De 5 kenmerken van een datagedreven organisatie

Verandering gebeurt niet van vandaag op morgen, en zeker niet in de wereld van data en analytics. Organisaties zijn voortdurend op zoek naar manieren om te transformeren en kijken daarbij ook naar hoe ze data en analytics gebruiken. Uiteindelijk moet AI-technologie een vast onderdeel van het besluitvormingsproces worden. Maar hoe ziet zo’n datagedreven organisatie er dan precies uit?

Experimenteren, falen en aanpassen … Het zijn stuk voor stuk factoren die deel uitmaken van de reis naar een echte datagedreven organisatie. Een reis die onmogelijk in één rechte lijn kan verlopen. Net zoals een kapitein die koers zet naar een paradijselijk eiland en onderweg stromingen, golven, stormen en technische obstakels tegenkomt die z’n schip doen afwijken. Uiteindelijk geraak je misschien niet op de exacte locatie die je aanvankelijk voor ogen had, maar de bestemming zal wel even tropisch zijn. In digitale transformatie staat dat paradijselijk eiland gelijk met een echte datagedreven aanpak.

Maar wat betekent datagedreven precies? Hieronder overlopen we vijf universele kenmerken van datagedreven organisaties, ongeacht de specifieke markteigenschappen waarmee ze te maken krijgen.

1. Elke beslissing wordt ondersteund door predictieve en prescriptieve analytics

Eigenlijk is data altijd een belangrijk onderdeel van het besluitvormingsproces geweest, zelfs toen er nog geen computers bestonden. De grootste vernieuwing zit in de gesofisticeerde systemen die we nu gebruiken om inzichten uit data te halen, voorspellingen te doen en geïnformeerde beslissingen te nemen.

Hoewel de technologie bestaat, blijven predictieve systemen in de praktijk eerder zeldzaam en experimenteel. Daar zijn verschillende redenen voor: de technische complexiteit, een gebrek aan bewustzijn in de directiekamer, tools en technologieën die niet samenwerken, bedrijfscultuur, etc.

Succesvolle organisaties slagen erin om in elk beslissingsproces de nodige inzichten, voorspellingen en aanbevelingen op basis van data te verwerken.

Succesvolle organisaties slagen erin om in elk beslissingsproces de nodige inzichten, voorspellingen en aanbevelingen op basis van data te verwerken. Ieder contactpunt met een klant is bijvoorbeeld een gelegenheid om services te personaliseren, relevantere producten en diensten aan te bieden, en te vermijden dat klanten naar de concurrentie zouden overstappen. Deze bedrijven blijven niet hangen bij voorspellingen (predictieve analytics), ze schatten in hoe waarschijnlijk het is dat iets kan gebeuren en bepalen op basis hiervan de best mogelijke koers (prescriptieve analytics).

2. Inzichten leiden tot real-time beslissingen en automatisering van processen

Om de customer experience te versterken en betere bedrijfsresultaten te genereren, is het belangrijk dat data in real-time tot inzichten en beslissingen kan worden verwerkt. Denk aan de online-winkelmanager die erin slaagt te achterhalen wanneer een waardevolle klant een hoog risico loopt om naar de concurrentie te gaan en hierdoor op tijd een doeltreffende tegenaanbieding kan lanceren.

Niet alleen nemen bedrijven betere beslissingen, ze kunnen die beslissingen in bepaalde processen ook automatiseren en stroomlijnen. Zo kan een verzekeringsmaatschappij bijvoorbeeld schadeclaims verwerken zonder dat er menselijke interventie nodig is. Of kan een bank onmiddellijk reageren als een klant een lening komt aanvragen. Geautomatiseerde beslissingen verminderen de kosten voor de organisatie en bieden klanten een naadloze, digitale ervaring. Om zo’n real-time analyse mogelijk te maken, moeten bedrijven data uit verschillende bronnen vlot kunnen combineren met bedrijfsdata.

3. DevOps-principes helpen om de volledige levenscyclus van analytics te industrialiseren

Vandaag doen organisaties maar een fractie van wat ze met analytics zouden kunnen bereiken. Vaak is hun aanpak nog experimenteel en neemt elke stap in het proces – van het voorbereiden van data tot het bouwen en monitoren van modellen – te veel tijd en werk in beslag. Bovendien is het geen garantie dat die experimenten tot een productiewaardige oplossing zullen leiden. Volgens IDC wordt slechts 35% van de analytische modellen volledig in productie genomen. En vaak kan dat maanden tot zelfs enkele jaren duren.

