Een datacultuur bouwen, is een opdracht voor het hele bedrijf

Er schuilt een gevaar in als we verwachten dat data het antwoord bieden op alles

De succesvolle bedrijven van de laatste tien jaar hebben alle gemeen dat ze data capteren van klanten en partners en die slim inzetten om beter te beslissen. Ze zijn dan ook gestart als databedrijf, opperen onze gesprekspartners. Hoe transformeren zij zelf naar zo’n databedrijf?

Voor je goed aan de slag kan met data, moet je het wellicht hebben over een datacultuur. Het gaat over organisaties waar iedereen belang hecht aan data en het potentieel ervan evident vindt. Hoe zorg je voor zo’n omgeving?

Ruben Slagmulder: Bij klanten initiëren wij de transformatie naar de nieuwe manier van werken door workshops op te zetten die crossfunctioneel zijn, dus met teams uit finance, procurement etc. Bij de aanvang van een transformatietraject horen we vrij snel een behoefte aan data, met andere woorden de nood om data te capteren en om te vormen naar waarde voor de organisatie. We kennen organisaties die ooit begonnen met het concipiëren van dashboards en BI-systemen en vervolgens ontdekten dat de nodige data verspreid zitten in de organisatie of dat data uit externe bronnen nodig zijn om de systemen te verrijken.

Dorien Roes: Veel van onze klanten, zoals bijvoorbeeld Netflix, combineren hr- en financedata om beslissingen te nemen met betrekking tot hun business. Ook wij helpen onze klanten om een datacultuur te stimuleren. Ons principe is eveneens dat een datacultuur geen opdracht is voor data scientists, maar dat je de business er best zeer nauw bij betrekt. Enkel zo worden de data tastbaar en bruikbaar. Bij Workday krijgen we bijvoorbeeld een optimale forecast van onze personeelsbehoefte door data van hr te combineren, maar ook door finance en operationele data te integreren. Het gaat er niet enkel om de huidige projecten en het beschikbare personeel te meten, maar ook om de nood in de toekomst te voorspellen. Via onze analysetool Prism verrijken we onze data in Workday met data van Salesforce. Dit gaat over nieuwe projectinitiatieven en opportuniteiten in voorbereiding. Zo kunnen we een veel duidelijker antwoord geven op vragen als ‘hoeveel mensen moeten we gaan aanwerven?’. Het wordt ook duidelijker wat de potentiële impact op de inkomsten is.

Jennifer Wongsokerto: Partena investeert al drie jaar sterk in data. Als hr-dienstverlener zitten we uiteraard op een datamijn van hr-data. We investeren ook in datagedreven projecten om interne operationele efficiënties te boeken. Oorspronkelijk werden data vaak gebruikt om risico’s te detecteren en te bepalen waar je investeert en desinvesteert. Bij Partena leerde ik dat het heel wat meer kan zijn. We verkennen nu de mogelijkheden van soft data: we zoeken naar factoren die de omgeving schetsen waarin personen werken. Wat zorgt ervoor dat zij de targets of de benchmark voor rendement (niet) halen? We investeerden dus zwaar in een team met data scientists, maar daarnaast werken we nog aan een cultuur bij iedereen. Zodra medewerkers een tabel zien, moeten ze die niet zomaar voor lief nemen, maar kritisch bekijken. In een datagedreven cultuur stel je zeker deze vragen bij elke beslissing: a) Welke datapunten hebben we?; b) Is het aantal datapunten compleet?; c) Zijn ze representatief?; en d) Wat brengen deze data ons aan toegevoegde waarde?

Jan Vandecasteele: Wij hebben bij Barco gefocust op datacaptatie. Het gaat over data bij klanten om te werken aan een betere klantervaring, maar ook over het optimaliseren van onze interne processen. De laatste jaren hebben we tevens ingezet op datacaptatie van onze producten. Doel is manieren te vinden om via onze producten meer waarde te bezorgen aan de klant. Dat kan leiden tot een nieuw businessmodel, met voor ons extra inkomsten en bijvoorbeeld minder kosten voor de klant. Data zijn pas het nieuwe goud zodra je de juiste manier vindt om ze te gebruiken en er waarde uit te halen.

