Het containerbegrip ‘datagedreven werken’ is anno 2022 overal om ons heen. Vrijwel iedere organisatie probeert stappen te zetten met thema’s als algoritmes, big data, robots en kunstmatige intelligentie. Maar wat is datagedreven werken precies? En hoe zet je de eerste stappen? Lars Vermeijden en Kevin Hermes van RedPack Innovators leggen uit.
Bij datagedreven werken worden beslissingen genomen neem op basis van feiten, want dat is wat (onbewerkte) data zijn. Het stelt organisaties in staat om mensen en middelen slimmer te laten werken.
Dit begint allemaal met de juiste data, op het juiste moment, bij de juiste persoon krijgen. De onbewerkte data vormen de input voor keuzes die jij of je systeem maakt.
In het geval van een eenvoudig proces met een beperkt aantal variabelen neemt het systeem zelf de goede beslissing. Bij meer complexiteit komt er vaak nog een menselijk oordeel bij kijken. Om een consistente beslissing te kunnen nemen is het dus van groot belang dat de input betrouwbaar is.
Datagedreven werken lijkt futuristisch, maar het bestaat al best lang. Een voorbeeld uit de praktijk:
Moderne tractoren zijn voorzien van ingebouwde sensoren. De onderdelen geven zelf aan wanneer ze vervangen moeten worden. Dit gebeurt op basis van data. De vervanging wordt ingeschat op basis van de slijtagegraad. Deze is gebaseerd op duizenden eerdere situaties. Het vervangingsmoment is daardoor nauwkeuriger dan de monteur bij de jaarlijkse controle kan voorspellen.
Het voordeel is dat zo de maximale levensduur van het onderdeel benut wordt. Bovendien wordt het risico op uitval en daarmee productieverlies beperkt.
Algoritmes en big data
Een systeem kan beslissingen nemen op basis van een set vaste voorwaarden, oftewel een algoritme. Het voorbeeld hierboven is een relatief overzichtelijk algoritme met een beperkt aantal (data)variabelen.
Organisaties hebben veelal te maken met beslissingen op basis van data uit meerdere databronnen die niet altijd goed met elkaar kunnen communiceren. Dan is sprake van big data-datasets met een groot aantal variabelen. Ook in dat geval is het mogelijk complexe algoritmes in te zetten om een geautomatiseerde beslissing te nemen.
Een voorbeeld hiervan is de ‘crowd safety-tool’. Dit is een digitale kaart die druktes voorspelt. Het systeem is ontwikkeld en getest in samenwerking met de politie, gemeente Den Haag en lokale ondernemers. Hiervoor zijn meerdere databronnen gebruikt, zoals parkeerdata, weersvoorspellingen en het openbaar vervoer. Met deze tool is het mogelijk hulpdiensten adequater in te zetten en het risico op overlast te beperken.
Veel voordelen, maar je moet er wel wat voor doen
Datagedreven werken levert voordelen op. Recente onderzoeken tonen aan dat het resulteert in een hogere winstgevendheid en klanttevredenheid en dat het de financiële positie versterkt.
Toch ervaren organisaties het als een uitdaging om datagedreven te gaan werken. Systemen moeten aangepast worden én beslissers moeten eraan wennen dat de systemen de keuzes maken in plaats van zijzelf. Het is ondersteunend en tegelijkertijd voelt het beperkend. Het is dus een paradox.
Een aantal adviezen om de eerste stappen in datagedreven werken binnen handbereik te brengen:
1. Begin klein en stap voor stap
Maak datagedreven werken behapbaar. Start met inzichtelijk maken welke werkzaamheden herhaaldelijk zijn en welke variabelen bepalend zijn voor de te nemen beslissingen. Laaghangend fruit geeft direct toegevoegde waarde. Dit kan zo klein zijn als het automatisch invullen van straat en woonplaats op basis van een postcode. Met efficiëntere processen kunnen mensen wennen aan het idee dat het systeem een beslissing neemt.
Deze eerste successen helpen bij de aanpak van grotere en/of complexere uitdagingen.
2. Datakwaliteit is essentieel
Net als een kok in een schone keuken begint, wil je aan de slag met schone data(bronnen). Het aloude principe ‘garbage in/garbage out’ is hier van toepassing. Het systeem geeft niet het gewenste resultaat als de data inconsistent of van slechte kwaliteit is. Vaak wordt er onterecht naar het systeem gewezen bij verkeerde beslissingen, terwijl het eigenlijk de data-input is die onbetrouwbaar is.
3. Veranker datagedreven werken in je strategie
Datagedreven werken is een organisatievraagstuk met een technologische oplossing. Met alleen software ben je er niet. De interne organisatie moet het idee echt omarmen om betere keuzes te kunnen maken. Alleen analyses maken en niet verder oppakken heeft geen zin. Je moet willen groeien en niet alleen innoveren om het innoveren.
4. Alles is al een keer bedacht
Jouw organisatie is niet de eerste en ook niet de laatste die datagedreven werken toepast. Hoewel iedere organisatie haar eigen kracht heeft, zijn er ook overal vergelijkbare processen. Denk aan facturatie, urenadministratie et cetera. Dit is een mooi vertrekpunt. Vind voor deze processen niet het wiel opnieuw uit, maar zoek de samenwerking met softwareleveranciers. Zij kunnen helpen om processen generiek te benaderen.