Toekomstgerichte organisaties hebben daarom de manier waarop ze produceren en analytics uitrollen grondig veranderd. Ze combineren verschillende methoden, zoals DataOps en ModelOps. Ze werken met duidelijke rollen en verantwoordelijkheden voor een efficiënte samenwerking tussen teams. En ze monitoren modellen proactief, zodat ze geen middelen verliezen aan dagelijkse onderhoudstaken. De basis van zo’n geïndustrialiseerde aanpak is een verenigd analytics-platform dat een vertrouwde omgeving biedt voor het ontwikkelen en uitrollen van innovatieve projecten.

4. Democratisering van analytics zorgt voor een hoge mate van datageletterdheid

Data is een product geworden, waarbij consumenten gemakkelijk door een catalogus kunnen bladeren en toegang krijgen om data te verkennen zonder tussenkomst van een data warehouseteam. Hiervoor doen ze een beroep op point & click-interfaces die rekening houden met security- en privacyregels en tevens voorkomen dat datasets eindeloos worden gerepliceerd in lokale databases.

De vaardigheidskloof overbrugt een succesvol bedrijf door opensource-programmering met low-code/no-code-functionaliteiten aan te vullen.

De vaardigheidskloof overbrugt een succesvol bedrijf door open source programmering met low-code/no-code functionaliteiten aan te vullen. Op die manier ontstaat een bredere community aan citizen data scientists. “Analytics translators” vormen de missing link tussen de business en data science teams.

Daarnaast kan een Data & Analytics Center of Excellence proactief use cases identificeren, samenwerking bevorderen, innovatie ondersteunen, de operationalisering van modellen in het besluitvormingsproces vereenvoudigen, en de ontwikkeling van vaardigheden stimuleren door middel van opleidingsprogramma’s.

5. Proactieve AI governance garandeert tastbare en verantwoorde bedrijfsresultaten

Hoewel iedere organisatie de ambitie heeft om datagedreven te worden, beschikken alleen de meest innovatieve bedrijven over een proactieve, georganiseerde en strategische aanpak op het gebied van data en analytics. Wat houdt dit precies in? In de eerste plaats hebben ze hun data & analytics-strategie geformaliseerd in de vorm van een document dat over de volledige organisatie verspreid is.

Daarnaast wordt de uitvoering van die strategie in het hele bedrijf ondersteund. Dat kan de taak zijn van een Chief Data Officer (CDO) of een Center of Excellence. In elk geval is er minstens sprake van een soort governance-structuur die afdelingen en bedrijfslijnen met duidelijke verantwoordelijkheden verbindt.

In de meest gereguleerde sectoren, zoals financiële dienstverlening en farmaceutica, vergt compliance sowieso al heel wat governance. Deze organisaties hebben dan ook vaak een streepje voor als ze die basis kunnen doortrekken naar digitale innovatie. Een governance-kader moet data en analytics voor organisaties productiever en werkbaarder maken. En ook op ethisch vlak biedt het een overzicht, zodat bedrijven AI op een verantwoorde manier kunnen gebruiken.

Hoe kan je je digitale transformatie versnellen?

Klaar om zelf een datagedreven organisatie te worden? Hou dan de volgende tips in het achterhoofd:

  • Zorg voor een geïntegreerde aanpak

Data is zinloos zonder sterke analytics, maar ook met analytics zelf kom je nergens zonder betrouwbare data. Omarm daarom het volledige traject en verbind alle stappen – van het voorzien van data tot het bouwen van modellen. En om echt waarde te genereren, zet je analytics in op plaatsen waar belangrijke beslissingen worden genomen.

  • Begin met wat echt belangrijk is

Veel organisaties steken hun energie in de eerste rondjes van de race (toegang krijgen tot data) en zijn uitgeput wanneer het echt interessant begint te worden. Loop de race daarom in de omgekeerde richting en begin met het definiëren van doelstellingen en welke resultaten je wil bereiken. In een volgende stap kan je bepalen welke inzichten en data je hiervoor nodig hebt.

  • Democratiseer analytics voor een breed publiek

Vaak besteden organisaties veel tijd aan basisdata met een lage waarde. Door analytics te democratiseren, kan je efficiënter gebruik maken van de beschikbare talenten en skills. Zo kan je organisatie zich ook vlotter concentreren op meer geavanceerde en hoogwaardige analytics.


Dit is een ingezonden bijdrage van SAS. Wil je graag nog dieper op ingaan op deze tekst? Bekijk dan zeker het webinar “Take Analytics to the Next Level and Future-Proof Your Organization”.

nieuwsbrief

Abonneer je gratis op ITdaily !
  • This field is for validation purposes and should be left unchanged.
terug naar home