Een goede voorbereiding en een goede aanpak zijn daarom belangrijk. Hieronder een stappenplan wat jullie de handvatten geeft om een data-initiatief in goede banen te leiden:
1) Inventariseer, waar sta je nu?
2) Verken datakansen
3) Kies een use-case om te starten
4) Start, experimenteer en leer
5) Evalueer en start met een volgende use-case
Inventariseer
Om te beginnen is het goed om vast te stellen waar je nu staat. Wat heb je wel- en wat heb je niet in huis. Hieronder drie belangrijke onderdelen om van te voren vast te stellen:
· Wat voor kennis en kunde is er aanwezig binnen jouw organisatie?
Om (meer) datagedreven te worden als organisatie heb je databedreven medewerkers nodig. Een project valt of staat met de adoptie van jouw medewerkers. Wie in jouw organisatie zijn de databedreven medewerkers? Wie zijn er in staat om data te analyseren met oplossingen als PowerBI of een andere BI-tool. Daarnaast belangrijk om vast te stellen wie er technisch kennis hebben om een dataoplossing te ontwerpen en te beheren? Is deze kennis in huis of heb je een partner die hierbij kan helpen?
· Welke datatools zijn er binnen jullie organisatie beschikbaar?
Werk je nu voornamelijk in Excel of heb je Business Intelligence tools als bijvoorbeeld PowerBI of QlickView waarmee je analyses kan doen? Wordt de analyse uitbesteedt aan een derde partij die jouw data beheerd en analyses toestuurt? Hoe makkelijk heb je nu toegaan tot de benodigde data en is dat voldoende?
· Welke databronnen zijn er?
De digitale transitie is al even gaande. Ook accountants kantoren hebben veel geïnvesteerd in systemen voor klantgegevens, klantdocumentatie en financiële gegevens. Daarnaast ontvangt een accountant data van klanten, handmatig dan wel geautomatiseerd. Wat wordt er allemaal uitgewisseld en in hoeverre zijn deze uitwisselingen van data gestandaardiseerd? Kunnen we dit automatiseren?
Waar liggen datakansen?
Het verkennen van datakansen is onderdeel van de inventarisatiefase, maar vanwege het belang van dit onderdeel beschouwen we dit als aparte stap in het proces. Het verkennen van kansen is een proces wat je niet vanuit een IT bril moet bekijken. Dit is ook niet iets wat je als afdeling alleen moet doen. Kansen verkennen is een creatief proces wat je vooral samen en afdeling overstijgend moet aanvliegen. Plan één of meerdere brainstormsessies en kies zorgvuldig de mensen die daar een zinvolle bijdrage aan kunnen leveren. Maak er ook geen Poolse landdag van door de halve organisatie uit te nodigen. Ongeveer zes tot tien medewerkers uit verschillende domeinen is aan te raden. Nodig medewerkers uit met uitgebreide domeinkennis en affiniteit met data-analyse. Geef de medewerkers echt de ruimte om datakansen te onderzoeken en zorg dat jouw medewerkers enthousiast worden over data. Alles valt of staat met draagvlak binnen jouw organisatie.
Wanneer je de juiste mensen hebt samengebracht probeer dan de kandidaat use-cases te identificeren en op waarde te schatten. Op waarde schatten is belangrijk om de juiste keuzes te kunnen maken en prioriteit aan te brengen. Het opstellen van use-cases is een techniek uit de software-engineering met als doel het gedrag van een systeem, in dit geval een dataproduct, te beschrijven vanuit het perspectief van de gebruiker. Een use-case laat zien wat een dataproduct moet toevoegen voor zijn gebruikers om doelen te bereiken. Een use-case kan ook helpen om de scope, de functionaliteiten en de requirements van een dataproduct te definiëren. Doe dit in eenvoudige en begrijpelijke taal, zonder technische details. In een later moment wordt de vertaling naar de techniek gemaakt. Wanneer je dit zonder technische details uitwerkt laat je je ook niet beperken door eventuele onmogelijkheden van technologie.
