Bepaal de data volwassenheid van jouw bedrijf

Deze blogpost is onderdeel van de reeks ‘in 4 stappen aan de slag

Bepaal de data volwassenheid van jouw organisatie (Stap 1)

Het is belangrijk om als organisatie te begrijpen hoe ver je al bent in het werken met data. Wanneer je je bewust bent van de data volwassenheid binnen je organisatie, wordt het ook duidelijker wat een logische eerste stap en wat realistische doelen zijn waar je mee aan de slag kunt gaan. Het data volwassenheidsniveau kan verschillen tussen afdelingen van een organisatie (als de organisatie van behoorlijke omvang is), maar over het algemeen heeft het mkb een redelijk goed inzicht als het gaat om hun grootste data uitdaging. Wel is het zo dat er voor elk data volwassenheidsniveau andere uitdagingen een rol kunnen spelen. Wij hebben de verschillende data volwassenheidsniveau’s en de uitdagingen die daarbij horen voor je op een rijtje gezet:

1. Beginner: digitaliseren van data

Data Science begint met het zorgen dat de data (gegevens) digitaal staat. Bedrijven die met analoge data of papieren vellen en bonnetjes werken, hebben niet alleen een minder efficiënte manier om data op te slaan en te delen, in de praktijk missen ze in ook vaak de infrastructuur en cultuur om de nieuwe technologieën zoals Machine Learning te integreren.

2. Verzamelaar: opschonen van gegevens

Nadat de gegevens zijn gedigitaliseerd, is het belangrijk dat de gegevens in een format worden gezet dat gemakkelijk toegankelijk is voor latere analyses. Bovendien moeten de gegevens “schoon” zijn – waarmee we bedoelen dat ze consistent, nauwkeurig en up-to-date zijn. Een voorbeeld is het noteren van de woonplaats. Zodra deze op verschillende manieren is geschreven, bijvoorbeeld “Den Bosch” en “s-Hertogenbosch”, noemen we dit “niet schoon”. Voor beide woonplaatsen bedoelen we namelijk hetzelfde, maar zal een computer dit niet als dezelfde woonplaats herkennen.

3. Beschrijver: van gegevens naar informatie

Nadat de gegevens zijn opgeschoond, kunnen organisaties de gegevens gebruiken om informatie te verzamelen over hun eigen activiteiten en workflow. Een bijpassende volgende stap is hierin het maken van een beschrijvende analyse. Hierin kunnen vragen worden beantwoord zoals “Hoeveel artikelen heb ik verkocht in week 6 van dit jaar?” of “Hoeveel klanten komen uit mijn buurt?” Beschrijvende analyses helpen een organisatie grip te krijgen op de operationele activiteiten en stellen een organisatie in staat om actiever en toekomstgerichter te werk te gaan.

4. Voorspeller: van informatie naar kennis

Terwijl een beschrijvende analyse een mkb’er helpt bij het verzamelen van actuele informatie over de bedrijfsprocessen, zorgt een voorspellende analyse ervoor dat deze historische gegevens en inzichten worden gebruikt om voorspellingen te doen over de toekomst. Hierdoor hoef je als mkb’er niet meer alleen op onderbuikgevoel keuzes te maken. Voorspellende analyses stellen de organisatie in staat om inzicht te krijgen in wat er naar verwachting en met een bepaalde waarschijnlijkheid in de toekomst zal gebeuren. Dit helpt de besluitvormer om een ​​bepaalde koers te volgen, aangezien de onzekerheid van toekomstige gebeurtenissen afneemt.

5. Expert: van kennis naar actie

Zodra een bedrijf het niveau van voorspellende analyses heeft bereikt en vertrouwen heeft in de bestaande algoritmes, is een volgende stap het overgaan op een automatisch besluitvormingsproces. Hierbij kun je denken aan een algoritme dat op basis van de beschikbare gegevens uit zichzelf ontdekt dat een bepaalde klant een grotere kans heeft om zijn contract binnenkort op te zeggen – en daarom deze klant automatisch een aanbieding of een specifieke herinnering sturen.

Het data volwassenheidsniveau geeft een inzicht in de bereidheid van een organisatie om met data te werken. Zoals gezegd heeft elke organisatie data, maar hangt het van de data volwassenheid af op welke manier deze data effectief kan worden ingezet. Simpel gezegd: als een organisatie de meeste gegevens nog analoog verzamelt (bijv. op papier), kost het veel meer moeite om inzichten te verkrijgen uit deze data dan wanneer de gegevens digitaal, centraal en schoon staan opgeslagen. Zodra het bedrijf aan de slag gaat met een digitaliseringsstap, zullen er kosten en investeringen nodig zijn. Deze zullen zichzelf echter terugbetalen door op lange termijn te zorgen voor snelle, nauwkeurige en waardevolle inzichten waar meer datagedreven beslissingen op genomen kunnen worden.

Doe de Data volwassenheid quickscan

Wij hebben op onze website een gratis data volwassenheid quickscan staan om een eerste idee te krijgen van waar je nu staat. Mocht je interesse hebben om gelijk al iets dieper op de data volwassenheid in te gaan, dan hebben we ook een betaalde en meer uitgebreide variant die onder andere verder ingaat op de cultuur, infrastructuur, vaardigheden, processen en middelen van een organisatie. Als je daar interesse in hebt dan kun je ons altijd even een berichtje sturen.

Klik hier als je benieuwd bent naar stap 2, waarbij je gaat nadenken over jouw data strategie.

Matthijs Bookelmann

Project manager
Matthijs heeft een Master in Strategic Management en ervaring als manager binnen verschillende ondernemingen. Hij denkt graag met je mee over hoe jouw onderneming de volgende stap kan zetten op het gebied van data gedreven werken.

Benieuwd wat we met jouw
data kunnen doen?

Scroll naar top