• Adrian Ariese

De definities en toepasbaarheid van data

Bijgewerkt op: 7 jul.

Data is iets wat natuurlijk al lang bestaat. Niet iedereen echter heeft er de waarde van ingezien maar dat verandert de laatste tijd in rap tempo. Een van de redenen hiervoor is dat we steeds meer data krijgen en dit ook kunnen combineren.


Daarin zijn verschillende categorieën te noemen. Denk aan je eigen data maar inmiddels zijn er ook vele opengestelde bronnen, zoals bijvoorbeeld de overheid die veel data ter beschikking stelt of andere open-source bronnen. Daarnaast is er nog de offline data. Dit is veelal data die je zelf hebt, binnen je virtuele bedrijfs- of organisatiemuren. Online data is hetgeen je ter beschikking komt door of via het internet.



Enkele voorbeelden?


Administratieve data is veelal offline data maar ook data van jouw kassasysteem of het aantal bezoekers en duur van hun verblijf in jouw pand. Online data daarentegen zijn het aantal bezoekers van je website. Of het aantal werkelozen binnen jouw gemeente.


Daarmee kun je niet altijd zeggen dat data die van jou is alleen maar offline data is. Immers anderen destilleren ook data uit jouw gedragingen en verwerken dit in een geanonimiseerde vorm. Met name de overheid stelt hierin steeds vaker data ter beschikking. De RDW of bijvoorbeeld het WMO Voorspelmodel zijn hierin mooie voorbeelden. Jouw gegevens zijn hierin verwerkt maar je kunt jezelf er niet in terugvinden. Dit zijn bronnen die veelal online ter beschikking staan van eenieder.


Veel organisaties waar wij contact mee hebben denken dat ze te weinig of geen data tot hun beschikking hebben om hiermee aan de slag te gaan. Door online databronnen te koppelen met offline databronnen, kun je echter meer inzicht krijgen dan je in eerste instantie verwacht.

En daar zit nu precies de kracht van data. Alle losse componenten geven geen samenhang en inzicht. Als je alles combineert dan ontstaat er echter een beeld dat informatie geeft over de vraagstukken waar je wellicht mee worstelt.


Om dit wat duidelijker te maken schets ik het beeld van jouw klant. Die komt op meerdere manieren bij jou in beeld en heeft daarnaast voor jou nog meerdere ogenschijnlijk onzichtbare interacties. Door deze te combineren krijg je een duidelijk beeld van de klantreis. Aan welke bronnen moet je dan denken? Via de telefoon, mail of op je website. Maar ook winkelbezoek, social media en de contacten die je medewerkers hebben. Bij DAAT denken we dan niet alleen aan digitale data maar ook aan textmining (een specialiteit van ons). Deze lijst is niet volledig maar je begrijpt dat meer bronnen vaak beter is. Je hoeft niet alle bronnen te gebruiken om met behulp van data je klantervaringen in kaart te brengen.



Data drietraps raket


Met een eerste set van data gaan we binnen DAAT vaak aan de slag in een drietraps raket:


Analyseer

We beginnen met een analysefase waarin we alles zoveel mogelijk in kaart brengen om een beeld te krijgen. Daarbij zie je dan eventuele pijnpunten, bottle-necks en mogelijkheden om te verbeteren. In het analyseproces ga je diepgaand in op de diverse fases, gebruikte bronnen en daarmee maak je een integraal beeld van de klantreis. Alleen als je naar de gehele klantreis kijkt, kun je ontdekken wat de oorzaken van een afhakende of ontevreden klant zijn en hoe je die kunt verbeteren.


Visualiseer

Na de analyse ga je dit verder uitdiepen en voor je organisatie zichtbaar maken. We zijn meestal visueel ingesteld en de klantreis maak je dan ook visueel met een "persona" en alle andere ondersteunende visualisaties die je nodig hebt om de impact momenten boven water te krijgen. Je creëert als het ware inzichten om duidelijk intern te communiceren en dus veranderingen in gang te zetten.


Optimaliseer

Als je een duidelijk beeld hebt na een grondige analyse dan zul je met jouw organisatie aan de slag moeten om de verbeterpunten aan te pakken. In onze beleving is dit een uitermate specifiek en nooit eindigend proces van Plan, Do, Check en Act (PDCA). Boven alles is het een mooi proces. Je bouwt aan een betere dienstverlening of je automatiseert je processen zodat het sneller gaat. Allemaal zaken die je weer terug kunt zien in de data en je vervolgstappen op kunt zetten.


Als echte data-nerds worden we daar ultiem gelukkig van. Vervolgens ga je meer databronnen koppelen. Doe je aanvullende analyses. Met verbeteringen en verfijningen. En voordat je het weet heb je een compleet PDCA cyclus in gang gezet.




Het doel van data verzamelen


Soms verzamelen we data zonder dat we ons ervan bewust zijn. We hebben nu eenmaal kassabonnen nodig voor de belastingdienst maar ook klachten komen binnen omdat dat nu eenmaal gebeurt. Kortom; om data kunnen we niet meer heen.

De data die je dan toch al hebt, kun je daarnaast gebruiken als informatiebron. Hierdoor krijg je inzicht en daarmee kun je zoals hierboven beschreven verbeteren en je organisatie sturen en misschien wel het allerbelangrijkste: je creëert er onderscheidend vermogen mee.



De beweegredenen om met data aan de slag te gaan.


