Verandering is de enige constante, en dat gebeurt niet van de ene dag op de andere. Dit geldt met name in de wereld van data analytics. Organisaties willen digitaler, veerkrachtiger en winstgevender worden en daarom gaan we terug naar de tekentafel om te heroverwegen hoe we data en analytics gebruiken om bedrijven te transformeren. Maar hoe moet dat eruit zien? Waar moeten we naar streven? En hoe willen we dat bereiken?
Business-, IT-, data- en analytics-manager hebben misschien een visie, een idee van de algemene richting die ze willen inslaan voor hun digitale transformatie. Toch is de exacte bestemming iets dat ze waarschijnlijk gaandeweg zullen moeten verfijnen.
En dat is prima.
5 kenmerken van een toekomstgerichte, data-gedreven organisatie
Experimenteren, mislukkingen en constant aanpassen maken allemaal deel uit van de datareis. Net als een kapitein die koers zet naar een paradijselijk eiland, kom je nooit in een rechte lijn op je bestemming. Er zijn altijd invloeden die je van tevoren niet had zien aankomen, maar je op je weg wel sturing geven.
Als het gaat om digitale transformatie, is het einddoel vaak om “datagedreven” te zijn. Dat houdt in dat je onder andere Artificial Intelligence (AI) inzet om betere beslissingen te nemen. Maar wat betekent het precies om data-driven te zijn? Achter de mooie termen gaan veel verschillende realiteiten schuil.
Ongeacht specifieke marktomstandigheden, zakelijke professionals en technische keuzes, delen alle toekomstgerichte, datagedreven organisaties vijf kenmerken.
1. Elke zakelijke beslissing wordt gevoed door voorspellende en voorschrijvende analytics
Data vormt een belangrijk onderdeel van de besluitvorming, zelfs voordat we computers hadden. Wat veranderd is, is de verfijning van de systemen die we nu gebruiken om inzicht uit gegevens te halen, voorspellingen te doen en beslissingen te onderbouwen.
Alle technologie is er om verbazingwekkende dingen te bereiken, maar in werkelijkheid blijft het gebruik van voorspellende systemen over het algemeen sporadisch en experimenteel. Daar zijn verschillende redenen voor: de complexiteit van het technische ecosysteem, een gebrek aan bewustzijn of begrip op directieniveau, de vermenigvuldiging van onsamenhangende tools en technologieën, en naast de technologie, de noodzaak om de cultuur te veranderen.
De meest succesvolle organisaties slagen erin om inzicht in gegevens, voorspellingen en aanbevelingen te integreren als onderdeel van elke beslissing, in alle aspecten van het runnen van een bedrijf. Elk contactpunt met de klant, via alle kanalen, is een kans om de dienstverlening beter te personaliseren, de loyaliteit te vergroten, te voorkomen dat klanten met een hoge waarde naar de concurrent gaan, en nieuwe producten en diensten aan te bieden die voor hen het meest relevant zijn.
Die organisaties zijn verder gegaan dan het doen van voorspellingen en het inschatten van de waarschijnlijkheid dat een bepaalde gebeurtenis zal plaatsvinden. Ze hebben dat inzicht gebruikt om te bepalen wat de beste handelwijze is, waarbij ze in feite zijn overgestapt van predictive analytics naar prescriptive analytics, volledig geïntegreerd in het besluitvormingsproces aan de frontlinie van het bedrijf.
2. Insight-as-a-service maakt real-time besluitvorming en automatisering van bedrijfsprocessen mogelijk
Het tweede kenmerk van datagedreven organisaties is het verwerken van gegevens en het nemen van beslissingen in realtime. Dit is van cruciaal belang om een betere klantervaring te bieden en meer uitstekende bedrijfsresultaten te leveren. Wanneer een mobiele winkelmanager bijvoorbeeld een hoogwaardige klant met een hoog retentierisico kan identificeren en onmiddellijk een tegenbod kan doen, voordat ze de tijd hebben om de straat over te steken en bij de concurrentie te gaan kijken.
