Data intelligence of data dumbness: drie veelvoorkomende valkuilen

Gepubliceerd op Winmagpro.nl, op 24 maart 2021. Auteur: Carlo van Haren, Competence Lead AI & Data Science, Winvision.

 

Elke organisatie heeft beschikking over data. Denk aan klantgegevens, patiëntgegevens, zoekgedrag op de website, financiële data en ga zo maar door. De vraag is: maak jij op een slimme manier gebruik van deze data zodat je positieve resultaten voor jouw organisatie behaalt, of is er nog een lange weg te gaan en trap jij in veelvoorkomende valkuilen? Met de tips in dit artikel verbeter je jouw data intelligence!

Valkuil 1: intelligente dingen doen met onjuiste data

Zoals we ondertussen weten: garbage in = garbage out. Als de data die je invoert of gebruikt niet klopt, dan kun je er wel intelligente dingen mee doen, maar de uitkomst heeft weinig te maken met de realiteit. De vragen die je je vooraf moet stellen zijn: Waar komt mijn data vandaan? Hoe betrouwbaar zijn die gegevens en hebben we er alles aan gedaan om de kwaliteit te waarborgen? Vaak is data niet direct bruikbaar, maar is er verfijning nodig. Onjuiste data is geen betrouwbare basis voor dashboards, rapportages of datagedreven werken. Het leidt tot fouten en verkeerde beslissingen. Hoe je dat voorkomt? Zorg ervoor dat je je data zorgvuldig controleert. Laat je data beoordelen door zoveel mogelijk medewerkers binnen je organisatie. Als er veel mensen vanuit hun eigen proces naar data kijken, controleer je de data op meerdere niveaus. Je bouwt in feite een piramide van databetrouwbaarheid. Een voorbeeld: als alle projectleiders hun eigen projecten managen met dezelfde databronnen als de managers die organisatiebreed kijken, is de kans op betrouwbare data binnen de gehele organisatie veel groter. 

Valkuil 2: dashboards zonder doel 

Aan betrouwbare data heb je nog steeds weinig zolang je niet bepaalt wat je ermee wilt bereiken. Wat wil je precies aantonen met een grafiek? Kun je dat dashboard inzetten om belangrijke beslissingen te nemen op basis van feiten? En kun je zien of je jouw doelen ook haalt? Misschien moet het dashboard wel aangepast worden, omdat je merkt dat je met de huidige data nog niet goed genoeg kunt sturen. Of omdat je je subdoel al hebt bereikt en naar het volgende doel wilt toewerken. Eén ding is zeker: mooie grafieken en dashboards maken mag nooit een doel op zich zijn. Gebruik een dashboard niet om alleen maar aan te tonen wat je allemaal weet, maar focus op je doelen en de vragen die je wilt beantwoorden met de data. En check bij jouw stakeholders of zij je dashboards snappen. 

Valkuil 3: op de ‘oude’ manier data programmeren

Is de kwaliteit van jouw data op orde en het doel helder in beeld? Denk dan eens na over het technische proces om data te vertalen naar dashboards of rapportages. Als je een dashboard in beton giet wordt het moeilijk om een nieuwe vraag te beantwoorden of extra bronnen in het dataproces op te nemen. Houd de data-architectuur dus flexibel. Het voordeel hiervan is bijvoorbeeld dat als jij plotseling behoefte hebt aan nieuwe data, bijvoorbeeld met betrekking tot het betalen van BTW, je geen compleet nieuwe software hoeft te laten bouwen. Om jouw data intelligence te vergroten heb je juist een architectuur nodig die je makkelijk aan kunt passen. Hier bestaat tegenwoordig low code/no code tooling voor. Het ‘oude’ programmeren van data duurt namelijk lang en is achteraf niet makkelijk aan te passen. Daarnaast is het belangrijk om niet meer alleen de data te ontsluiten die je nu nodig hebt, maar juist zoveel mogelijk van de data die je toch al verzamelt als organisatie, zodat je er in de toekomst snel bij kunt als je het nodig hebt.

Neem deze tips mee in jouw werk en je zult zien dat jouw organisatie steeds intelligenter wordt. Voor veel organisaties is er nog een lange weg te gaan van data dumbness naar data intelligence, maar als je het stap voor stap aanpakt en gewoon aan de slag gaat, merk je vanzelf dat jouw organisatie steeds beter kan sturen en beslissingen kan maken op basis van betrouwbare data.