DIT ARTIKEL WORDT U AANGEBODEN DOOR MARKLOGIC
Organisaties die hun besluitvorming willen baseren op objectieve data in plaats van subjectieve inschattingen, stellen hoge eisen aan hun datamanagement. Daaraan voldoen blijkt lastig vanwege de enorme complexiteit. Ook is het een kunst om alle betrokkenen te overtuigen van de noodzaak tot verandering.
Zowel organisatorisch als technisch zijn de uitdagingen rond datamanagement talrijk. Als Tom Groot, hoogleraar Management Accounting aan de Vrije Universiteit Amsterdam, moet kiezen, dan benoemt hij het tempo waarin de ontwikkelingen elkaar opvolgen als grootste uitdaging. "Het veld is ongelofelijk in beweging. De beschikbaarheid van data neemt exponentieel toe. Net zoals de beschikbaarheid van analysetechnieken om die data te gebruiken om betere beslissingen te nemen. Het is nu vooral de vraag of de beslissers ook in staat zijn de mogelijkheden aan te wenden, zodat ze echt slimmer kunnen gaan werken."
Grote sprongen
Het is met name de verdieping met data-analysetechnieken waarmee nu grote sprongen gemaakt kunnen worden. Groot signaleert dat veel organisaties nog blijven hangen in de onderste lagen van de datapiramide: registratie en rapportage. Het gaat dan meestal om gestandaardiseerde processen. "Maar die vragen vaak al genoeg aandacht, al was het alleen maar omdat de omvang ervan geëxplodeerd is. Ik schat dat in veel organisaties het aantal geregistreerde data de afgelopen jaren vertienvoudigd is." Het gevolg is dat slechts een klein deel van ondernemingen en instellingen zich welbewust in de top van de piramide begeeft, die van het werken met data-analytische instrumenten.
In die top is wel de winst te behalen. Letterlijk zelfs. Groot haalt een recent onderzoek van McKinsey aan, een van de eerste langjarige onderzoeken naar de kwantitatieve impact van data-analyse op de financiële resultaten van bedrijven. McKinsey evalueerde van 2015 tot 2018 wat data-analyse opleverde. In termen van omzet gaat dat veelal om enkele procenten, maar in termen van kosten(besparingen) soms om tientallen procenten. Groot: "Eens te meer blijkt uit dergelijk onderzoek dat grote organisaties die hun data niet strategisch weten te benutten, echt de boot gaan missen."
12 grote uitdagingen op data-gebied, nu en in 2019
1. Het razende tempo waarin ontwikkelingen elkaar momenteel opvolgen
2. De enorme beschikbaarheid van data en analysetechnieken
3. De verdieping op het gebied van data-analysetechnieken
4. De strategische toepassing van data
5. De grote complexiteit van de combinatie van alle processen
6. De toegang tot data
7. Het ontbreken van een datacultuur
8. Het eigenaarschap van data
9. De technologische organisatie van data
10. Het voldoen aan de GDPR
11. De uitvoerbaarheid en uitvoering
12. De architectuur van het datasysteem
Eén bron van waarheid
Absolute voorwaarde is stevig gefundeerd datamanagement, het geheel van activiteiten rond het beheer en de beheersing van data. Met behulp van Master Data Management (MDM) kan dat fundament worden gelegd. MDM regelt alles in wat nodig is om de vitale gegevens uit de bedrijfsprocessen en de relaties daartussen te beheersen. Van het complete organisatorische aspect tot en met de it-systemen en ondersteunende it-instrumenten. Ard van der Staaij, senior-manager Data & Analytics bij KPMG Nederland en specialist in MDM, ziet in de praktijk wat organisaties dwarszit in hun streven naar een degelijke MDM-oplossing, met als belangrijkste doel 'een enkele bron van waarheid'. "Als de toepassing van MDM moet leiden tot een alomvattend, eenduidig en bedrijfsbreed beeld van de masterdata, vindt men meestal de enorme complexiteit van de combinatie van al die processen op zijn weg", aldus Van der Staaij. Om die kluwen te ontwarren zou vaak fors moeten worden ingegrepen in processen en ook in het besturingsmodel. Organisaties kunnen daarvoor terugschrikken.
