Waarom data-Rambo's je datateam moeten leiden

Er ligt een kloof in de meeste bedrijven. Een kloof tussen commerciële afdelingen en it’ers die jouw bedrijf er van weerhoudt om data voor je te laten werken. 

Analisten praten graag over de architectuur van de data, de variabelen en de onderlinge verbanden. Ze focussen zich op het ‘wat’. Sommige analisten gaan een stapje verder en komen dichter bij het ‘waarom’. Zij genereren inzichten en zijn op zoek naar het ultieme antwoord op de vraag ‘waarom gebeurt dit?’. Als ze het antwoord eenmaal hebben gevonden, zijn ze voldaan. Dat is de reden waarom veel analisten enthousiast kunnen vertellen over wat een organisatie kan léren van data. Zij krijgen energie van de inzichten die uit data te destilleren zijn. Maar alleen leren is niet genoeg. Wij willen weten wat data kan doen voor het bedrijf.
 

Gecentraliseerd versus gedecentraliseerd datateam

Er zijn twee manieren om een datagedreven organisatie op te zetten. De eerste is door een gecentraliseerde data-afdeling in het leven roepen. Dit heeft aanmerkelijke voordelen. Zo’n afdeling is erg efficiënt omdat je verschillende typen analisten kunt laten excelleren op hun eigen specialisatie: data-architectuur, databaseontwerp, rapportage, beschrijvende analyse, voorspellende analyse en visualisatie. Zo zet je de allerbeste krachten in voor elk aspect van het werk. Bovendien vermijd je discussies over het eigendom van data (afdelingen kunnen erg gehecht zijn aan hun data) en wordt er op één plek besloten over zaken als definities en technische specificaties, zodat die voor het hele bedrijf gelijk zijn.

Gecentraliseerde datateams hebben echter de neiging om wel efficiënt, maar niet effectief te zijn, door een gebrek aan connectie met de business. De communicatie (of het gebrek daaraan) met de rest van het bedrijf is de achilleshiel van elke gecentraliseerde data-afdeling. De teams, waarin vaak zeer capabele mensen zitten, staan ver af van het dagelijkse werk binnen het bedrijf. Inzichten worden daardoor in het gunstigste geval gezien als ongevraagd advies.

Een voorbeeld: een goede analist kan aan de hand van een voorspelmodel en een hoop data met een redelijke zuiverheid voorspellen bij welke groepen klanten de opzegkans het grootst is. Maar als aan dit inzicht geen acties worden verbonden die zijn gericht op het voorkomen van de opzegging (bijvoorbeeld door proactief contact met deze klanten op te nemen), zal het inzicht nooit leiden tot een verbetering van de bedrijfsresultaten. Sommige analisten lijken te denken dat het analytische model zelf de prestaties zal verbeteren, maar dat is uiteraard een illusie. Anderen raken gefrustreerd omdat hun modellen niet omarmd en niet op waarde worden geschat door de business.

Een valkuil van data-analyse, in het bijzonder bij gecentraliseerde datateams, is de vertaling van inzichten naar resultaat. Analyses zijn waardeloos als je ze niet omzet in betere producten, effectievere campagnes of een betere beleving voor je klanten. Gecentraliseerde datateams kunnen heel efficiënt analyses maken, maar als er geen concrete acties aan zijn verbonden, hebben ze geen impact en zijn ze niet effectief.

Data-Rambo's

In ons nieuwe boek De Relatie-Economie beschrijven we een andere aanpak om bedrijven meer datagedreven te laten werken. Bij NRC vonden we een aantal kundige mensen op de marketing- en salesafdelingen met een stevige analytische inslag. We vroegen hun om leiding te geven aan de datateams. Het streven naar impact op de bedrijfsresultaten is er bij hen met de paplepel ingegoten. Elke dag ontvangen ze rapporten over verkopen, financiën, conversiepercentages en andere cijfers over de resultaten van hun afdeling of het hele bedrijf. Door die achtergrond beschikken deze medewerkers over de essentiële contextuele kennis en snappen ze welke problemen het topmanagement ’s nachts wakker houden.

Zoek een geschikte kandidaat met een sterk analytisch denkvermogen onder projectmanagers, marketeers, productontwikkelaars of verkopers. Vraag je af wat ze doen na hun werk, ga na wat ze gestudeerd hebben, en vraag waar ze energie van krijgen. Als je eenmaal de geschikte persoon gevonden hebt, waag dan de stap. Geef iemand uit de business de leiding over het datateam en zorg dat het team in nauw contact staat of zelfs onderdeel is van de afdeling waarvoor het analyses maakt.

Als deze datateams de mogelijkheid krijgen om hun eigen koers te varen, zullen ze streven naar impact en relevante inzichten genereren. Ze zullen de juiste vragen stellen en hun analyses vertalen naar concrete acties. Het is deze laatste stap die waarde toevoegt.

Deze gedecentraliseerde dataspecialisten kun je zien als eenmanslegers, een telecomanalist noemde het ‘data-Rambo’s’. Het zijn geen experts op een bepaald analysegebied, maar ‘horizontale analisten’. Ze kennen de beginselen van elk terrein en kunnen die toepassen wanneer dat relevant is. Hun kennis wordt optimaal benut en ze kennen de context waarin hun analyses gebruikt worden.

De uitdaging van deze aanpak is om medewerkers van commerciële afdelingen te interesseren in data, analyse en it. Marketeers of verkopers zijn niet gewend om met relationele databases te werken of na te denken over vormgeving van rapportages, datavisualisatie of voorspellende analyses. Als je gaat werken met data, moet je weten hoe die worden gegenereerd en je verdiepen in de it-wereld: de databasestructuur, de softwareoplossingen en de mensen die in deze wereld werken. Wanneer de it-afdeling en de commerciële teams samen projecten uitvoeren en een band opbouwen, is dat van grote waarde voor het werken met data en zal het bedrijf daar nog lang de vruchten van plukken.