Inmiddels heeft vrijwel elke organisatie een datastrategie. Maar wat is een excellente datastrategie? En hoe kies je de juiste dataprojecten?
We weten allemaal hoe mislukking eruitziet: er worden middelen geïnvesteerd, er wordt een team samengesteld, de tijd gaat voorbij – maar er komt niets van terecht. En niemand kan precies uitleggen waarom; het is meestal de schuld van iemand anders.
In data science kunnen een middelmatige en excellente datastrategie heel lang heel erg op elkaar lijken.
Het is soms moeilijk om het verschil te zien tussen een bescheiden succes en uitmuntendheid. In data science kunnen ze heel lang heel erg op elkaar lijken. Maar na enkele jaren zal een excellente strategie meer resultaten opleveren.
Kenmerken van een excellente datastrategie
- In een excellente datastrategie hebben meerdere dataprojecten zich ontwikkeld die rendabel zijn gebleken.
- Daarnaast ontstaan in een goede datastrategie tijdens het ontwikkelproces van de eerste paar projecten nieuwe projectideeën.
- In een excellente strategie zullen de projecten geautomatiseerd zijn en efficiënt, en omvatten ze prestatieverbeteringen. Maar ook ontstaan er ideeën om nieuwe inkomsten te genereren en voor nieuwe start-ups – aangedreven door unieke data die het bedrijf genereert.
- In een goede datastrategie werken de datateams goed samen, bouwen ze voort op elkaars werk en werken ze probleemloos samen met hun (externe) business partners.
- Er is een duidelijke visie op hoe de door machine-learning aangedreven toekomst van het bedrijf eruit kan zien, en iedereen werkt samen om dit te bereiken.
Een excellente datastrategie ontwikkelen
Het ontwikkelen van een datastrategie vereist verschillende partijen aan tafel, waaronder data-experts, inhoudelijke deskundigen en technologisch leiderschap. Het vereist ondersteuning door leiderschap dat verder gaat dan alleen maar het vakje ‘machine learning’ willen aanvinken.
Een excellente datastrategie ontwikkelen vereist ondersteuning door leiderschap dat verder gaat dan alleen maar het vakje ‘machine learning’ willen aanvinken.
Meestal gaat het zo: het management selecteert een aantal projecten en zet die in een spreidingsdiagram. Eén as vertegenwoordigt de waarde van een bepaald project voor het bedrijf en de andere as vertegenwoordigt de geschatte complexiteit of kosten van ontwikkeling. Elk project krijgt een plek in het diagram en het management wijst de beperkte middelen van het bedrijf toe aan de projecten waarvan zij denken dat deze de minste kosten en de hoogste bedrijfswaarde zullen hebben.
Dit is op zich niet verkeerd, maar het is ook niet optimaal. Wat zijn essentiële onderdelen van een excellente datastrategie?
1. Kies een standaard
Ten eerste omvat een excellente datastrategie een goed gecoördineerde organisatie. Er is duidelijk gekozen voor een gecentraliseerde technologie waar standaarden voor zijn ontwikkeld. Door centralisatie van standaardinstellingen kunnen voor elke toepassing zo nodig verschillende beslissingen genomen worden, terwijl de compatibiliteit en flexibiliteit binnen de organisatie gehandhaafd blijven.
Voorbeeld. Een wereldwijd mediabedrijf was door acquisities enorm gegroeid. Elk nieuw bedrijfsonderdeel had een andere technologie en een onafhankelijke IT-groep. Dit leidde tot problemen in de integratie van reeds bestaande gegevens en verschillende architecturen voor alle toekomstige investeringen. Het centraliseren van deze praktijken was de sleutel tot hun aanhoudende succes.
2. Wees flexibel
Een uitstekende datastrategie is specifiek op de korte termijn en flexibel op de lange termijn. We weten al veel over hoe machine-learning mogelijkheden er morgen uitzien, maar veel minder over de mogelijkheden van volgend jaar. We kunnen alleen maar raden wat mogelijk zal zijn over vijf jaar. Datzelfde geldt voor het algemene business landschap. Organisaties die zich bezighouden met planningstrajecten van vijf jaar zullen de kansen die zich in de tussentijd voordoen missen. Een excellente strategie is een strategie die flexibel aan te passen is en als een levend document wordt beschouwd.
Een uitstekende datastrategie is specifiek op de korte termijn en flexibel op de lange termijn.
De beste strategieën zijn sterk in de richting, maar flexibel in de details. U wilt weten waar u naar toe wilt, maar definieer niet noodzakelijk vooraf elke stap die u moet nemen om daar te komen.
3. Onderlinge afhankelijkheid
Een excellente datastrategie houdt rekening met één belangrijk inzicht: data science-projecten zijn niet onafhankelijk van elkaar. Met elk afgerond project, succesvol of niet, creëer je een basis om later projecten eenvoudiger en tegen lagere kosten op te bouwen.
Hoe kies je de juiste data science projecten?
Zo ziet projectselectie eruit in een bedrijf met een uitstekende gegevensstrategie: verzamel ideeën, zo breed mogelijk en op alle niveaus in de organisatie. Als je alleen goede en voor de hand liggende ideeën op je lijst ziet, dan is dat niet goed. Het is een teken dat je creatief denken mist. Zodra je een lange lijst hebt, filter dan op de technische (on)mogelijkheden van een idee. Maak vervolgens een spreidingsdiagram dat elk project evalueert op kosten, complexiteit en waarde voor het bedrijf.
Nu wordt het interessant.
Teken in het spreidingsdiagram lijnen tussen potentieel gerelateerde projecten. Deze verbindingen bestaan:
- waar projecten data delen; of
- waarbij één project het verzamelen van gegevens mogelijk maakt voor een ander project; of
- waar fundamenteel werk op één project ook fundamenteel werk is voor een ander project.
Bouw aan de basis
De kosten van projecten kunnen in de loop van de tijd veranderen, ook met het oog op andere uitgevoerde projecten (en ook nieuwe technologie). De hierboven beschreven aanpak maakt een nauwkeurigere planning mogelijk. U kunt dit planningsproces elk kwartaal opnieuw bekijken; dit komt overeen met de snelheid waarmee machine learning-technologieën veranderen.
Met elk afgerond project, of het nu succesvol was of niet, bouw je aan een basis waarop nieuwe projecten gebouwd kunnen worden, steeds sneller en steeds vaker tegen lagere kosten.
We bevinden ons momenteel midden in de ontwikkelingen van machine learning, AI en data. Het is niet helemaal duidelijk waar in te investeren. Bedrijven met excellente datastrategieën zullen beter in staat zijn de juiste keuzes te maken. Want met elk afgerond project, of het nu succesvol was of niet, bouw je aan een basis waarop nieuwe projecten gebouwd kunnen worden, steeds sneller en steeds vaker tegen lagere kosten.
Bron: Hbr.org, nov 2018
Lees ook:
https://www.sigmaonline.nl/2018/10/kwaliteit-en-data-uitdaging-voor-kwaliteitsmanagement/
