Werken met data heeft organisaties de afgelopen jaren veel opgeleverd, maar toch is dat succes geen gegeven. Gelukkig kun je dat succes wel degelijk beïnvloeden. Het ‘toverwoord’? Data management.

In dit blog legt Pim Wennekes, Manager Data en Analytics, uit hoe je via data management tot succesvollere data en analytics komt.

Ik start de dag graag met een bakje yoghurt en het nieuws. Eén bericht sprong er laatst uit. ‘Wachttijden ggz niet goed vastgelegd, zeggen onderzoekers’ kopte NOS. Doordat zorgaanbieders fouten maakten bij het doorgeven van informatie over wachttijden ontstond een compleet vertekend beeld. Wachttijden leken veel langer of korter dan ze in werkelijkheid waren. Nou, probeer als zorgverzekeraar dan maar eens de juiste zorg in te kopen.

Veelvoorkomende issues met data

Dat dit probleem in het nieuws kwam, geeft wel aan dat data een steeds prominentere rol in de maatschappij speelt. En dat problemen met data dus ook vaker aandacht krijgen.

Wij helpen organisaties dagelijks met data en analytics. We zien dus al langer dat bedrijven bij het gebruik van data tegen diverse problemen lopen, die succes in de weg staan.

Grofweg zijn die issues in 2 categorieën te verdelen:

1.    Data wordt niet gebruikt

Veel organisaties maken heel enthousiast allerlei waardevolle datasets en informatieve dashboards. Vanuit de gedachte dat medewerkers er daarna volop gebruik van maken. Maar helaas is dat lang niet altijd het geval.

Vaak weten medewerkers namelijk niet eens welke datasets en dashboards er allemaal zijn en welke nuttige inzichten ze uit data kunnen halen. En dan worden die dataproducten dus simpelweg niet gebruikt. Zonde uiteraard.

Een ander mogelijk obstakel is dat medewerkers wel weten dat de dataproducten er zijn, maar de data niet begrijpen of vertrouwen.

Zo kunnen data en dataproducten tot flinke discussies leiden. ‘Kijken we naar de meeste actuele data?’, ‘Wat betekent deze metric?’, ‘Waar komt deze data vandaan?’ en ‘Klopt het eigenlijk wel?’.

Dat kan er uiteindelijk voor zorgen dat medewerkers stoppen met het gebruiken van de data. Efficiënter werken en betere beslissingen nemen op basis van data zit er dan voorlopig nog niet in.

2.    Data wordt ‘verkeerd’ gebruikt

Wat ook voorkomt, is dat medewerkers de data wel vinden, vertrouwen én er gretig gebruik van maken, maar dat er onjuistheden in de data schuilen.

Zoals in het NOS-artikel over wachttijden in de zorg. Of dat ze denken te weten wat de definitie van data is, terwijl dat niet strookt met de definitie die daadwerkelijk in het rapport wordt gehanteerd.

Neem je op basis daarvan beslissingen? Dan gaat het mis, omdat je dan dénkt dat je de juiste beslissingen neemt maar dat in werkelijkheid niet doet. Met mogelijk nadelige gevolgen voor je organisatie.

In beide gevallen is werken met data en analytics geen succes. In een ideale data en analytics-wereld weet iedere gebruiker precies welke data er is, wat het betekent én dat de data 100% te vertrouwen is. Maar dat is zelden de praktijk. Gelukkig kun je daar wel iets aan doen. Door je data management op orde te hebben.

Metadata en data quality

Data management is een groot vakgebied, met veel onderdelen. Wij zien dat vooral 2 onderdelen bijdragen aan succesvollere data en analytics:

Goede metadata en data quality. Maar hoe zorgen deze onderdelen ervoor dat een gebruiker weet wat er aan data is, wat het betekent en dat het klopt?

Ik geef je 3 concrete voorbeelden. De eerste twee zijn gestoeld op metadata, de laatste op data quality: 

1) Weten wat er is: stel een Data Catalog samen

Een Data Catalog is een plek waar alle gebruikers kunnen zien welke datasets en dashboards er allemaal zijn. Daarnaast kun je ieder dataproduct een beschrijving meegeven die aangeeft waarvoor je het kan gebruiken, wie de eigenaar van het product is en hoe je toegang ertoe kunt krijgen.

Zo ziet iedereen in één oogopslag welke data voorhanden is en kun je de investeringen in je dataproducten echt gaan uitnutten. 

2) Weten wat het betekent: start een Business Glossary

Een Business Glossary is een verzameling van alle definities binnen een organisatie, in een taal die de business begrijpt.

Daardoor is voor de hele organisatie duidelijk wat bijvoorbeeld een ‘klant’, ‘order’ of ‘ziekmelding’ inhoudt en hoe zich dat vertaalt naar data. Het kost natuurlijk wel tijd om deze definities op te stellen.

Maar als je ziet hoeveel tijd men kwijt is aan discussies omdat er geen glossary is, dan is de business case snel gemaakt! 

3) Weten dat het klopt: maak Data Quality inzichtelijk

Tot slot: Data Quality. Een essentiële factor om de juiste beslissingen te kunnen nemen. Gelukkig zien we dat steeds meer organisaties investeren in Data Quality.

Daarin is het belangrijk om te realiseren dat het verder gaat dan alleen een tool gebruiken. Juist de combinatie van rollen, verantwoordelijkheden en processen met DQ-tools zorgt ervoor dat je in staat bent om datakwaliteit te verbeteren en te borgen.

Heb je dat op orde? Laat het dan zien bij je dataproducten, zodat mensen in de organisatie volledig op de data kunnen vertrouwen.

Druk issues de kop in

Issues met data en analytics kunnen serieuze problemen opleveren en succesvol gebruik in de weg staan. Kijk maar naar het voorbeeld van de wachttijden in de ggz.

Je doet er dus goed aan om naast investeringen in data en analytics ook aandacht te schenken aan data management, met als belangrijke pijlers: metadata en data quality.

Benieuwd hoe jouw organisatie ervoor staat? Bel of mail me gerust, ik help je graag!

Meer over dit onderwerp