Organisaties nemen beter geïnformeerde beslissingen en automatiseren die beslissingen ook om bedrijfsprocessen te stroomlijnen. Zo kunnen ze bijvoorbeeld verzekeringsclaims zonder menselijke tussenkomst verwerken of onmiddellijk reageren op een kredietaanvraag. Geautomatiseerde processen hebben het voordeel dat ze de kosten voor het runnen van een bedrijf verlagen en klanten een echt digitale en naadloze ervaring bieden.
Om dit te bereiken moeten future-fit organisaties de mogelijkheid hebben om streaming, low-latency data uit verschillende bronnen (sociale netwerken, connected things) te combineren met bedrijfsdata voor real-time analyse. Vervolgens kunnen ze inzichten uit voorspellende en voorschrijvende modellen verbinden met bedrijfsregels, waardoor events worden getriggerd en klantinteracties worden geïnformeerd.
3. DevOps-principes worden gebruikt om de end-to-end analytics levenscyclus te industrialiseren
Vandaag de dag zijn de meeste organisaties nog maar aan de oppervlakte van wat ze kunnen bereiken met analytics. De aanpak blijft vaak experimenteel en handwerk. Elke stap in het proces – datavoorbereiding, modellering, implementatie en monitoring – kost te veel tijd en moeite. En het experimenteren leidt niet altijd tot een productgeoriënteerde oplossing.
Volgens IDC geven organisaties aan dat slechts 35% van de analytische modellen volledig in productie wordt genomen. En het kan maanden, zo niet jaren, duren om een nieuw model in productie te nemen.
Organisaties die klaar zijn voor de toekomst hebben de manier waarop ze analyses produceren en inzetten radicaal veranderd om de actiegerichtheid, schaalbaarheid en productiviteit te verbeteren, waarbij ze zijn overgestapt van een ambachtelijke aanpak naar een volledig geïndustrialiseerd, sterk geautomatiseerd systeem. Om dit te doen, combineren ze verschillende methoden en frameworks, zoals DataOps en ModelOps, die zorgen voor:
Continue integratie en levering met geautomatiseerde data- en modelpijplijnen.
Formele orkestratie van de ontwikkelings- en implementatieprocessen, met duidelijke rollen en verantwoordelijkheden voor effectieve samenwerking tussen teams.
Proactieve bewaking van modellen in productie om te voorkomen dat waardevolle resources worden onttrokken aan dagelijkse onderhoudstaken.
Deze geïndustrialiseerde aanpak wordt ondersteund door een uniform analytisch platform dat een vertrouwde omgeving biedt voor het effectief ontwikkelen en implementeren van innovatieve use cases, waarbij gebruik wordt gemaakt van open-source resources en vaardigheden met enterprise-ready governance.
4. Hoge mate van datageletterdheid door democratisering van data analytics
Het vierde kenmerk van organisaties die klaar zijn voor de toekomst is een hoge mate van datageletterdheid, ondersteund door selfservicemogelijkheden.
Data worden een product dat direct uit de schappen beschikbaar is. Dataverbruikers kunnen de catalogus van beschikbare datamiddelen doorbladeren en deze datasets openen en verkennen zonder afhankelijk te zijn van een datawarehouseteam. Zij maken gebruik van point-and-click user interfaces die voorzien in beveiligings- en privacyregels en voorkomen dat datasets eindeloos worden gerepliceerd in lokale databases.
De vaardigheidskloof wordt gedicht door low-code/no-code mogelijkheden aan te bieden als aanvulling op de open-source programmeeraanpak, waardoor een bredere gemeenschap van citizen data scientists mogelijk wordt.
“Analytics-vertalers” vormen de ontbrekende schakel tussen de business en de datawetenschapsteams.
