Hoe je waarde én inzicht uit je data haalt

De datavraagstukken die we het vaakst zien, beginnen vaak bij één herkenbaar probleem: er is veel data, maar weinig samenhang. “Het meeste wat we zien, is ongeordendheid,” zegt Sander Koster. Organisaties werken met allerlei systemen, afdelingen bouwen hun eigen rapportages en informatie belandt nog te vaak in losse Excel-bestanden of vrije tekstvelden. Daardoor ontstaat discussie over wat nu de echte waarheid is: wanneer telt een opportunity mee als werkvoorraad? Wat verstaan we precies onder omzet? En wanneer is iemand een medewerker, een klant of een contract? Het is niet alleen een technisch vraagstuk, maar vooral ook een businessvraagstuk.

Door de groei van IT neemt de hoeveelheid data alleen maar verder toe, de laatste twintig jaar zelfs exponentieel met bijna een verdubbeling per jaar. Twee derde van die data wordt inmiddels door AI gegenereerd. Maar inmiddels vindt er een verschuiving plaats, ook bij grote techbedrijven. Waar daar eerder de focus volledig lag op AI (vanuit enthousiasme), wordt die focus nu teruggelegd op het zorgen dat de data op orde is. De noodzaak om sneller op data te kunnen sturen wordt immers alsmaar groter.

Daar komt bij dat wet- en regelgeving (denk aan de AI-act, NIS2 en DORA), datakwaliteit, security én actualiteit steeds zwaarder meewegen. Denk aan klantdata die onbedoeld in een notitieveld van Salesforce terechtkomt, verschillende prijslijsten waarvan niet duidelijk is welke actueel is, of afdelingen die elk vanuit hun eigen definitie rapporteren. Niemand wil dat een datalek of slecht databeheer uiteindelijk publiek zichtbaar wordt en de organisatie de volgende keer op nu.nl staat.

De gevolgen van versnipperde of vervuilde data worden pas echt zichtbaar wanneer rapportages elkaar tegenspreken. Sander benoemt een voorbeeld van één van de trajecten waar hij bij betrokken was, waar verschillende definities bestonden voor het begrip ‘werkvoorraad’. De vraag was hier: wanneer neem je een opportunity mee? “Is dat vanaf een offertefase of is dat vanaf het daadwerkelijk tekenen van die offerte?” Omdat daar verschillende meningen over bestonden, ontstonden er ook verschillende rapporten. “De ene persoon geloofde in deze waarheid en had zijn rapport hier, en de andere persoon werkte met een compleet ander rapport en rapporteerde naar boven een compleet andere werkvoorraad,” vertelt Sander.

Maar hoe groter het aantal opportunity’s, hoe groter ook het verschil in uitkomsten werd. Met als gevolg: meerdere meetings om mensen bij elkaar te brengen en alsnog tot één gezamenlijke definitie te komen. “Als iemand één keer ergens iets ziet waarvan ze zeggen: dit is niet waar, of hier mist duidelijk iets wat ik gisteren heb toegevoegd, dan is dat vertrouwen terugwinnen heel erg lastig,” aldus Sander. Versnipperde data leiden dus niet alleen tot verkeerde of tegenstrijdige inzichten, maar ook tot minder vertrouwen in rapportages, lagere adoptie en vertraging in besluitvorming.

Wil je aan de slag om meer waarde uit je data te halen, dan lopen veel organisaties vaak vast op een gebrek aan kennis. Het is iets dat onze specialisten vaak zien. Alles begint bij kennis. En dat is niet omdat je geen eigenaarschap wílt nemen over jouw data, integendeel juist. “Je wilt dat eigenaarschap over je gegevens ook in eigen huis hebben,” zegt Arjen. “Maar dat is niet hetzelfde als ook snappen hoe dat moet.” Juist daarin zit de uitdaging: data raakt techniek, processen, afdelingen én businessdoelen.

In de praktijk zie je dan ook dat kennis vaak versnipperd is over een organisatie. HR weet bijvoorbeeld alles van HR en finance alles van finance; maar om betrouwbare inzichten te creëren is juist overkoepelende kennis nodig. “Je hebt die overkoepelende kennis nodig om dezelfde taal te spreken en aan het eind van de dag naar hetzelfde rapport te kijken,” vertelt Sander. Zonder die gezamenlijke context ontstaan discussies over definities, rapportages en verantwoordelijkheden.

Gaandeweg wordt er steeds meer ‘bijgebouwd’, zonder dat het oorspronkelijke datamodel toekomstgericht genoeg is opgezet. Het is een duidelijk signaal dat een organisatie haar data nog onvoldoende op orde heeft. “Ze zijn ergens aan begonnen en vanaf daar wordt het continu uitgebreid. Maar je kunt je indenken dat op een gegeven moment de rode draad een beetje zoek is”, vertelt Sander. In de praktijk zie je dan dat finance bijvoorbeeld nog met een eigen systeem werkt, of ‘hun dingen in Excel op vrijdag doorstuurt’. Daardoor verdwijnt het overzicht: waar staat welke data, wie gebruikt welke versie en hoe blijft alles werkbaar als de organisatie groeit? En daar zit vaak precies de behoefte aan extern perspectief zoals hij schetst: “Geef ons een hoog-over beeld van wat we hebben gebouwd. Is het toekomstbestendig, is het op dit moment nog voldoende en welke kant moeten we op om dit georganiseerd te houden?”

