Blog Job van den Berg
In 5 stappen een succesvolle datastrategie, met support van de business
In deze blog kijkt data-expert Job van den Berg naar het opzetten van een data- en AI- strategie. Het gaat om de Why, How, What rondom data. Waarom wil je data en AI inzetten? Hoe ga je dit aanpakken, wat is er nodig en welke proposities/oplossingen wil je op basis van data en AI ontwikkelen en uitrollen?
Afbeelding ter illustratie. Bron: Shutterstock.
Job van den Berg
Chief Data & Insights Officer bij Blue Field Agency en Never Too Much Data
Job van den Berg maakt de kansen van data en AI voor iedereen begrijpelijk en toepasbaar en helpt bedrijven om waarde uit data te halen. Dat doet hij vanuit zijn rol als Chief Data & Insights Officer bij Blue Field Agency maar ook vanuit zijn platform Never Too Much Data waar je concrete inspiratie op kunt doen om datagedreven werken van de grond te krijgen.
Job is een veelgevraagd keynote spreker, podcast host en data-content maker. Hij is expertblogger bij De Ondernemer en heeft een wekelijkse radiocolumn bij De Ondernemer Live.
Veel bedrijven zetten vol in op het bedenken en uitrollen van een data- en AI-strategie. Echter, lang niet ieder bedrijf wordt blij van zijn databrij. Datastrategieën komen niet zelden beperkt van de grond of er heerst een bepaalde ontevredenheid over de behaalde resultaten en waarde die de data of bijvoorbeeld een AI-model opleveren. Hoe komt dat? De stappen om tot een succesvolle data- en AI-strategie te komen, worden vaak niet op de juiste manier gedaan.
Verkeerde datastrategie
Vaak ziet het proces van het initiëren van een datastrategie tot executie er als volgt uit:
- Er is een sterke wens of behoefte vanuit de directie om met data en AI aan de slag te gaan in de organisatie.
- Meestal wordt de IT-afdeling gevraagd om op zoek te gaan naar de beste datasystemen. En die datasystemen zijn negen van de tien keer:
- Een Customer Data Platform om klantdata geïntegreerd op te slaan op basis van first party identifiers. Dus alles wat je weet van je klanten sla je gestructureerd op.
- Activatie tooling om data gedreven marketingcampagnes te kunnen uitvoeren
- Dashboard-platform om de data te kunnen presenteren
- Indien nog niet aanwezig: een cloud-oplossing voor data opslag
- Tooling om AI- en Machine Learning-modellen te kunnen bouwen.
Lees ook: Dashboards als sleutel voor succes van je bedrijf? Data-expert Job van den Berg vertelt hoe
Dit stappenplan wordt door acht op de tien bedrijven gevolgd maar vaak leidt dit niet tot een bevredigende resultaat. Waarom niet? De business (bijvoorbeeld marketing en sales) wordt in dit stappenplan nauwelijks tot niet betrokken. Vaak hebben zij geen idee dat dit soort data trajecten spelen. De investeringen zijn fors: vaak wordt voor de ‘Rolls Royce’ gekozen, de duurste en beste tool. Dan weet men zeker dat het goed is.
Na het implementeren van de tooling blijven acties uit.
Geen automatische meerwaarde tooling
De denkfout die veel organisatie maken, is dat de tooling bijna automatisch waarde creëren. Je zet het aan en je profiteert meteen. Echter een Cloud, dashboardplatform of Customer Data Platform, is niks waard als er geen business uitdaging er aan verweven is: wat wil je bereiken en oplossen met welke data? En wie gaan dat doen?
Vaak leidt dit traject tot een lastig gesprek met de cfo, Daarnaast voelt de business geen ownership. IT ziet hun rol als ‘voldaan’ nadat de tooling staat en daarna mag de organisatie het zelf uitzoeken.
Maar hoe moet het dan wel? Hoe kom je wel met de juiste stappen tot een datastrategie die tot blije gezichten leidt, zowel bij IT als de business?
Succesvol datagebruik in 5 stappen
Stap 1: defining data en AI
Start met een aantal werksessies met vertegenwoordigers vanuit IT, Data, Sales en Marketing ga met elkaar in gesprek en beantwoord de vraag: wat zijn cruciale business uitdagingen die we komende jaren moeten tackelen? Het resultaat is een lijst van businessvragen en -hypothesen. Voorbeeld: we willen de churn rate, het percentage klanten dat bij ons wegloopt, verlagen. Vervolgens bedenk je wat kan invloed zijn op churn?
Lees ook: Waarom Artificial Intelligence een trend is en wat je er echt mee kunt
Stap 2: collecting data en AI
De businessvragen vertellen je welke data je nodig hebt om welke vraag te beantwoorden. Als het goed is, weet je waar deze data in je organisatie liggen. Denk aan je CRM-base. Als blijkt dat je bepaalde data nog niet hebt, bedenk dan hoe je er aan kunt komen. Bijvoorbeeld klanttevredenheid. Dat is van invloed op churn. Survey-onderzoek kan deze data helpen verzamelen.
Stap 3: connecting data en AI
Pas in deze stap ga je nadenken over systemen en haal je IT erbij en niet eerder. Weten welke data je nodig hebt voor welke toepassing brengt je tot de vraag welke data-systemen, AI-modellen en cloud-oplossingen heb ik nodig? Vaak blijkt in deze fase dat er helemaal niet een ‘Rolls Royce’ nodig is maar dat een Volkswagen Golf qua tooling ook afdoende is.
Lees ook: Data-expert Van den Berg: 'Kleine ondernemer denkt te moeilijk over data'
Stap 4: monitoring data en AI
Als je de data gekoppeld en ontsloten hebt, kun je een dashboard maken om de de resultaten op een laagdrempelige manier te presenteren.
Stap 5: monetizing data
In deze fase ga je AI- en machine learning-modellen bouwen om de business uitdaging bepaald in stap 1 te kunnen beantwoorden en implementeren. In deze laatste fase kun je dit pas doen want je hebt nu pas alle data ontsloten in de cloud en je weet welke data je nodig hebt voor je business issue. In dit voorbeeld: het verlagen van churn.
Kortom, laat niet het systeem je datastrategie bepalen maar de businessuitdaging. Business bepaalt data en niet andersom. Met dit stappenplan bouw je aan een datastrategie met support van de business en tooling die aansluiten op jouw wensen. Jij blij, de business blij, de cfo blij.
