7 stappen om data-analytics een boost te geven

Heeft uw data al een doel? Helderheid verkrijgen over hoe uw organisatie data doelmatig kan inzetten is cruciaal voor succes in analytics. Een recente studie van McKinsey helpt u richting te ontdekken en data te vertalen naar actie.

Het snel ontwikkelende gebied data-analytics heeft de potentie de manier te transformeren waarop bedrijven opereren, organiseren, talent managen en waarde creëren. Bij een paar bedrijven gebeurt dit al volop, maar het is nog verre van de norm. 

De reden volgens McKinsey is dat de transformatie moet beginnen in de top, maar veel executives vinden het gebied te complex om volledig in te duiken. En complex is het zeker in termen van technologie, methodologieën, het toenemende belang van machine learning en de enorme schaal van de datasets. Gevolg van deze complexiteit is dat business leiders het meestal overlaten aan de experts. Dat is een fout, want geavanceerde analytics is per definitie een business onderwerp. CFO’s en andere top executives moeten in staat zijn duidelijk uit te leggen wat het doel van analytics is voor hun organisatie en hoe zij inzichten vertalen naar actie. 

De volgende 7 kritische principes dragen bij aan verkrijgen van helderheid over het doel en het vermogen om te handelen op basis van data. 

1. Stel de juiste vragen
Helderheid is essentieel om data-analytics centraal te stellen bij performance verbetering. Bovendien kunt u het in termen van tijd en middelen niet veroorloven om het vaag te houden. ‘Hoe kunnen we de kosten reduceren?’ of ‘hoe kunnen we de omzet verbeteren?’ zijn goede vragen. Nog beter zijn vragen die dieper doordrillen: ‘hoe kunnen we de productiviteit van alle teamleden verbeteren?’ of ‘hoe kunnen we onze time-to-market radicaal versnellen?’. De specifieke vraag die cruciaal is voor uw business bepaalt vervolgens welke data geïsoleerd, geaggregeerd en geanalyseerd moeten worden. 

Dat het stellen van de juiste vragen bijdraagt, toont de case van een financiële dienstverlener aan. Met sterke C-level-ondersteuning definieerde de organisatie een duidelijke doelstelling voor analytics: het sterk reduceren van tijd in productontwikkeling. Het meten van het tempo van productadoptie door klanten hielp ze vele malen sneller nieuwe producten succesvol te introduceren in diverse marktsegmenten. 

2. Denk heel klein en heel groot
De impact van ‘big data’ wordt vaak manifest door honderden of zelfs duizenden kleine, incrementele verbeteringen. Als een organisatie erin slaagt processen op te delen in de kleinst mogelijke onderdelen en verbeteringen door te voeren waar mogelijk, dan kan de pay-off enorm zijn. Laat staan als een organisatie dat systematisch doet voor allerlei verschillende processen. 

Een voedselproducent wilde graag de marge op hun ontbijtproducten verbeteren. Het deconstrueerde het gehele productieproces en liet op ieder afzonderlijk onderdeel analytics los om te onderzoeken waar nog waarde viel te ontsluiten. Het antwoord vonden ze in de oven: de temperatuur licht terugdraaien scheelde in de kosten en deed het product ook nog beter smaken. 

Error in shortcode: slug must be set


3. Benut ook softere data
Het mantra ‘garbage in, garbage out’ zit zo diep geworteld in business-denken dat het soms voorkomt dat zaken aan het licht komen. Veel Business Intelligence-teams weigeren input omdat de data gedateerd, incompleet of imperfect is. Maar we kunnen betere beslissingen nemen als we ook kwalitatieve of ‘softere’ informatie meenemen, zoals we in het dagelijks leven ook doen bij onze beslissingen. 

Bijvoorbeeld, een bedrijf weigerde te investeren in nieuwe producten zonder historische en bewezen informatie om een geprojecteerde ROI te ondersteunen. Deze rigide aanpak leidde tot een veel te lange wachttijd voor nodige productintroducties. Pas toen het bedrijf relaxter werd ten opzichte van zachtere input, zoals industrie forecasts, de meningen van product experts en social media commentaren, kregen ze een beter gevoel bij de huidige marktomstandigheden en paste ze de timing van nieuwe producten daar op aan. 

