je regelmatig via security audits of alle veiligheidsmaatregelen nog up-to-date en effectief zijn.

Je wilt met je data aan de slag. Logisch, want in je bedrijfsdata zitten de inzichten die je nodig hebt om efficiënter te werken, harder te groeien en je klanten beter te helpen. Maar zonder stevige fundamenten heb je niets om je datasucces op te bouwen.

Investeer daarom in een goed ontworpen centrale data-opslag met datadefinities waar iedereen mee kan werken. Zorg daarnaast voor robuuste datakwaliteit, transparantie in je algoritmen en waterdichte beveiliging. Pas als die zaken op orde zijn, kun je echt waarde halen uit je data.

Benieuwd hoe het staat met de fundamenten van jouw data-infrastructuur? We denken graag met je mee.