De weg naar datavolwassenheid: 5 fases in het data maturity model

Datagedreven beslissingen nemen en datagedreven audits mogelijk maken: er wordt veel over gepraat, maar blijkt in de praktijk zo eenvoudig nog niet. In een reeks van drie artikelen gaan deskundigen van accountants- en adviesorganisatie Crowe Foederer in op veelvoorkomende problemen bij organisaties die data willen aanwenden om hun bedrijfsvoering te verbeteren, data gedreven audits mogelijk willen maken en ze gaan in op hoe u problemen onderweg kunt oplossen. In deel 1: de juiste data.

Bedrijven krijgen de beschikking over steeds meer data, en proberen deze in toenemende mate aan te wenden om beslissingen beter te onderbouwen. Op zich terecht. Maar al te vaak blijkt dat tegen te vallen omdat de data ondermaats zijn. Dat wil zeggen: de data zijn niet altijd even betrouwbaar, en ook als ze wel betrouwbaar zijn is hun bruikbaarheid beperkt, de definities aan de hand waarvan de data zijn verzameld zijn niet uniform, de data zijn versnipperd over allerlei applicaties die niet goed op elkaar aansluiten en zijn mede hierdoor lastig te ontsluiten.

Het leidt er allemaal toe dat een bedrijf worstelt met veel onvolledige, inconsistente, corrupte of gedupliceerde data. En dus dat er op basis van die data verkeerde analyses worden opgesteld en onjuiste beslissingen worden genomen. Het aloude ‘garbage in, garbage out’ is ook hier van toepassing, hoe geavanceerd de modellen die op de data worden toegepast ook zijn. Data vormen het fundament waarop een datagedreven organisatie moet rusten. Als de data niet deugen, dan is de kans groot dat het bouwwerk instort.

Data Maturity Model

Het is echter mogelijk om de beschikking te krijgen over data waarop wel kan worden gebouwd. Dit kan door enkele – maximaal 4 – stappen uit het zogeheten Data Maturity model waarmee Crowe Foederer werkt te doorlopen. Dit model is gebaseerd op het Capability Maturity Model dat vaak wordt gebruikt om te beoordelen hoe goed organisaties in staat zijn om software te ontwikkelen. Hoe capabeler oftewel ‘volwassener’ een organisatie, hoe beter. Zo is het ook in het Data Maturity Model, alleen gaat het in dit model niet om het vermogen om software te ontwikkelen maar om het vermogen om data vruchtbaar in te zetten. Om te beoordelen in welk stadium een bedrijf verkeert, heeft Crowe Foederer een ‘client onboarding assessment’ ontwikkeld, dat een klant periodiek kan invullen.

In de client onboarding assessment worden acht aspecten van de datahuishouding en relevante processen beoordeeld van strategisch tot operationeel niveau. Er wordt bijvoorbeeld gekeken naar data als strategisch aandachtsgebied, de vastlegging van data in een applicatie en hoe deze wordt gekoppeld aan andere systemen, de actualiteit van ICT-systemen, de manier waarop data worden ontsloten, de kwaliteit van de data en het gebruik van BI-tools binnen de organisatie.

Op basis van de ingevulde vragenlijst, wordt de volwassenheid van de organisatie berekend. Helemaal onderaan staat maturity level 1: in deze fase is de organisatie niet in staat om de data van de primaire processen te beheren. Bedrijven met de hoogste score hebben maturity level 5: in deze fase zijn de data van strategisch belang, actieve sturing en het optimaliseren van de bedrijfsprocessen door middel van data-analyse hebben grote aandacht.

Naar een hoger volwassenheidsniveau

Op basis van de uitkomsten van elke ‘client onboarding assessment’ kunnen maatregelen worden genomen om tot een hoger volwassenheidsniveau te komen. Maximaal 4 stappen, dus als een bedrijf zich bij de eerste assessment in fase 1 bevindt, en via niveaus 2, 3 en 4 wil doorgroeien naar niveau 5. Overigens kan een bedrijf dat maturity level 5 heeft bereikt niet op z’n lauweren rusten – ook dan zijn nog altijd verbetermaatregelen mogelijk, al was het maar omdat de techniek voortschrijdt, en er voortdurend nieuwe en betere tools op de markt komen.

Crowe Foederer adviseert haar relaties welke maatregelen het meeste effect hebben. De precieze invulling daarvan is grotendeels afhankelijk van het volwassenheidsniveau van het bedrijf – zo is het zinloos om allerlei geavanceerde BI-tools in te zetten in een bedrijf dat met ondermaatse data worstelt of z’n primaire processen niet op orde heeft, maar in een later stadium kan dat juist zeer waardevol zijn.

Bij bedrijven die de volwassenheidsfase 3, 4 of 5 hebben bereikt, kunnen wij bovendien een datagedreven audit uitvoeren: een audit waarbij alle relevante data van een bedrijf onder de loep worden genomen, en dus niet hoeft te worden volstaan met een steekproefsgewijze controle. Een datagedreven audit is niet alleen nauwkeuriger dan zo’n traditionele controle, maar levert ook allerlei inzichten op waarmee een bedrijf goed onderbouwde, datagedreven beslissingen kan nemen. Maar daarover – en over data onboarding met kwaliteitsslagen inclusief data lineage – volgende keer meer.

Arjen van Zon is Information Officer van Crowe Foederer

Dit artikel wordt u aangeboden door:

Deel 2: Een digitale wasstraat
Deel 3: 3 succesvoorwaarden voor een datagedreven audit