Data geeft je bestaansrecht. Dit komt uit het eerder genoemde onderscheidende vermogen dat je nodig hebt als organisatie.


Om prestaties te meten

Als organisatie wil je iets bereiken. Velen hebben dan ook een strategie die vertaald in een visie en een missie leiden tot streefgetallen. Deze streefgetallen of doelstellingen moet je dan meetbaar maken en ga je in de gaten houden aan de hand van Key Performance Indicatoren. Het zal je niet vreemd in de oren klinken dat we als DAAT daarmee dagelijks te maken hebben. Dus hoeveel unieke bezoekers krijg je op je website? Hoeveel afspraken heeft iedere verkoper per dag? Etc.


Om betere beslissingen te nemen

Vaak hebben we al een onderbuikgevoel maar als je dat kunt onderbouwen met cijfers dan heb je een makkelijkere wedstrijd. Wil je een nieuw marktsegment gaan bewerken? Of meer omzet uit bestaande klanten genereren? Allemaal redenen om je startpunt te bepalen, voortgang te meten en dus data te gaan verzamelen. Vaak koppelen wij een dergelijk vraagstuk aan een pragmatische consultant en die gaat met story-telling jullie inzicht geven in de huidige stand van zaken, de mogelijkheden en welke beslissingen de organisatie moet nemen .


Voorbereid zijn op de toekomst

Onderscheidend vermogen in het heden is spannend. In de toekomst echter dit veiligstellen is een complexe bezigheid. Met behulp van data analytics kun je echter voorspellend aan de slag gaan. Dit geeft met big data inzicht in kansen, ontwikkelingen en patronen. Voor een gedeelte komt deze informatie uit de eigen gegevens maar deze worden aangevuld met openbaar beschikbare gegevens en aanvullend marktonderzoek waardoor je de algoritmes hierin kunt vullen.


Beter je markt of doelgroep kennen

We hebben het al gehad over de klantreis. Dit kunnen koppelen aan de marketingkanalen en de interacties geven je veel informatie over de markt waarin je opereert en de mogelijkheden die dit biedt. Weten wat je moet verkopen aan wie en onder welke omstandigheden is dan al snel onderdeel geworden van het eerder beschreven onderscheidende vermogen dat je als organisatie graag hebt.

Uit de data volgen dan de voorkeuren en gedragspatronen per buyer persona in het gedefinieerde marktsegment.


Soms omdat het moet.

Onderdeel van een goede boekhouding is een sluitende verslaglegging veelal in de vorm van bonnetjes en transacties. Ook andere vormen van verslaglegging leiden al snel tot data. En dat is mooi. Want deze verplichte data-verzameling vormt veelal de start voor ons als DAAT om voor organisaties datagedreven aan de slag te gaan.





Alle bronnen verzamelen


Het is essentieel om allereerst de mogelijke bronnen in kaart te brengen. Dit gebeurt door de eigen systemen en programma's en de externe bronnen aan te roepen met digitale koppelingen. Deze API's (Application Programming Interface) pakken de data bij de daadwerkelijke bron. Hierdoor ontstaat er één grote database met alle gegevens die worden verzameld: ‘one single source of truth’. Dit heeft als voordeel dat alle medewerkers binnen de organisatie hun beslissingen op basis van dezelfde informatie maken en dat er geen vervuiling plaatsvindt doordat de data op verschillende plekken opgeslagen wordt.



En als laatste?


Het combineren van de data gebeurt door data analisten met gebruik van ETL en data analyse tools die ze daarna visualiseren met data visualisatie tools zoals Power BI. Denk daarbij aan dashboards, cockpits, rapportage en story-telling. Een dashboard bestaat uit diverse duidelijke grafieken en tabellen met gegevens. Ze worden samengesteld op basis van de vragen van de betrokkenen binnen de organisatie. Datagedreven werken is daarbij sterk input-output gedreven wat ons betreft.


En tja dan moet je het gewoon "doen". Dus meten is weten en daarop je acties uitzetten zodat je jouw onderscheidende organisatie verder kunt uitbouwen.




Om je op weg te helpen...


Wij als -digitale Nerds- geloven erin dat Mission-Critical datagedreven digitale platformen voor organisaties hét verschil kunnen maken. Dit verschil kan ook meerdere vlakken zitten. Inzicht, efficiency, concurrentiekracht of recht-toe-recht-aan "bestaansrecht". DAAT faciliteert met haar datascience expertise om met jou het verschil te maken. Om je op weg te helpen willen we je graag ondersteunen met een Mission Critical Data sessie (MCD). Of bijvoorbeeld een uitgebreide designsprint.


Of een andere aanpak in de toekomst jullie het onderscheidende vermogen geeft is nog onduidelijk. Dat wil niet zeggen dat die er niet is maar dat is iets dat we samen gaan onderzoeken. Hopelijk heb je al wel een idee. Als experts op het digitale en datagedreven snijvlak willen wij ik graag met jullie vanuit energie en openheid dit gaan opzoeken. Binnen DAAT hebben we daarvoor een aantal tools.

De Mission Critical Data sessie (MCD) is er daar eentje van. Dit is een twee-uur durende gestructureerde brown-paper sessie waarin we op zoek gaan naar een mooiere toekomst vanuit onderscheidende proposities en een eventuele digitale invulling daarvan.


Dus mocht je hulp kunnen gebruiken...





11 weergaven0 opmerkingen

Recente blogposts

Alles weergeven