Mocht je het als organisatie lastig vinden om kansen te identificeren of wil je graag geholpen worden in dit proces? Vanuit yellow arrow hebben wij een workshop ontwikkeld om samen met jullie eigen domeinspecialisten deze kansen te verkennen, op waarde te schatten en te prioriteren.
Kies een geschikte use-case
Kies een use-case waarvan je goed kan beoordelen dat het waarde oplevert en waarvan jouw medewerkers of klanten ook de voordelen van zien. Iets kan financiële waarde opleveren maar hoeft niet direct voordelen te hebben voor jouw medewerkers of klanten. Wanneer je een use-case selecteert welke voor jouw medewerkers of klanten direct waarde toevoegt creëer je draagvlak voor datagedreven werken.
Hoe bepaal je dan deze waarde en waarom is dit zo belangrijk? De succesvolle datagedreven organisaties onderscheid zich in drie zaken:
1. Zet data succesvol in binnen de dagelijks besluitvorming,
2. Kan de waardecreatie van en door data meten
3. Senior management is volledig gecommitteerd om de datareis succesvol te maken
Kortom om succesvol te zijn in jouw datastrategie is het belangrijk dat jouw organisatie in staat is de waarde te meten. Dat begint bij het inschatten wat een use-case aan waarde kan creëren. Kijk hierin eerst naar het laaghangend fruit. Hoeveel uren besparen jouw medewerkers door het implementeren van deze use-case? Het aantal uur kan je vertalen naar een kostprijs en je hebt een eerste indicatie. Andere voordelen zijn misschien niet direct in geld uit te drukken. Bijvoorbeeld wanneer je een betere klant tevredenheid verwacht. Hier zul je creatiever mee om moeten gaan. Stel een baseline op en meet, bijvoorbeeld daar klanttevredenheid onderzoek of direct klant contact, of de dienstverlening in de loop van de tijd verbeterd.
Selecteer nu aan de hand van deze waarde-inschatting de juiste use-case.
Start, experimenteer en leer
Wanneer je kan onderbouwen dat een use-case echte waarde toevoegt ga dan vooral aan de slag. Controleer samen met jouw domeinspecialisten en technische mensen nog wel even of de juiste technische randvoorwaarden aanwezig zijn om te kunnen starten. Onderdeel van deze fase is het opzetten van een technische architectuur, waarbij een ervaren data-engineer of een data-architect de vertaling maakt van de use-case naar een technische oplossing. Hierbij kijkt de architect of engineer naar verschillende zaken zoals het kostenplaatje (initieel en recurring), functionaliteit van de technische bouwblokken, verwachte leercurve van de medewerkers die er mee aan de slag moeten, schaalbaarheid en verwachte onderhoudsinspanning.
Wanneer de technische oplossing staat kan een databedreven medewerker eventueel samen met een data-engineer data gaan verkennen, verzamelen en verreiken om de use-case te realiseren. Dit is een leerproces en zal absoluut met vallen en opstaan gaan. Niet elk initiatief is direct een schot in de roos. Leer van jouw datareis, deel je bevindingen met collega’s. Begin opnieuw wanneer je vast loopt. Het is echt beter om overnieuw te starten, dan doorbouwen op een slecht fundament. Het is ook niet erg om kennis en kunde in de markt te zoeken. De juiste skills extern aan te haken is in eerste instantie een extra kostenpost, maar deze kosten zul je terug verdienen doordat je op de lange termijn minder leergeld kwijt zult zijn.
Evalueer en start met een volgende use-case
Wanneer de use-case opgeleverd wordt evalueer met het betrokken team de resultaten. Ook hier geldt: fouten maken is niet erg zolang je er maar van leert. Neem ook vooral mee wat goed ging naar de realisatie van een volgende use-case. Door een dataplatform use-case voor use-case op te bouwen kan je kort cyclisch werken en snel bijsturen indien dit nodig mocht zijn. Dit is de agile gedachte waar het draait om leveren van waarde, snel bijsturen, leren en verbeteren terwijl je bezig bent.
Wil je meer leren over hoe je een datagedreven organisatie kunt worden? Download hier de whitepaper ‘De datagedreven accountant aan zet’ en kom het te weten.
Geef een reactie