Het containerbegrip ‘datagedreven werken’ is anno 2022 overal om ons heen. Vrijwel iedere organisatie probeert stappen te zetten met thema’s als algoritmes, big data, robots en kunstmatige intelligentie. Maar wat is datagedreven werken precies? En hoe zet je de eerste stappen? Lars Vermeijden en Kevin Hermes van RedPack Innovators leggen uit.
Bij datagedreven werken worden beslissingen genomen neem op basis van feiten, want dat is wat (onbewerkte) data zijn. Het stelt organisaties in staat om mensen en middelen slimmer te laten werken.
Dit begint allemaal met de juiste data, op het juiste moment, bij de juiste persoon krijgen. De onbewerkte data vormen de input voor keuzes die jij of je systeem maakt.
In het geval van een eenvoudig proces met een beperkt aantal variabelen neemt het systeem zelf de goede beslissing. Bij meer complexiteit komt er vaak nog een menselijk oordeel bij kijken. Om een consistente beslissing te kunnen nemen is het dus van groot belang dat de input betrouwbaar is.
Datagedreven werken lijkt futuristisch, maar het bestaat al best lang. Een voorbeeld uit de praktijk:
Moderne tractoren zijn voorzien van ingebouwde sensoren. De onderdelen geven zelf aan wanneer ze vervangen moeten worden. Dit gebeurt op basis van data. De vervanging wordt ingeschat op basis van de slijtagegraad. Deze is gebaseerd op duizenden eerdere situaties. Het vervangingsmoment is daardoor nauwkeuriger dan de monteur bij de jaarlijkse controle kan voorspellen.
Het voordeel is dat zo de maximale levensduur van het onderdeel benut wordt. Bovendien wordt het risico op uitval en daarmee productieverlies beperkt.
Algoritmes en big data
Een systeem kan beslissingen nemen op basis van een set vaste voorwaarden, oftewel een algoritme. Het voorbeeld hierboven is een relatief overzichtelijk algoritme met een beperkt aantal (data)variabelen.
Organisaties hebben veelal te maken met beslissingen op basis van data uit meerdere databronnen die niet altijd goed met elkaar kunnen communiceren. Dan is sprake van big data-datasets met een groot aantal variabelen. Ook in dat geval is het mogelijk complexe algoritmes in te zetten om een geautomatiseerde beslissing te nemen.
Een voorbeeld hiervan is de ‘crowd safety-tool’. Dit is een digitale kaart die druktes voorspelt. Het systeem is ontwikkeld en getest in samenwerking met de politie, gemeente Den Haag en lokale ondernemers. Hiervoor zijn meerdere databronnen gebruikt, zoals parkeerdata, weersvoorspellingen en het openbaar vervoer. Met deze tool is het mogelijk hulpdiensten adequater in te zetten en het risico op overlast te beperken.
Veel voordelen, maar je moet er wel wat voor doen
Datagedreven werken levert voordelen op. Recente onderzoeken tonen aan dat het resulteert in een hogere winstgevendheid en klanttevredenheid en dat het de financiële positie versterkt.
Toch ervaren organisaties het als een uitdaging om datagedreven te gaan werken. Systemen moeten aangepast worden én beslissers moeten eraan wennen dat de systemen de keuzes maken in plaats van zijzelf. Het is ondersteunend en tegelijkertijd voelt het beperkend. Het is dus een paradox.
Een aantal adviezen om de eerste stappen in datagedreven werken binnen handbereik te brengen:
1. Begin klein en stap voor stap
Maak datagedreven werken behapbaar. Start met inzichtelijk maken welke werkzaamheden herhaaldelijk zijn en welke variabelen bepalend zijn voor de te nemen beslissingen. Laaghangend fruit geeft direct toegevoegde waarde. Dit kan zo klein zijn als het automatisch invullen van straat en woonplaats op basis van een postcode. Met efficiëntere processen kunnen mensen wennen aan het idee dat het systeem een beslissing neemt.
Deze eerste successen helpen bij de aanpak van grotere en/of complexere uitdagingen.
2. Datakwaliteit is essentieel
Net als een kok in een schone keuken begint, wil je aan de slag met schone data(bronnen). Het aloude principe ‘garbage in/garbage out’ is hier van toepassing. Het systeem geeft niet het gewenste resultaat als de data inconsistent of van slechte kwaliteit is. Vaak wordt er onterecht naar het systeem gewezen bij verkeerde beslissingen, terwijl het eigenlijk de data-input is die onbetrouwbaar is.
3. Veranker datagedreven werken in je strategie
Datagedreven werken is een organisatievraagstuk met een technologische oplossing. Met alleen software ben je er niet. De interne organisatie moet het idee echt omarmen om betere keuzes te kunnen maken. Alleen analyses maken en niet verder oppakken heeft geen zin. Je moet willen groeien en niet alleen innoveren om het innoveren.
4. Alles is al een keer bedacht
Jouw organisatie is niet de eerste en ook niet de laatste die datagedreven werken toepast. Hoewel iedere organisatie haar eigen kracht heeft, zijn er ook overal vergelijkbare processen. Denk aan facturatie, urenadministratie et cetera. Dit is een mooi vertrekpunt. Vind voor deze processen niet het wiel opnieuw uit, maar zoek de samenwerking met softwareleveranciers. Zij kunnen helpen om processen generiek te benaderen.
