Data is het nieuwe goud, je hoort en leest het overal, maar hoe ben je in staat om dat goud te ‘delven’? Het valt voor veel organisaties namelijk nog niet mee om echt toegevoegde waarde uit hun data te halen. Allereerst is er al het feit dat volgens onderzoek (van onder meer Veritas) bijna de helft van de aanwezige data zich buiten het gezichtsveld bevindt: geen idee wat het is, waar het is en dus ook niet of je er wat mee kunt of moet (de zogenaamde Dark Data). Van die andere 56 procent aan data is ook nog eens een groot deel Redundant, Obsolete or Trivial (ROT, verouderd, overbodig of van geen belang). Blijft over: 14 procent bedrijfskritische data. Althans, dat is deels omdat je geen idee hebt wat er in die Dark Data zit. Daar valt dus nog wat te halen. Wel een grote uitdaging…

Er zijn dus wel wat uitdagingen te gaan om meer waarde uit je data te halen.

Data is zelfs meer dan het nieuwe goud, het is voor veel organisaties de enige reden dat ze bestaan. Je zou dan zeggen dat ze er zorgvuldig mee omspringen. Dat valt nog tegen. Het leeuwendeel van de organisaties heeft nog altijd weinig idee wat er in de organisatie aan gegevens is opgeslagen, waarom ze dat eigenlijk hebben gedaan en waar het dan is. Dat kost niet alleen veel opslagcapaciteit (en dus beheerkosten) maar er schuilt ook een groot gevaar in: als je niet weet wat je hebt, kun je het ook niet goed beheren. Met de naderende uitdagingen van de Algemene Verordening Gegevensbescherming (AVG, op Europees niveau de General Data Protection Regulation, GDPR) weet je direct dat niets vanzelf gaat.

Er zijn dus wel wat uitdagingen te gaan om meer waarde uit je data te halen. Een goede analyse van zowel de data als de daaraan gerelateerde processen in je organisatie vormt de basis voor kwalitatief hoogwaardig en adequaat datamanagement.

Uitdagingen in datamanagement

Het goede nieuws is dat de nieuwe Europese privacywetgeving een mooie aanleiding is om er eens naar te kijken. Die wet staat dan ook bovenaan de lijst van uitdagingen. Nu we langzaamaan richting de deadline van handhaving gaan (25 mei 2018), is het van belang snel stappen te zetten, als je dat nog niet hebt gedaan. Maar de GDPR is niet de enige uitdaging.

Heel simpel gesteld zijn er zeven uitdagingen:

  1. De GDPR;
  2. Het vastleggen van een concrete visie;
  3. De beschikbaarheid van mensen en middelen controleren/zekerstellen;
  4. Daarop aansluitend, de krappe arbeidsmarkt;
  5. Het creëren van draagvlak in de organisatie. What’s in it for them?
  6. Het ontsluiten van de juiste data voor de juiste mensen, en tot slot
  7. Het traject van Proof of Concept naar volledige uitrol en borging.

Werkelijk meer toegevoegde waarde uit data halen vraagt om meer dan inzet van slimme technologie en het inrichten van een datalab.

Succesfactoren bij datamanagement

Om die uitdagingen het hoofd te kunnen bieden is er uiteraard ook een aantal succesfactoren te benoemen. Ook dat zijn er zeven:

  1. Management commitment draagt in grote mate bij aan het succes;
  2. Pak concrete problemen aan. Theoretische casussen helpen niet echt en verzanden veelal in goede bedoelingen;
  3. Werk multidisciplinair. Datamanagement is een complex vakgebied. Dat moet je echt met meerdere disciplines aanpakken. Alleen dan kun je tijdig problemen herkennen en ondervangen;
  4. Werk agile en start klein. Blijf in staat om mee te bewegen met de ontwikkelingen;
  5. Start centraal. Hou in ieder geval de regie centraal. Zet niet zelf op afdelingsniveau iets op. Maak datamanagement met datakwaliteit een zaak voor iedereen;
  6. Maak de meerwaarde duidelijk. Dat creëert meer betrokkenheid, en tot slot
  7. Gebruik de juiste tools. Koop niet eerst en ga dan kijken wat je ermee kunt. Bepaal eerst wat je wilt en zoek daar een passende tool bij.

Werkelijk meer toegevoegde waarde uit data halen vraagt om meer dan inzet van slimme technologie en het inrichten van een datalab. Het vraagt om een integrale visie met aandacht voor alle relevante aspecten. Datakwaliteit is het fundament voor de toekomstige organisatie die maximaal wil renderen.

Datakwaliteit komt overal terug

Goede datakwaliteit zie je overal tot voordeel leiden: besparingen op bijvoorbeeld inkoop- en productiekosten. Alles op orde hebben betekent dat je later in het proces niet allerlei correctieslagen hoeft te maken die weer geld kosten. Goede datakwaliteit maakt het ook mogelijk adequate analyses te maken en betere voorspellingen te doen over bijvoorbeeld klantgedrag. De basis is immers in orde. Hoge datakwaliteit biedt organisaties ongekende kansen.

Er zijn zo vier belangrijke (data)werkvelden te onderscheiden waarmee je waarde uit data kunt genereren: Big Data Analysis, het analyseren van grote hoeveelheden data; Data Mining, het koppelen van data aan bedrijfsprocessen; Internet of Things, het meten en analyseren van aan het internet gekoppelde apparaten; Predictive Analysis, het voorspellen aan de hand van beschikbare data, zowel intern als extern.

Inzicht in deze vakgebieden biedt de grootste kans op toegevoegde waarde uit jouw data. We helpen jou daar graag bij met onze data management services.

Tekst: John de Waard/ Tapas