Kraan dicht
De noodzaak het besturingsmodel te herdefiniëren kan blijken uit nader onderzoek, waaronder bijvoorbeeld een analyse van de autorisaties: wie heeft welke mate van toegang tot welke data? "Uit dergelijke analyses blijkt niet zelden dat eigenlijk iedereen toegang heeft tot alle data en dat iedereen alles met die data kan doen. Eén bron van waarheid creëren is dan problematisch. Als je de kraan niet dichtdraait, blijft het water stromen."
Wordt het besturingsmodel aangepast, dan leidt dat vanzelf tot andere bevoegdheden van medewerkers en soms van hele afdelingen. "Vaak zijn het stafafdelingen zonder mandaat die met het MDM bezig zijn. Zij hebben dus niet de middelen om aan anderen een nieuwe manier van werken op te leggen. Dan is het moeilijk veranderingen te forceren."
Data literacy
Intussen moet dan ook nog, qua organisatie, de horde worden genomen van het ontbreken van een 'datacultuur'. "Vaak moet 'data literacy' worden bevorderd. Een organisatie die een datagedreven strategie wil ontwikkelen, moet medewerkers hebben die zich ervan bewust zijn dat ze met data een productiefactor in handen hebben", stelt Van der Staaij. "Eenvoudig gezegd: zie data niet als een probleem, maar als een mogelijkheid. De vraag bij data moet niet zijn: wat moet ik ermee? De vraag moet zijn: wat kán ik ermee? Bijvoorbeeld business controllers zouden die stap moeten zetten, maar dat geldt eigenlijk voor iedereen die met data werkt, zowel in registratie als in gebruik."
In het verlengde daarvan kan de kwestie spelen dat het eigenaarschap van data niet goed belegd is, zo voegt Van der Staaij daar nog aan toe. "Data wordt nog te vaak gezien als een it-kwestie en niet als een strategische kwestie. Maak daarom inkoop, marketing, productie en welke afdeling dan ook duidelijk dat men zelf verantwoordelijk is voor de eigen data."
Sterke drijfveer
Deze afdelingen faciliteren zodat ze deze rol ook op zich kúnnen nemen, is zelfs de voornaamste rol van MDM: "Creëer voor proceseigenaren de mogelijkheden het eigenaarschap te nemen en gezamenlijk de maatregelen of toepassingen uit te rollen in de organisatie." Overigens gaat dat dan zeker niet alleen om data-analyse. Juist ambities zoals het streven naar een geïntegreerde supply chain - en andere mogelijkheden van standaardisatie - vormen een sterke drijfveer om MDM in te regelen.
Naast aandacht voor bedrijfsculturele en organisatorische componenten eist stevig datamanagement uiteraard ook 'onder de motorkap' de juiste oplossingen, om het technologisch ook mogelijk te maken data en data-analyse strategisch in te zetten. Echter, de verbinding tussen onderwerpen die op het eerste gezicht strikt technisch van aard lijken zijn en de eerdergenoemde 'culturele' elementen is vaak sterker dan gedacht.
GDPR
Zo kan compliance aan de nieuwe Europese privacyrichtlijn General Data Protection Regulation (GDPR) worden opgevat als vooral een zorg voor marketing: de opslag, verwerking en gebruik van persoonsgegevens - meestal zal het om klanten gaan - vereist bijvoorbeeld toestemming van de betrokkenen. Maar de klant kan ook aangeven gebruik te willen maken van het 'recht vergeten te worden', of hij kan gebruik willen maken van het recht op dataportabiliteit. In beide gevallen moeten alle betreffende persoonsgegevens snel worden opgeleverd. Waar bevinden die zich? In krochten verspreid over het hele bedrijf? Of is het datamanagement zo ingericht dat de vereiste gegevens moeiteloos uit de 'ene bron van waarheid' kunnen worden gehaald?
