Bij te veel organisaties waar wij mogen adviseren zien we de volgende denkfout: op alle niveaus is men overtuigd van het enorme potentieel van data, zonder exact te weten waar dat dan precies zit en hoe die data vervolgens te ontsluiten. Hierdoor getriggerd wordt besloten om een datastrategie uit te werken. Die datastrategie moet aansluiten bij de organisatiestrategie en de toegevoegde waarde duidelijk maken.
Er worden prachtige vergezichten geschetst van de zegeningen van data op de dienstverlening, de kwaliteit van de procesuitvoering en het innovatief vermogen. Vaak wordt nog een uitstapje gemaakt naar AI en de mogelijkheden om processen volledig te digitaliseren.
Echter, wat veel organisaties vergeten is dat om iets te kunnen met data er een datamanagementstrategie nodig is. Met andere woorden, eerst je zaakjes organiseren, voordat je er de vruchten van kunt plukken.
Wat bedoelen we hiermee? Voordat een organisatie kan nadenken over het succesvol inzetten van al die waardevolle data, moet eerst de hobbel genomen van het onder ‘controle’ brengen van die data met datamanagement. De datastrategie geeft richting en stelt eisen aan de datamanagementstrategie. En andersom geldt dat de datastrategie rekening moet houden met de volwassenheid van het datamanagement.
Je kunt torenhoge ambities hebben, maar je hebt dan ook een duidelijke koers en een plan nodig om de daarvoor benodigde randvoorwaarden in te vullen. Zonder datadefinities, eigenaarschap of een minimum van datakwaliteit, levert het hooguit frustratie op.
Neem als voorbeeld een organisatie zichzelf ten doel heeft gesteld om de omzet jaarlijks met 15% te laten stijgen. De ene helft van de groei moet komen door het binnenhalen van nieuwe klanten en de andere helft uit bestaande klanten.
Voor het verhogen van de omzet op bestaande klanten wordt als speerpunt van de strategie ingezet op cross-selling. Deze organisatiestrategie en -doelstelling moeten doelmatig worden gerealiseerd met de middelen die de organisatie ter beschikking heeft of kan krijgen: waaronder data.
Om cross-selling te ondersteunen zou dit zich als volgt kunnen doorvertalen naar de datastrategie: we zorgen ervoor dat met behulp van onze data een continu actueel 360-graden klantbeeld beschikbaar is binnen de organisatie, zodat de nieuwe en veranderende klantbehoeften beter in beeld kunnen worden gebracht. Het sales-team kan met behulp van self service BI-analyses uitvoeren en hierdoor betere aanbiedingen doen aan bestaande klanten, waardoor we meer gaan verkopen.
Tot zover klinkt het misschien mooi, maar is het datamanagementniveau van de organisatie wel passend bij deze ambitie? De gestelde ambitie veronderstelt namelijk dat data van verschillende klantcontactpunten van voldoende kwaliteit is, consistente definities heeft en kan worden geïntegreerd en toegankelijk worden gemaakt.
Daarnaast is er wet- en regelgeving van toepassing die eisen stelt aan het opslaan, beheren en processen van privacygevoelige data.
Een belangrijke stap is daarom de doorvertaling van de datastrategie naar de datamanagement-requirements en te toetsen in of deze voldoende en tijdig kunnen worden ingevuld. Bijvoorbeeld: om een continu actueel 360-graden klantbeeld te bereiken is een centrale architectuur benodigd waar de data van alle verschillenden klantcontactpunten en product- en transactiesystemen wordt geconsolideerd.
Als de requirements nog onvoldoende ingevuld kunnen worden, dan betekent het dat de datamanagementstrategie daarop in moet zetten en mogelijk ook de ambitie van de datastrategie meer in lijn moet worden gebracht met wat realistisch is gegeven de voorziene tijdslijnen en afhankelijkheden.
Kortom: datastrategie en datamanagementstrategie gaan hand in hand.
Hoe managen we onze data assets zodanig dat de datastrategie gerealiseerd kan worden? Bij een goede datamanagementstrategie wordt rekening gehouden met de volgende onderwerpen: Data governance; organisatiebreed het eigenaarschap en de verantwoordelijk voor de kwaliteit van alle relevante data. Een organisatiebrede data-architectuur; welke data wordt waar bijgehouden, wat is de ‘golden source’?
Uiteraard de data capabilities; kennis en vaardigheden van degene die data verwerken en beheren. Data policies en processes; hierbij wordt als eerste gekeken naar de veelheid aan regels en wetgeving, maar dit zijn ook vaak de interne afspraken. En als laatste datacultuur; het organisatiebrede besef en bewustwording dat data de belangrijkste voorwaarde is voor groei en innovatie.
Het is onze ervaring dat datastrategie en datamanagement strategie hand in hand moeten gaan. Zonder visie wat deze data voor onze organisatie kan betekenen verzand je in interne, navelstaarachtige programma’s gericht op kwaliteitsverbetering, zonder duidelijk doel. Dure programma’s waar niemand energie van krijgt.
Aan de andere kant mooie vergezichten over een datatoekomst, terwijl het eigen datalandschap een warboel is, leidt tot frustratie of punt-oplossingen zonder rekening te houden met de hele organisatie. Beide ongewenst.
Toewerken naar een volwassen dataorganisatie is een taai proces, waarbij de datastrategie kan helpen om koers te houden. Succesvolle toepassingen kunnen helpen om op orde door de taaie berg van datamanagement heen te komen – dus datastrategie en datamanamagentstrategie hand in hand.