Nathasja Van Bael: Ik heb in verschillende omgevingen gezien wat data kunnen betekenen. In een ziekenhuisomgeving slaag je er beter in je performance te meten door data van operationele departementen te combineren. Zo kan je objectief afdelingen benchmarken en de efficiëntie verbeteren. Tijdens mijn ervaring in de mediawereld waren data gedefinieerd als een van de strategische peilers. Terwijl tv in het verleden moest concurreren met andere Vlaamse tegenhangers, zijn grote techbedrijven zoals Facebook en Netflix nu de concurrenten. Ze zijn wereldwijd actief en spenderen gigantische budgetten aan technologie en data.

Wat zijn succesfactoren voor geslaagde projecten?

Dorien Roes: Succesvolle projecten moeten erop gericht zijn om continu te plannen en bij te stellen op basis van data. Dat veronderstelt flexibele structuren en processen. Een andere belangrijke factor is dat de organisatie de juiste medewerkers een volledige en veilige toegang geeft tot de data die ze nodig hebben om hun werk optimaal uit te voeren. Het is inderdaad geen kwestie van een paar specialisten: het gebruik van data moet breed verspreid zijn. Een goed digitaliseringstraject veronderstelt ook dat je personeel daar de nodige competenties voor heeft.

Ruben Slagmulder: Er zijn veel tools en technieken: data mining, data scraping, AI… De kern is een correct rapport bij de gebruiker krijgen die er het meeste mee kan aanvangen. Je moet natuurlijk zuivere data hebben. AI-systemen die conclusies naar voor duwen die eigenlijk gebaseerd zijn op algoritmen die eenzijdige data crunchen op basis van het verleden en de onderliggende assumpties: zo’n verhalen zijn ondertussen legio. Dat heeft catastrofale gevolgen op het vlak van onbewuste vooroordelen tegenover bijvoorbeeld minderheidsgroepen. De correctheid van de eigen data en de integratie met externe, betrouwbare bronnen worden grote uitdagingen. Dat is niet te onderschatten: het is al moeilijk om interne productcodes correct te krijgen en eensluidende definities te bepalen van concepten doorheen verschillende afdelingen.

Jan Vandecasteele: Wij hebben een Enterprise Data Management Team dat de governance voert omtrent datadefinitie, maar we houden het eigenaarschap van die data bij de business. Het uiteindelijke doel is tenslotte om eenzelfde taal te spreken over de grenzen van functies heen, maar ook met klanten en leveranciers. Je kan analytische tools implementeren en self-service reporting aanbieden aan verschillende functies, maar dan moeten ze wel dezelfde taal spreken. Dan kan iedere afdeling het effect van een actie op de eigen omgeving begrijpen. Die uniforme taal is cruciaal, of je nu de eigen processen wil optimaliseren of de communicatie met de klant. Verder moet een implementatie starten vanuit een duidelijke doelstelling, of het nu waardecreatie is voor de klanten of interne kostenoptimalisatie. De scope van de data moet duidelijk zijn.

Nathasja Van Bael: Zelfs als al die voorwaarden vervuld zijn, krijg je niet meteen een datacultuur. Al maak je data deel van je strategie en worden heel veel medewerkers ermee geconfronteerd, je zal nog niet de datacultuur hebben van bedrijven die gestart zijn als techbedrijf. In de Facebooks en Googles van deze wereld draait het van meet af aan om data. Zij hebben allemaal tech- en datagezinde medewerkers gerecruteerd. Dat hebben de meeste traditionele bedrijven niet. Die zijn gestart toen de impact van data er nog niet was. Hun personeel heeft jaren zonder datacultuur gewerkt. Ze verkochten jaren- of decennialang producten op de klassieke manier. Het is niet gemakkelijk om met medewerkers die zich ontwikkelden in de klassieke business die ommezwaai te maken. Je zal dus talent moeten aantrekken, van het directieteam tot op de vloer, dat denkt in data en het potentieel ervan evident vindt.

Dorien Roes: Inderdaad, digitaliseringstrajecten gaan veel sneller indien de mentaliteit al klaar is voor het gebruik van data. In klassieke organisaties gaat dat veel trager. Dat moet echt van hoger uit in de organisatie worden verkondigd.

Nathasja Van Bael: Dan bots je nog op alle bestaande systemen met hun eigen masterdata, een groot nadeel waar techcompanies zoals Facebook niet mee te maken krijgen.

Jan Vandecasteele: Ook bij ons bleek de transformatie van een niet-datagedreven naar een datagerichte omgeving niet vanzelfsprekend. Op een cruciale afdeling als R&D was de datacultuur niet sterk aanwezig, terwijl dat toch erg relevant is bij het ontwikkelen van onze nieuwe connected producten en voor de creatie van platformen rond die producten. Je moet zeker ook komaf maken met een neiging tot geïsoleerd denken op een eilandje in het bedrijf. We moeten leren denken over alle afdelingen heen. Het veranderproces is niet evident.