Waar baseer je je besluiten op en kun je die informatie vertrouwen? Het is een vraag die niet bij techniek begint, maar juist bij communicatie met de business. “Je moet daadwerkelijk met de kennishouders van de data in gesprek gaan,” legt Sander uit. Want of data betrouwbaar genoeg is om op te sturen, bepalen niet alleen de systemen waarin die data staan, maar vooral de mensen die weten wat die data betekent. Een technisch team kan data ontsluiten, combineren en visualiseren, maar ‘of de data betrouwbaar is, is eigenlijk aan de kennishouder.’ Daarom is het cruciaal om vanaf het begin de juiste mensen aan tafel te hebben: data-eigenaren, proceseigenaren en de mensen die ermee moeten werken bepalen samen wat begrippen betekenen, welke context nodig is en wanneer informatie actueel en volledig genoeg is om op te vertrouwen.

Afdelingen ontwikkelen hun eigen taal, werkwijzen en definities; juist daar gaat het in de praktijk vaak mis. “Als je met een team bezig bent met je dagelijks werk, dan ontwikkel je toch altijd een jargon. Wat voor de ene afdeling vanzelfsprekend is, kan voor een andere afdeling iets heel anders betekenen. Dat geldt voor zakelijke begrippen, maar ook voor technische definities”, licht Arjen toe. “Neem als voorbeeld een ‘nummer’: in het ene systeem is dat alleen een getal, terwijl een ander systeem daar ook letters in toestaat, zoals bij een serienummer. Zulke verschillen lijken klein, maar kunnen grote gevolgen hebben. Systemen kunnen data dan niet goed uitwisselen, afdelingen interpreteren rapportages anders en dashboards geven een beeld dat niet door iedereen als waarheid wordt herkend. Zorg in ieder geval dat je het over dezelfde dingen hebt, daar gaat het om als je het over data hebt”, vat hij samen.

Om te voorkomen dat rapportages of dashboards vervolgens een verkeerd beeld geven, duidt Sander het kort maar krachtig: “Data én context. Alleen cijfers tonen is niet genoeg; je moet ook weten waar ze vandaan komen, wie ze heeft ingevoerd, welke definitie eraan hangt en voor welk doel ze worden gebruikt. Dat vraagt om een centrale manier van werken, waarin definities, herkomst, toegangsrechten en kwaliteit vanaf het begin worden meegenomen.” Niet achteraf pas vragen wie een dashboard mag zien of welke databron is gebruikt, maar vooraf bepalen: welke waarde willen we uit deze data halen, voor wie is die bedoeld en welke afspraken zijn nodig om die informatie betrouwbaar te houden? Pas dan wordt data een stevige basis voor besluitvorming, in plaats van een bron van discussie over ‘de waarheid’.

Datakwaliteit, herkomst en actualiteit zijn dus onmisbaar voor betrouwbare besluitvorming. Zoals Arjen zegt: “Je wilt natuurlijk zorgvuldig beslissen en daarvoor moeten gegevens niet alleen kloppen, maar moet er ook vertrouwen zijn in die gegevens.” Actualiteit speelt daarin een steeds grotere rol. In sommige organisaties is het misschien nog voldoende om één keer per dag of per week data uit te wisselen, maar vaak is dat tempo simpelweg niet meer passend. Arjen hervat: “Hoe actueler je dat maakt, hoe beter het is, besluitvorming valt of staat daarbij.” Iets wat Sander ook terugziet in bijvoorbeeld productieomgevingen, waar machines continu data genereren over status, output en foutmarges. “Dan is actualiteit niet alleen key, dat is gewoon stap nul.” Tegelijkertijd gaat het niet alleen om snelheid, maar ook om herkomst: waar komt de data vandaan, wie heeft ermee gewerkt en mag iedereen die informatie wel gebruiken? Pas als data klopt, actueel is én in de juiste context wordt bekeken, ontstaat er een basis waarop organisaties met vertrouwen kunnen sturen.

Afsluitend zien we dat veel organisaties al over waardevolle data beschikken, maar daar nog lang niet altijd het maximale uithalen. Dat komt doordat data vaak verspreid staat over verschillende systemen, afdelingen, partners en leveranciers. Eén centrale databron is daarom niet altijd realistisch, maar grip op herkomst, betekenis en gebruik van data is wél essentieel. Door databronnen slim samen te brengen in een centrale datahub of een dataplatform, ontstaat meer overzicht, betere beveiliging en meer vertrouwen in de informatie waarop je stuurt. Tegelijk voorkomt het dat afdelingen blijven werken met eigen Excel-bestanden, losse rapportages of zogenoemde shadow databases. Juist daar liggen vaak grote kansen: in efficiënter werken, kostenbesparing, betere inzet van mensuren en snellere besluitvorming. Het doel is dus niet centraliseren om het centraliseren, maar zorgen dat data uit verschillende bronnen op een gecontroleerde manier samenkomt, zodat IT, management en operatie allemaal kunnen werken vanuit dezelfde betrouwbare basis.

Wij helpen je graag met het aanbrengen van structuur en de business, data en techniek te verbinden. Dat doen we bijvoorbeeld met behulp van het Unica Fabric Framework; het versnelt jouw datastart!