• Adrian Ariese

Heb ik wel genoeg data om datagedreven te werken?

Veel ondernemers doen de aanname dat je veel data moet hebben om datagedreven of datacentrisch te kunnen werken binnen hun organisatie. Ik kan je inmiddels een aantal dingen vertellen: Je hebt altijd meer data dan je denkt. Je moet echter niet vanuit de data redeneren maar vanuit je vraagstuk. En als je geen data hebt dan kun je het altijd nog ergens ophalen, bijvoorbeeld door systemen te koppelen.



Ik heb geen data

Laten we beginnen vanuit de situatie die ik vaak tegenkom. Ik ga dan het gesprek aan rondom data, digitale platformen en al hetgeen je er mee kunt. Aan de andere kant van de tafel verontschuldigt de ondernemer zich voor het feit dat hij de data niet op orde heeft. Of erger nog (in de ogen van de ondernemer): "Ik heb helemaal geen data".

Dan weet ik er is werk aan de winkel maar dan word ik ook blij. Immers er is veel te bereiken binnen de muren van deze onderneming. Mag ik jou als lezer vragen: Denk jij dat je (genoeg) data hebt?

Het belangrijkste dat ik hier wil bespreken is dat iedereen data heeft. Eenieder heeft een financiële boekhouding. Verstuurt dagelijks email. Heeft klantcontact en om maar eens een rare zijsprong te maken, gebruikt Whatsapp of aanverwante communicatie. En zelfs al heb je in je organisatie geen toetsenbord (wil je je bij mij melden als dit echt zo is?) dan nog zal er data voorhanden zijn in je organisatie.



Maar wat wil je er mee?

De belangrijke vraag die je echter altijd vooraf aan jezelf en je organisatie moet stellen is: "Wat wil ik met de data?" of "Waarvoor denk ik de data nodig te hebben?". Kortom. Welk probleem wil je oplossen? Waar zoek je een onderbouwing voor je onderbuikgevoel?

Nu kan ik dus nog wel even doorgaan met vragen stellen maar het punt is dat je niet aan de hand van data, problemen moet gaan definiëren. Maar je moet je uitdagingen gaan zoeken, daar relevante gegevens bij gaan zoeken en dan aan de hand van de data oplossingsrichtingen gaan zoeken en die testen, valideren en oplossen.


En die data waarvan je dan verwacht afhankelijk te zijn, die komt vanzelf wel. Daar vinden we een weg in.


Zal ik wat voorbeelden noemen om je op weg te helpen?



Preventief onderhoud

Stel: Je verkoopt en onderhoud kleine en grote pompen. In jouw beleving heb je de ene pomp bij bedrijf X nog niet gerepareerd of de volgende service-bon voor een andere pomp bij X ligt er al weer. Dit geeft het gevoel dat onderhoud onvoorspelbaar is, je altijd achter de feiten aanloopt en je niet efficient werkt. Inmiddels geven de klanten dit ook aan. Dus een Service Level Agreement (SLA) met reparatie en response-tijden wordt inmiddels vanuit de markt gevraagd. Maar hoe dan?

Natuurlijk is er al veel data op te halen uit het boekhoudsysteem maar ook de service-bonnen geven inzicht per pomp, klant, gebied, monteur etcetera. Nu begin ik bij "harde" data maar vergeet niet dat jij een goed stel hersenen hebt net zoals de monteurs, het magazijn en de planner. Anders gezegd: een brainstorm om de mogelijke verbeteringen, besparingen en eventuele preventieve onderhoudspropositie met SLA in kaart te brengen, kun je al beginnen met jouw mensen de data die wel aanwezig is. Daarbij zijn er diverse vraagstukken die je kunt uitpluizen zoals: Kunnen we efficiënter worden door pro-actief te zijn? Wat zijn de mogelijke kosten en opbrengsten van een SLA?

En mag ik dan als business gedreven data-nerd nog even dagdromen? Er zijn tegenwoordig pompen met een trillingsdetectie t.b.v. verwachte uitval. Route-optimalisatie op reparaties kun je uitbreiden met preventief onderhoud. Classificatie van onderhoud en dit efficient uitvoeren geeft een concurrentie-voordeel.


Circulaire zoektocht

Stel: Je bent een gemeentelijke inzamelaar van afval- en grondstoffenbeheer. Natuurlijk wordt je geconfronteerd met kapotte groene en grijze bakken. Tot op dit moment vervang je de bak en daarmee klaar. Een circulaire oplossing echter zou reparatie van een dergelijke bak en herinzet rechtvaardigen. Maar hoe dan?

Een bak heeft niet veel onderdelen die vervangen kunnen worden (wieltjes, deksel of de bak zelf). Koop je die in? Dan heb je een datapunt. Kun je uit de rittenlijsten halen hoeveel bakken, hoe vaak en dergelijke opgehaald worden? Is er een lijst met initiële meldingen? En hoe worden deze verzameld (telefoon, app of whatsapp)? Alle antwoorden zijn feitelijk de informatie die kan dienen voor het startpunt van je circulaire zoektocht. Daarin kun je bepalen wat er mogelijk is. En hoe ga dan bijvoorbeeld het werk, de logistiek en dergelijke regelen? Allemaal zaken die je zelf prima kunt inregelen als je maar pragmatisch op weg bent geholpen in een cijfermatige onderbouwing. Op het moment dat je daadwerkelijk gaat repareren en herinzetten ontstaan er meer datapunten en mogelijkheden om je proces te optimaliseren. En voor je het weet ben je niet alleen circulair maar ook datagedreven uit de startblokken. Enne...vergeet je niet om met story-telling o.b.v. deze data je stakeholders (gemeente, burgers en circulaire achterban) mee te nemen?

Afsluitend

Daarbij moet je niet vergeten dat je niet zelf de data hoeft te hebben om er de beschikking over te hebben. CBS, gemeenten en overheid maar ook RDW, geo-data en dergelijke zijn vrij beschikbaar in datasets of API-koppelingen. Deze kunnen als basis dienen of als verrijking en nadere duiding voor de informatie die je zelf al hebt.

Belangrijk om te onthouden uit bovenstaand stuk en de genoemde voorbeelden is dat er altijd een startpunt te bepalen is. En dat is dus niet de data maar jouw uitdaging of jouw onderbuikgevoel. Dat krijg je alleen boven tafel door met het team een brainstorm te organiseren. Dat kan in de vorm van een Mission Critical Data Sessie. Maar de vorm is net als bij data ondergeschikt aan het gegeven dat je er gewoon mee moet starten.

18 weergaven0 opmerkingen

Recente blogposts

Alles weergeven