Jennifer Wongsokerto: Ik herken wat hier gezegd wordt en focus graag extra op de vaardigheden van medewerkers. Partena maakt momenteel werk van een collaborative governance, met als uitgangspunt een bottom-upcultuur. Keuzes worden gemaakt op de werkvloer, maar goed beslissen vergt data. Cruciaal voor een goede keuze van data is vertrekken van de juiste vraagstelling. Bekijk de vraag vervolgens kritisch en herformuleer ze desnoods. Zorg dat je goed weet wat de doelstelling is van de klant. Naarmate de vraag verandert, verschuiven ook de achterliggende datatabellen. Naast het interne aspect van data verzamelen, correcte tabellen opmaken, de uniforme vertaling, … is het belangrijk om het klantenperspectief mee te nemen. Dan moet je goed uitdiepen wat je precies wil begrijpen. De sleutelgedachte van een team tijdens een project is: ‘Hebben we de vraag van de klant beantwoord?’, of beter: ‘Zijn we erin geslaagd om de gedachten van de klant (intern/extern) te doen evolueren?’.

Ruben Slagmulder: Ook in onze business-to-businesscontext is de opgave vooral om de organisatie van de klant te begrijpen en te bepalen hoe je voor die organisatie waarde helpt creëren. Bij platformbedrijven zoals Facebook is de gebruiker als het ware het product en dat is een andere insteek. Ik ken weinig b2b-bedrijven die de data van klanten aanbieden als koopwaar en dat maakt een gigantisch verschil. Bovendien zie ik in bijvoorbeeld de financiële sector al veel gebeuren wat ook in de grote platformbedrijven gebeurt. Verzekeraars hebben indrukwekkende toepassingen rond data scraping en banken onderzoeken hoe kredietwaardig een potentiële klant is op basis van data.

Wie wakkert het dataverhaal best aan. De cfo? Een overkoepelende data-afdeling zoals bij Barco?

Nathasja Van Bael: De beginvraag is: wat zijn data? Er is de IT-invalshoek, de masterdata bepalen, de toepassingsmogelijkheden verkennen … Naarmate het gewicht van data toeneemt, zullen ze op een hoger niveau moeten worden beheerd. Ik kan me voorstellen dat banken inmiddels een data officer in het directiecomité hebben. Dat finance ook wel eens in het vizier komt, heeft er wellicht mee te maken dat zowel finance als IT per definitie werken voor de hele organisatie. Dat zijn de afdelingen die altijd op een of andere manier met data aan de slag zijn. Persoonlijk vind ik het alvast als cfo heel boeiend om de data te beheren, want je kunt er heel veel mee. Dat werkt alleen als de organisatie ze strategisch belang toekent. Naarmate het belang van data toeneemt, zal iedereen er toch mee aan de slag moeten.

Jan Vandecasteele: Bij Barco was de rol van de cfo initieel belangrijk omdat we focusten op enterprise data/masterdata, in het kader van een ERP-implementatie. Je wil dan zeker een correcte start, want die data hebben ook impact op onze BI-tools en de andere omgevingen waar data worden gecapteerd en gestructureerd. Even later werd het beheer van data overgebracht naar IT, maar uiteindelijk transformeerde de IT-afdeling naar een digitale transformatie-afdeling. Dat heeft er uiteindelijk toe geleid dat er nu een chief digital officer in het directiecomité zetelt. Die stuurt verschillende software- en IT-teams aan, die instaan voor datacaptatie en digitale businesstransformatie, met als doel waarde te creëren voor onze klant en de eigen organisatie.

Jennifer Wongsokerto: De vraag is wat de doelstelling is van zo’n transformation office. Er schuilt een gevaar in als we verwachten dat data nu het antwoord bieden op alles. We moeten goed beseffen dat data tot vandaag kijken naar de geschiedenis. Dan kom je snel bij oefeningen gericht op besparingen. Ik vermoed dat het interessanter is om te proberen een zicht te krijgen op de toekomst, de markt van morgen. Als je data enkel dienen om naar het verleden te kijken, volstaan je ERP-resultaten. Data gaan verder dan wat de cfo nodig heeft. Data-ondersteund beslissen, is een modus operandi van alle c-niveaus.