Met deze 4 tips maak je een succes van datagedreven werken

Bron: Unsplash

Met de kant-en-klare dashboards die Embrace in Power BI heeft ingericht kunnen woningcorporaties op basis van data beslissingen nemen. De oplossing is er dus, maar hoe neem je dit nou goed op in jouw organisatie?

Hiervoor organiseerde Jelte Korf tijdens de Embrace Gebruikersdag Customers & Housing de college tour Datagedreven organiseren bij woningcorporaties, met als gastsprekers Donna Rhemrev (senior projectmanager bij Embrace) en Roel Ottens (bestuurder bij Telengy Management en Advies).Uit deze college tour halen we vier tips die je helpen om het werken met data goed te organiseren:

Tip 1: Stel de juiste vragen

Het werken met data begint vaak bij een informatiebehoefte. In de praktijk zien we echter dat in plaats daarvan organisaties beginnen te denken in een dataoplossing: ik wil een rapport, dashboard, RPA-oplossing of voorspelmodel. Wanneer we beginnen met een dataproject is het goed om te starten met het waarom:

  • Welke problemen gaan we oplossen?
  • Aan welke opgave is het probleem gerelateerd?
  • Wat zijn onze doelen?

De antwoorden op deze vragen maken heel duidelijk hoe je dataproject eruit moet gaan zien en wat een gewenst resultaat is. In veel gevallen blijkt dat een eenvoudige oplossing jouw afdeling al een stuk verder helpt.

Gebruik hiervoor bijvoorbeeld het Datagedreven Innovatie Canvas:

Bron: Datcan: datagedreven innovatie canvas


Tip 2: Breng de datavolwassenheid in kaart

Verschillende organisaties hebben verschillende informatiebehoeften, maar je kunt niet iedere informatiebehoefte met dezelfde dataorganisatie invullen. De datavolwassenheid van een organisatie bestaat grofweg uit vijf categorieën:


Bron: Telengy, geïnspireerd op "Competing on analytics" van Davenport.

Vanuit de informatiebehoefte in een organisatie kan je bepalen wat het benodigde datavolwassenheidniveau is van een organisatie. Daarbinnen zien we ook nog een verschil: waar bestuurders graag willen voorspellen, zijn managers gericht op monitoren en willen professionals juist graag weten wat er is gebeurd. Voor voorspellende analyses heb je andere technologieën, kennis en vaardigheden nodig dan voor rapporteren en monitoren. Daarom is het belangrijk om de datavolwassenheid van je organisatie in kaart te brengen.

Het neerzetten van een onderbouwde ambitie op basis van opgaves in en buiten je organisatie is hiervoor een belangrijk startpunt, net als de meerwaarde voor je organisatie. Deze dingen bepalen in grote mate hoe je de dataorganisatie precies inricht en welke technologie je nodig hebt. De samenstelling van het datateam is hierin altijd een belangrijk onderdeel.

Tip 3: Stel een datateam samen

Je kunt niet zonder een goed samengesteld projectteam. Alleen dan kun je de juiste invulling geven aan de informatiebehoefte die past bij het gevraagde datavolwassenheidniveau. Dit team is het datateam, dat bestaat uit leden uit verschillende disciplines. Zo heeft het Ministerie van Justitie en Veiligheid voor hun datateam de volgende rollen vastgesteld:

Bron: Ministerie van Justitie en Veiligheid - Rapport: Wat is er voor nodig?


Wees gerust: je hebt geen fulltime datateam nodig in je organisatie, want je collega’s kunnen doorgaans tijdelijk of parttime deze teamrollen vervullen. Zo kan een functioneel beheerder tijdens een dataproject de rol van domeinexpert op zich nemen en een databasebeheerder de rol van dataengineer. Het gewenste datavolwassenheidsniveau bepaalt in hoge mate de rollen die je nodig hebt. Ligt de focus op rapporteren en monitoren, of ligt de focus juist meer op data-analyse? Is voorspellen een grote wens, dan mag een datascientist niet ontbreken in je datateam.

Trap hierbij niet in dezelfde valkuil als zo veel andere organisaties doen door al deze rollen bij één persoon te beleggen. Vaak krijgt de initiatiefnemer, die “iets” met data wil gaan doen, meerdere stempels tegelijk, zoals projectleider, data-analist en domeinexpert. Wanneer de vraag echter groeit, is deze situatie helaas niet houdbaar. Daarom raden we je aan om de rol van projectleider duidelijk te beleggen en te voorkomen dat een data-analist zijn eigen capaciteit, middelen en prioriteit moet bepalen.

Je haalt past voordeel uit een oplossing wanneer je als gebruiker effectiever en efficiënter beslissingen kan nemen gebaseerd op data die goed wordt weergegeven.

Vergis je ook niet in het belang van een UX-designer. Deze rol blijft vaak onderbelicht, ondanks dat die van grote meerwaarde is. Een UX-designer zorgt er namelijk voor dat dataoplossingen gebruiksvriendelijk zijn en daardoor ook begrijpelijk voor je organisatie. Denk bijvoorbeeld aan een dashboard dat je met een minimum aantal muisklikken kunt bedienen of verhoogde leesbaarheid van de data dankzij afbeeldingen, iconen en goed contrasterende kleuren. Je haalt past voordeel uit een oplossing wanneer je als gebruiker effectiever en efficiënter beslissingen kan nemen gebaseerd op data die goed wordt weergegeven.

Roel Ottens, Donna Rhemrev en Jelte Korf tijdens de Embrace Gebruikersdag

Tip 4: Beheer je dataprojecten

Wanneer je na de eerste experimenten constateert dat de informatiebehoefte binnen je organisatie toeneemt, is het van belang dat je op basis van criteria (ook wel KPI’s) prioritering aanbrengt in de dataprojecten. Daarmee zorg je ervoor dat de oplossingen (blijven) aansluiten bij de doelstellingen van je organisatie.

Deze processen en procedures om initiatieven te prioriteren en evalueren kun je samenpakken in een zogenoemde ‘datatafel’. Hierbij ligt het startpunt van een project bij de verwachte toegevoegde waarde ten opzichte van de benodigde inspanning. In het portfoliomanagement bij dataprojecten van Telengy kun je hier meer over lezen.

Het vervolg van de college tour datagedreven werken

De college tour had wat ons betreft nog veel langer mogen duren, want we hebben lang niet alle onderwerpen kunnen aanstippen. Om de informatiebehoefte onder onze klanten verder te toetsen en te bespreken hebben we een werkgroep ‘datagedreven werken’ opgericht, waaraan diverse woningcorporaties deelnemen. Samen met hen gaan we aan de slag om datagedreven werken in deze sector goed te kunnen ondersteunen en bijbehorende vraagstukken te bespreken. We gaan dan dieper in op onderwerpen als standaard Power BI-rapportages, standaardisatie van het datamodel, integratie in een datawarehouse- of datalake-architectuur, privacy en ethiek.

Zelf aan de slag met datagedreven werken?

Sta je na het lezen van deze tips ook te springen om aan de slag te gaan met datagedreven werken in jouw organisatie? Dan gaan we graag met je in gesprek om je mee te nemen in de mogelijkheden van Embrace met een prikkelende en concrete demo.

Wil je Embrace liever van binnen bekijken? 

Meer weten over dit onderwerp?

Vraag het onze specialisten!
No items found.