Verspil geen geld. Laat data voor u werken.

U heeft tijd en geld geïnvesteerd in data-analyse. Maar om een of andere reden komt u er niet echt uit wat u had gehoopt, of wat u was beloofd. Dat ene inzicht dat (concurrentie)voordeel geeft, het lijkt ver weg. Ook duurt het allemaal zo lang. Het klinkt ook vreemd. Er is veel data, de technologie lijkt wel voor anderen te werken, maar het komt er voor u niet uit. Ons advies: concentreer je op Nuttige Analytics.

Hoewel Business Intelligence (BI) specialisten graag laten zien wat er mogelijk is, is de werkelijke toegevoegde waarde van hun werk minder duidelijk. Zij richten projecten op gebieden waar veel data beschikbaar is, maar dat zijn niet noodzakelijkerwijs die gebieden waar veel te halen is. Daarnaast hebben specialisten onderling discussies over welke BI-tools het beste zijn of er het meest gelikt uit ziet.

Omdat van Business Intelligence (BI) specialisten veel wordt verwacht, zoeken ze naar voorbeelden om te laten zien wat ze kunnen. Daardoor starten projecten aan de verkeerde kant: ze zijn gericht op wat mogelijk is, terwijl waarde ligt in het oplossen wat nodig is. Of wat eigenlijk al gedaan had moeten zijn.

Tegelijkertijd is het van medewerkers, in zowel lijn als staf, soms weinig animo voor innovatie. Vooral als het hun werk raakt. Daarom dirigeren sommige lijnmanagers BI naar die gebieden waar ze weinig last van hebben in de praktijk. En minder risico lopen dat ook hun positie gaat veranderen.

Zoals hierboven al duidelijk wordt, is het dus niet verwonderlijk dat veel projecten niet goed aflopen. Decisive Facts heeft als uitgangspunt dat we projecten zo opzetten, dat de succeskans groot is.

De truc is om een goede mix te maken tussen data en praktijk aan de ene kant en een werkelijke behoefte aan de andere kant. En zo, uitgaande van realistische verwachtingen en zonder borstklopperij, als team naar een resultaat toe te werken. Het startpunt is altijd om een echt vraagstuk, vaak in eerste instantie een probleem, op te lossen. De energie die daarmee loskomt wordt gebruikt voor haalbare vervolgstappen. Ga dus voor nuttige data analyse!

Bij Nuttige Analytics zien we doorgaans één van twee beginpunten aanknopingspunten: er is een inhoudelijke vraag of probleem of er is een toolprobleem. Het dat tot uiting komt valt af te lezen uit onderstaand schema. Daarachter staan de stappen beschreven hoe we dat oplossen.

Met deze vragen kunnen we een verschil maken. Dat heeft aan de ene kant te maken met een gezonde nuchtere kijk op vragen, maar ook met het belang van wat wij de menselijke benadering van data analytics noemen.

Zoals we hierboven al noemden, zijn er inhoudelijke vraagstukken en toolvraagstukken.

Inhoudelijke vraagstukken

Inhoudelijke vraagstukken ontstaan vaak omdat de (eisen van de) omgeving wijzigt, omdat de organisatie een professionaliseringsslag moet maken, of omdat kosten omlaag of snelheid omhoog moet. Interne en externe data helpen om open en fris naar de werkelijkheid te kijken. Zodra de onderste steen boven is, volgt een dialoog binnen de organisatie. Een gedeelde visie markeert vervolgens het startpunt voor een veranderproject.

Vraagstukken over tools

Een toolprobleem start vaak met iets praktisch, zoals een tool dat vanwege succes geprofessionaliseerd moet worden. Of een medewerker die is opgestapt. Het kunnen ook allerhande spreadsheets zijn, waarbij het overzicht zoek is. Wat het probleem ook is, het start met een second opinion. Als de nood hoog is, kunnen we simultaan helpen met een korte termijnoplossing, bijvoorbeeld via onze Indiase partner. Dat geeft ruimte om alternatieven te ontwikkelen voor de langere termijn.