Kortom, zachtere data moet niet als ‘garbage’ behandeld worden, maar als middel om tot waardevolle inzichten te komen. In het kader van risicomanagement is het wel een raadzaam om een score aan data te hangen voor de mate van betrouwbaarheid. 
______________________________________________________________________________
Bezoek Big Data Day & Awards op 15 juni 2017
Grote bedrijven kunnen niet meer zonder het inzetten van data. Elke afdeling wordt geconfronteerd met data en daarom wordt de omgang met (Big) Data voor iedere medewerker steeds belangrijker. Daarom worden tijdens Big Data Day diverse disciplines bij elkaar gebracht. Alleen door samen te werken ontstaat er een strategie die bijdraagt aan nieuwe inzichten, producten, processen en business modellen. Gezamenlijk met CEO’s, CFO’s, CHRO’s, CMO’s en COO’s bespreken we hoe er echt waarde uit big data gehaald kan worden en welke vraagstukken bij Big Data-gebruik opdoemen. Hoe kunnen we data nu echt inzetten om waarde toe te voegen? Schrijf u nu in.... 
______________________________________________________________________________

4. Maak gebruik van loops
In competitieve omgevingen wint het bedrijf dat informatie sneller en beter weet om te zetten in de best mogelijke beslissingen. De besluitvormingscyclus bestaat uit vier fases: observeren, oriënteren, beslissen en handelen. Best-in-class organisaties, zoals Google, gebruiken deze cyclus in hun voordeel. Beslissingen worden genomen op basis van data en feedback van klanten wordt vertaald in nieuwe verbeterde oplossingen waar klanten van gaan houden. Google is natuurlijk wel het ultieme voorbeeld van ‘data-driven’, maar ook bedrijven buiten Silicon Valley kunnen succesvol gebruik maken van loops. 

5. Maak output actionable en visueel aantrekkelijk
De beste algoritmes kunnen wonderen verrichten, maar ze spreken niet voor zichzelf in directiekamers. Experts die ze programmeren zijn dan ook vaak niet ingehuurd voor hun presentatievaardigheden. Dit is wel een kloof die uw organisatie moet overbruggen anders zullen de briljante inzichten niet leiden tot de nodige acties of goede beslissingen. Analytics zijn er om gebruikt te worden, daarom nemen de voorlopers interface ontwerpers en data visualisatie specialisten aan in hun analytics teams. 

6. Bouw een multidisciplinair team
In een effectief analytics team heeft u verschillende specialismen nodig. Data wetenschappers helpen met het ontwikkelen en toepassen van complexe analytische methoden. Technologische experts leggen koppelingen en kunnen data integreren uit verschillende interne en externe bronnen. De bij het vorige principe genoemde ontwerpers/specialisten in data visualisatie vertalen de inzichten naar bruikbare visuals. En last but not least zijn business experts nodig die helpen business uitdagingen om te zetten in onderzoeksvragen. Hier is een mooie rol weggelegd voor de finance professional als businesspartner. 

Geld gaat deze uitdaging niet voor u oplossen, maar een combinatie van het strategisch werven van een aantal mensen, het heropleiden en bijscholen van anderen en mogelijk het samenwerken met een externe dienstverlener om bepaalde rollen in te vullen. Centraal in het team moet de passie staan om nieuwe, praktische en toepasbare inzichten te ontdekken.  

7. Adoptie als ultieme doel
Cultuur bepaalt uiteindelijk het succes van alle business initiatieven, ook data-analytics. U kunt het beste team hebben, de beste tools, de beste algoritmes en prachtige visualisaties, maar als men ‘het niet eet’, faalt uw organisatie alsnog. 

McKinsey noemt een bedrijf dat alles voor elkaar leek te hebben: van een duidelijk omschreven missie tot een sales dashboard met daarop alle cross-sales mogelijkheden voor de sales mensen. Het zat briljant in elkaar, maar sales medewerkers klikte steeds de pop-up weg omdat hun salaris vooral afhing van hoe snel ze gesprekken afhandelden en niet van de typen producten die ze verkochten.

Als iedereen samenwerkt en de incentives zijn goed afgestemd op de doelen, dan kunnen er wonderen gebeuren. En daarvoor is betrokkenheid van C-level de Nr. 1 factor. Hoe staat het met de C-level betrokkenheid bij analytics in uw organisatie?