Data en analytics inrichten in je organisatie: zo doe je dat
Iedere organisatie wil data gedreven werken. Maar dat gaat niet vanzelf. De uitdaging ligt niet zozeer in de techniek, maar meer in de juiste inrichting van de processen én organisatie voor data en analytics. Hoe richt je dat goed in? Marc Ducardus, Managing Partner van Riviq, zet je alvast op het goede spoor.
Data gedreven werken, houdt in dat iedereen in je organisatie geïnformeerde beslissingen kan nemen op basis van feiten en inzichten. Ik heb het overigens liever over ‘inzicht gedreven’ werken. Je beslissingen en acties zijn immers afhankelijk van de inzichten die de data je oplevert. Om inzicht gedreven te kunnen werken, moet je wel eerst een slagvaardige organisatie inrichten die overweg kan met data en analytics.
De kenmerken van een slagvaardige organisatie
Een ‘slagvaardige organisatie’. Wat houdt dat dan in? Voorop staat dat iedereen binnen je organisatie eenvoudig toegang moet hebben tot relevante data en analytics, zodat er één versie van de waarheid ontstaat. Bovendien heb je mensen nodig met de juiste vaardigheden en kennis van data. Tot slot moet jouw organisatie beseffen dat data en analytics geen eenmalig project is, maar een continu proces dat onderhevig is aan veranderingen.
Vier pijlers voor data en analytics in je organisatie
Bij het inrichten van data en analytics in je organisatie houd je rekening met vier pijlers. Ik licht ze hier toe:
1. Governance: maak duidelijke afspraken
Wil je op professioneel niveau inzicht gedreven werken, dan moet je duidelijke afspraken maken. Denk aan afspraken over datakwaliteit, eigenaarschap, de kwaliteit van datatoepassingen en het aanleveren van data. Ook wil je vastleggen welke afdeling betaalt voor onderhoud en beheer van data en analytics.
2. Organisatie: bepaal de plek van de expertise
Waar plaats je de data en analytics-expertise binnen je organisatie? Kies je voor een centraal Center of Excellence of maak je teams decentraal zelf verantwoordelijk voor data en analytics? Die keuze hangt sterk af van de mate van digitale volwassenheid binnen je organisatie.
Lang niet elke organisatie beschikt over medewerkers die de kennis én tijd hebben om zelf met data en analytics aan de slag te gaan. Daarom werken veel organisaties met een Center of Excellence, een centraal en gespecialiseerd data en analytics-team binnen de organisatie. Zo’n team bestaat idealiter uit een combinatie van medewerkers uit drie disciplines, namelijk de business, data en/of IT en analytics. Denk aan een team van een businessanalist, een data scientist en een data engineer.
Je kunt ervoor kiezen om al die mensen samen op een afdeling te zetten of de samenwerking virtueel te doen. Een derde optie is een hybride vorm: de data en analytics-mensen zitten op een eigen afdeling en de mensen uit de business blijven op hun eigen afdelingen.
Tot slot bepaal je in deze pijler welke rollen en vaardigheden medewerkers moeten hebben en aan wie een data en analytics-team verantwoording aflegt.
Meer van dit in je mailbox?
We sturen je circa 6x per jaar een email met handpicked cases, blogs en tips.
3. Processen: leg je belangrijkste dataprocessen vast
Om goed inzicht gedreven te kunnen werken, moet je kunnen vertrouwen op de kwaliteit en de beschikbaarheid van je data. Daarom wil je de processen die daarmee te maken hebben uitdenken en documenteren. Denk aan hoe je borgt dat data toepassingen – zoals dashboards en voorspelmodellen – in lijn zijn met de strategische doelstellingen. Maar ook hoe je nieuwe datamodellen ontwikkelt en beheert, wie dataleveranciers zijn en hoe je ervoor zorgt dat je daadwerkelijk waarde aan de business levert.
4. Diensten: wat doe je en wie doet wat?
In deze pijler richt je je op de diensten van de verantwoordelijken voor data en analytics. Welke informatie leveren ze en aan wie? Welke toepassingen horen daarbij? Ook bepaal je wie verantwoordelijk is voor het beheer van de data en analytics-toepassingen en wie de ondersteuning en training aan gebruikers verzorgt.
Concrete aanknopingspunten om te beginnen
Om te starten met de inrichting van een data en analytics-team moet je concrete aanknopingspunten hebben. Breng daarom eerst in kaart waar je organisatie op dit moment staat op het gebied van data en analytics. Bepaal vervolgens wat je doelen zijn rondom inzicht gedreven werken. Als je de huidige digitale volwassenheid en het einddoel naast elkaar legt, zie je meteen waar je nog tekortschiet. Zo weet je precies waar je nog stappen moet maken. Die stappen giet je vervolgens in een roadmap.
Geef het veranderproces tijd
Hoewel het hier vrij eenvoudig staat opgeschreven: in de praktijk duurt dit proces langer dan je denkt. Je kunt niet alles op korte termijn regelen. En het heeft geen zin om in recordtempo van een lage naar hoge volwassenheid te racen. De weg naar inzicht gedreven werken is een veranderproces, vooral omdat je mensen in je organisatie mee moet krijgen in een andere manier van werken. Geef het daarom tijd en laat het gestaag groeien.
Meer weten? Neem vrijblijvend contact op met
Op de hoogte blijven van de laatste ontwikkelingen en webinars?
Schrijf je dan in voor de nieuwsbrief en ontvang circa 6x per jaar een selectie van blogs, cases, webinars en nieuws in je mailbox.
Meer over dit onderwerp
Copilot voor Power BI. Je persoonlijke assistent voor rapportages?
Is Copilot voor Power BI een volwassen tool en hoe bruikbaar is het?Copilot voor Microsoft Fabric is sinds juni 2024 algemeen beschikbaar in Power BI. Tijdens introductie waren er hoge verwachtingen! In verschillende artikelen, guides en tutorials werden de...
Altijd keurige code met SQLFluff in DBT. Zo werkt deze handige linter
SQL-code reviews kunnen behoorlijk tijdrovend zijn. Zeker als al je collega’s code op een andere manier schrijven. Bijvoorbeeld omdat je er geen afspraken over hebt gemaakt of niet iedereen zich aan de afspraken houdt. Met SQLFluff in dbt voorkom je dat. Data engineer...
Is Microsoft Fabric de moeite waard? Dit zijn onze bevindingen
Microsoft Fabric biedt op het eerste oog ongekende mogelijkheden, maar maakt het de verwachtingen waar? Data engineer Koen Kurver zocht het uit.