Dataconsultancy is zo’n begrip waar iedereen wel een (vaag) beeld bij heeft, maar waar toch ook een hoop onduidelijkheid over is. In deze blog doe ik een poging om een deel van die onduidelijkheid weg te nemen. Lukt me dat volgens jou niet? Bel dan gerust voor extra toelichting!
Sturen op basis van data zal leiden tot een enorme procesversnelling en kwalitatief betere beslissingen. Voorwaarde is dan wel dat die data compleet, correct en consistent is, zodat de juiste conclusies worden getrokken binnen de geldende wet- en regelgeving. En dat is nodig, want door de toenemende vraag naar transparantie in besluitvorming, moeten bedrijven en organisaties steeds meer aantonen dat zij controle hebben over dat proces; van databron tot rapportage en besluitvorming.
Dit is precies waar onze dataconsultants om de hoek komen kijken: het creëren van mogelijkheden om waarde uit data inzichtelijk te maken voor een specifieke business-toepassing of vraag.
Hoe doe je dat, dataconsultancy?
In alle eerlijkheid: over het antwoord op deze vraag kan ik wel 10 kantjes volschrijven en daar zit niemand op te wachten (los van het feit dat bij elk project het nodige maatwerk komt kijken). Daarom probeer ik die vraag te beantwoorden door je mee te nemen in de vijf pijlers die wij binnen dataconsultancy onderscheiden.
- Duurzaam waardevolle data
We streven naar data die waarde toevoegt, maar dan wel op een duurzame manier. Hiermee bedoelen we dat de data ingevoerd moet kunnen worden in verschillende toepassingen, zodat de waarde van de informatie niet verloren gaat. Daarnaast willen we nieuwe data continu kunnen toevoegen.
Het vertalen van data naar praktische waarde voor business is niet eenduidig. Het verdient een goede analyse, zodat de informatiebehoefte in kaart wordt gebracht. Dit vraagt om een planmatig aanpak, want alleen met de juiste data kun je een efficiënt proces inrichten: van data naar informatie, naar business toepassing, en uiteindelijk naar visualisatie voor interactie en communicatie.
De kwaliteit van data moet dus goed zijn. Je moet erop kunnen vertrouwen, aangezien het de basis vormt voor belangrijke beslissingen. Het verbeteren van de datakwaliteit begint bij het inzichtelijk maken of de beschikbare data juist, volledig en actueel is. Om dit te beoordelen stellen we, samen met de opdrachtgever, datakwaliteitscriteria op. Op basis hiervan voeren we een eerste gap analyse uit. Zo onderzoeken we of er wat ontbreekt en of de datakwaliteit voldoende is
- Datapotentie
We proberen bottlenecks/drempels voor datagebruik, management, analyse, compliance, etc. in kaart te brengen en er op in te spelen. Door vervolgens een tweede gap analyse te doen, kunnen we een plan maken om een brug slaan tussen de wensen van de opdrachtgever en de drempels die zij nog zien. Op deze manier werken we toe naar het optimaal benutten van de datapotentie. Zo worden zaken als sensordata of datascience ineens concreet.
- ‘Fit for purpose’ analyse
Op welke manier kunnen we data ‘bevragen’? Vergelijk het met ‘open’ en ‘gesloten vragen’. Bij open vragen kan onnodig veel ruis ontstaan en bij gesloten vragen bestaat de kans dat veel data niet wordt gebruikt. Niet elke vraag is geschikt voor een toepassing. Denk bijvoorbeeld aan ‘Machine Learning’. Dit wekt wellicht een beeld op van een soort wondermiddel waarmee elk vraagstuk beantwoord kan worden. Echter blijkt dat in praktijk niet altijd het geval. Er zal altijd een match moeten zijn tussen de te beantwoorden vraag, de vereiste datakwaliteiten en de toepassing waarmee het vraagstuk beantwoord kan worden.
- Leiderschap en co-creatie
Om te komen tot betere en snellere besluitvorming in de data analyse is leiderschap en co-creatie is nodig. Eigenaarschap van data, kwaliteit en datamanagement, privacy en beveiliging, architectuur, integratie, rapportage en analyse moeten gezamenlijk worden vormgegeven. Dataconsultancy doen we niet alleen, het is een samenspel met meerdere stakeholders binnen de opdrachtgever.
- Governance en strategie
Om in te kunnen spelen op toekomstige vragen (systeemgericht denken) is een one-size-fits-all benadering niet meer genoeg. Door gebruik te maken van meerdere, slimme technologieën wordt het gemakkelijker om rekening te houden met speciale (toekomstige) behoeften van alle mogelijke stakeholders. Dus beperk jezelf niet tot één technologie, maar zorg dat het datasysteem goed kan communiceren met andere, nieuwe technologieën.
Potentiële waarde
Veel bedrijven en organisaties bezitten – wellicht wel zonder het te weten – data met potentieel veel waarde. Maar hoe kan je die waarde ontsluiten voor eigen toepassing? Aan de hand van bovengenoemde elementen kunnen onze dataconsultants u helpen om de wereld van data te ontrafelen.