Ad-hoc oplossingen
De noodzaak data-industrialisatie te incorporeren in datamanagement is een ander voorbeeld van het snijvlak tussen technologie en organisatie. De hierboven door Tom Groot aangehaalde verdieping in het gebruik van data-analysetechnieken loopt namelijk spaak als de resultaten daarvan niet uitvoerbaar zijn. Dat klinkt erg vanzelfsprekend, maar in de praktijk blijkt dat veel pogingen tot innovatie blijven hangen in kleinschaligheid en ad hoc-oplossingen. Jurriaan Krielaart, Territory Director Northern Europe van informatieplatform-leverancier MarkLogic, ziet dat daardoor de uitvoering vaak tekortschiet ten aanzien van de vereiste zekerheden. "De uitdaging is om het denken in vernieuwing te combineren met het denken in betrouwbaarheid en consistentie. Dat is lastig, want wie innoveert denkt in eerste instantie alleen aan het spannende en aan het revolutionaire van wat hij aan het doen is, en niet aan de uitvoerbaarheid van het nieuwe. Toch zou dat perspectief in elke innovatieproject aanwezig moeten zijn."
Met de term industrialisatie wordt aangeduid dat digitale systemen daarom de kenmerken moeten hebben van industriële machinerie, zodat de output herhaalbaar is, efficiënt en betrouwbaar. "Zie data-industrialisatie maar als het inbouwen van zekerheden", zegt Krielaart, "inclusief alle mogelijkheden voor kwaliteitscontrole en procesverfijning." Uiteindelijk moeten 'dataproducten' immers aan dezelfde eisen voldoen die met name de maakindustrie grootgemaakt hebben. Daarbij hoort ook standaardisering, met de daarbij behorende mogelijkheid producten op grote schaal te kunnen aanbieden. Krielaart: "Je wilt natuurlijk voorkomen dat je bang moet zijn dat je experiment succesvol wordt."
Digital Integration Hub
Logisch gevolg is dat dan ook de architectuur van het datasysteem berekend moet zijn op die grootschaligheid. Maar ook dat is niet vanzelfsprekend. Niet zelden is dan namelijk een geheel nieuw ontwerp nodig en met name grote organisaties kunnen een big bang - die dan vereist is - niet aan. Onderzoeks- en adviesbureau Gartner publiceerde recent over de digital integration hub (DIH), een vernieuwend architectuur-paradigma dat dergelijke drastische ingrepen voorkomt, terwijl toch de grootschalige digitale transformatie van een organisatie ondersteund kan worden.
Massimo Pezzini, fellow bij Gartner, schreef onlangs op LinkedIn dat een toenemend aantal organisaties een DIH implementeert en zichzelf zo grootschalige toegang verschaft tot de eigen systemen en data zonder dat dat leidt tot een onoverkomelijke werklast voor die systemen. Dat wordt mogelijk gemaakt door de tussenlagen in deze architectuur. Aan de bovenkant - tussen datastore en de apps van eindgebruikers - is dat een laag API's, interfaces die communicatie tussen apps mogelijk maken. Die API-laag 'ontkoppelt' de opslagsystemen. Aan de onderkant - tussen datastore en de leveranciers van data - is dat een laag met een hybride integratieplatform. Dat platform kan data op alle relevante manieren synchroniseren.
Accountants
Van data literacy en besturingsmodellen tot digital integration hubs: de uitdagingen op het terrein van datamanagement beslaan een breed terrein. Ten aanzien van de governance van dit proces roept dat de vraag op wie de centrale aansturing voor zijn rekening moet nemen. Het implementeren van een datagedreven strategie kan op bestuursniveau niet alleen een taak zijn voor een CIO of een CFO die 'automatisering' in zijn portefeuille heeft. Betrokkenheid van de CEO lijkt noodzakelijk. Van der Staaij (KPMG) wees er al op dat op managementniveau elke proceseigenaar zich geroepen kan voelen om een voortrekkersrol te vervullen. Volgens Groot (VU) zijn het vooral de financials die een belangrijke rol kunnen spelen. Wat hem betreft zouden (intern) accountants de regiefunctie op zich kunnen nemen. "Die beroepsgroep is immers opgeleid op gebieden als betrouwbaarheid, reporting, datakwaliteit en beveiliging. Alleen zal men zich meer moeten verdiepen in data-analysetechnieken. In ieder geval is het in de huidige omstandigheden uitgesloten datamanagement over te laten aan it'ers alleen."