Een Data and Analytics Center of Excellence identificeert proactief nieuwe use cases, bevordert hergebruik en samenwerking, ondersteunt innovatie en experimenten, faciliteert de operationalisering van modellen in het besluitvormingsproces en ondersteunt de ontwikkeling van vaardigheden door middel van training en coaching programma’s.
5. Proactieve AI-governance zorgt voor tastbare en verantwoorde bedrijfsresultaten
Elke organisatie heeft de ambitie om data-gedreven te worden en AI te gebruiken om te innoveren. Alleen de meest innovatieve organisaties hebben een proactieve, georganiseerde, strategische benadering van data en analytics. Wat betekent dat in de praktijk?
Ten eerste betekent het dat er een data- en analyticsstrategie is die geformaliseerd is in een document en gedeeld wordt binnen de organisatie.
Ten tweede betekent het dat je een organisatie hebt om de uitvoering van die strategie te ondersteunen. Dat kan een CDO zijn, of misschien een center of excellence of stuurgroep. Maar op zijn minst moet er een soort governancestructuur zijn die afdelingen en bedrijfslijnen omspant, met duidelijke rollen en verantwoordelijkheden.
In de meest gereguleerde sectoren, zoals de financiële dienstverlening en de farmaceutische industrie, vereist compliance al veel governance. Als gevolg daarvan hebben organisaties in die sectoren de neiging om voorop te lopen. Zij moeten gebruikmaken van de goede basis die zij hebben om zich niet alleen te richten op compliance maar ook op digitale innovatie.
Dit governancekader moet erop gericht zijn gegevens en analyses productiever en bruikbaarder te maken. Het moet ook zorgen voor ethisch toezicht om ervoor te zorgen dat organisaties AI-technologieën op verantwoorde wijze gebruiken, met het juiste niveau van eerlijkheid, verantwoordingsplicht, transparantie en uitlegbaarheid.
Hoe kunt u uw digitale transformatie versnellen?
Hier zijn drie cruciale aanbevelingen om in gedachten te houden.
Integreer uw aanpak, van gegevens en inzichten tot actie
Gegevens zijn nutteloos zonder goede analyses. Maar analytics zijn ook nutteloos zonder een betrouwbare gegevensbasis, en alleen als die volledig wordt ingezet in het besluitvormingsproces. Daarom is het van cruciaal belang om het hele traject van gegevensverstrekking tot modellering te omarmen. En om analyses in te zetten in de frontlinie van het bedrijf, waar acties worden ondernomen en waarde wordt gecreëerd. Zorg ervoor dat u deze stappen met elkaar verbindt en dat ze niet los van elkaar worden uitgevoerd.
Keer de race om
Organisaties besteden vaak veel energie in de eerste fasen van de race om toegang tot gegevens en de voorbereiding ervan. Als je dan bij het interessante deel komt (de beslissingen die worden genomen op basis van data-inzichten), ben je uitgeput. En de meeste initiatieven halen de eindstreep niet. Loop de race in plaats daarvan in omgekeerde volgorde. Begin met te definiëren wat u met de gegevens wilt doen en welke bedrijfsresultaten u wilt bereiken. Werk vervolgens uit welk inzicht u nodig hebt om die resultaten te bereiken en welke gegevens u nodig hebt om dat inzicht te creëren. Met deze aanpak kunt u de inspanningen prioriteren en voorkomen dat de oceaan (of het datameer) overkookt, door u te richten op wat belangrijk is.
Inspanningen vs. waarde
Doorgaans richten de meeste organisaties zich op het bevragen, rapporteren en dashboarding van basisgegevens met een lage waarde. En ze besteden heel weinig tijd aan geavanceerde analysetoepassingen met een hoge waarde. Door analytics toegankelijk te maken voor een bredere groep gebruikers, kunt u beter gebruikmaken van de talenten en vaardigheden waarover u beschikt en uw inspanningen richten op datagebruik dat meer opmerkelijke bedrijfsresultaten kan opleveren.