Organisatorische datafluency bereiken met IPTOP

Van het aandrijven van zelfrijdende auto’s tot het verslaan van het spel Go: organisaties domineren de headlines door met data science voorheen onmogelijke taken mogelijk te maken. Het is daardoor makkelijk de stille datarevolutie over het hoofd te zien: steeds meer bedrijven maken wat nú al mogelijk is, breed beschikbaar. Met andere woorden, meer bedrijven streven naar sterkere organisatorische datafluency. Volgens Ramnath Vaidyanathan, VP Product Research bij DataCamp, rust het pad van een organisatie naar datafluency op vijf pijlers: Infrastructure, People, Tools, Organization en Processes (IPTOP). In een webinar vorige maand deelde hij een framework voor datafluency waarmee elke organisatie haar datavolwassenheid kan vergroten: van data-reactive naar data-scaling, data-progressive en uiteindelijk data-fluent.

Om van datareactiviteit af te komen, bouw je aan een datacultuur

Een data-reactief bedrijf staat onderaan de ladder van datavolwassenheid. Zo’n bedrijf raadpleegt, gebruikt en presenteert zelden data, wat bijdraagt aan het ontbreken van een datacultuur. Het gebruikt uiteenlopende legacytools om data in silo’s te verzamelen en voert ad-hocdataprocessen uit. Bovendien investeert het niet in een strategie voor data-upskilling om intern datatalent en datainfrastructuur op te bouwen. Een bedrijf kan zijn organisatorische datageletterdheid laten groeien van data-reactive naar data-scaling door te bouwen aan zijn datacultuur en datainfrastructuur. Om zo’n datacultuur te laten wortelen, is het verstandig om laaghangend fruit te pakken waarmee stakeholders de waarde van datageletterdheid zien. Denk aan proof-of-concept-dashboards en analyticsprojecten zoals churnmodellen voor klanten. Ook kan het bedrijf beginnen met het ontwikkelen van zijn data-architectuur en dataverzamelingsprocessen.

Verlaat de data-scalingfase met de juiste infrastructuur en organisatiestructuur

In tegenstelling tot een data-reactief bedrijf heeft een data-scalingbedrijf enige vorm van datastrategie en -cultuur. Maar de tekortkomingen zijn nog duidelijk. Slechts weinig medewerkers hebben de vaardigheden en toegang om data met vertrouwen te analyseren, rapporteren en presenteren, wat resulteert in een zwakke datacultuur. Daarnaast ontbreken gecentraliseerde datastorage en teams, waardoor datasets en processen sterk gesiloed zijn.

Gezien deze tekortkomingen moet een data-scalingbedrijf zijn organisatorische datageletterdheid verbeteren. Dat kan door datatoegang mogelijk te maken met betere datainfrastructuur en door gecentraliseerde opslag op te zetten. Zo’n infrastructuur maakt het mogelijk om hoogwaardige data in de cloud op te slaan en eenvoudig toegankelijk te maken voor alle stakeholders. Met de juiste opslag en toegang kunnen medewerkers standaarden voor datakwaliteit ontwikkelen. Zo slaat DataCamp zijn data op in Amazon Redshift, een cloudgebaseerd gecentraliseerd datawarehouse, en beheert het datapijplijnen met Apache Airflow. Dit betekent een afscheid van gesiloede data die lastig te verenigen is, en effent de weg naar één enkele bron van waarheid.

Een vereenvoudigd beeld van DataCamps gecentraliseerde datastorage

Als onderdeel van de datavolwassenheid moet een data-scalingbedrijf ook een duidelijke organisatorische structuur voor data scientists ontwikkelen. Sommige bedrijven kiezen voor een gecentraliseerd model met een data science-team als center of excellence dat verzoeken afhandelt vanuit verschillende functies zoals finance, marketing en engineering. Anderen kiezen voor een gedecentraliseerd model, waarbij data scientists binnen functies embedded zijn en exclusief de databehoeften van die functie bedienen. Een bedrijf zou het model moeten kiezen dat het best past bij zijn data- en bedrijfsbehoeften.

Maak de stap vanaf data-progressive met de juiste tools en processen

De volgende mijlpaal op weg naar datafluency is de staat van data-progressive. In een data-progressive bedrijf heeft elk team minimaal één datafluent persoon die zijn of haar data kan analyseren, rapporteren en presenteren. Toch is er nog ruimte voor verbetering in datakwaliteit en vindbaarheid, als gevolg van de nog rijpende datainfrastructuur. En hoewel medewerkers enige datageletterdheid hebben, wordt data bijna uitsluitend gebruikt voor rapportage en dus onderbenut. De waarde van data wordt verder beperkt door een gebrek aan datademocratisering, mede door de moeilijke toegang tot datatools en processen.

Om van data-progressive naar data-fluent te gaan, zou een organisatie haar datainfrastructuur, mensen, tools, organisatie en processen gelijktijdig moeten doorontwikkelen in lijn met het IPTOP-framework voor datafluency.

Voor de overgang naar datafluency kan een bedrijf zijn datacultuur versterken door passende upskillingstrategieën voor mensen te ontwikkelen en daarin te investeren. Dit betekent voortdurende data-educatie die aansluit bij de verschillende datapersona’s en de bedrijfsdoelen. Zo investeerde AT&T’s ingrijpende talenttransformatie 1 miljard dollar om in 10 jaar 140.000 medewerkers te upskillen. Bedrijven profiteren van een sterkere datacultuur door datagedreven gedrag te stimuleren en data-evangelisten te belonen die de datacultuur actief uitdragen.

Een bedrijf kan ook interne dataprodukten bouwen die dataprocessen operationaliseren als onderdeel van het datageletterdheidsprogramma. Deze dataprodukten kunnen worden gebruikt om standaarden voor datakwaliteit te verbeteren en bedrijfsdoelen te monitoren. Zo heeft DataCamp interne frameworks waarmee stakeholders met minimale code presentatieklare visualisaties van businessmetrics kunnen maken.

DataCamp-dashboards die eenvoudig zijn ontwikkeld met interne frameworks

Naarmate een bedrijf groeit in organisatorische datageletterdheid, beweegt het vaak richting een hybride model, waarin data scientists niet alleen in het gecentraliseerde datateam zitten maar ook in een functioneel team. Zo kan het data science-team tools bouwen en delen die aansluiten bij functionele bedrijfsdoelen.

Datafluency bereiken vereist dat organisaties data een integraal onderdeel maken van hun processen. Dergelijke processen verlagen de drempel om waarde uit data te halen en democratiseren data binnen de organisatie. Zo definieert en borgt Airbnb’s Data Quality Initiative de kwaliteit van datasets door het hele bedrijf, wat het vertrouwen van stakeholders in de data vergroot en de datacultuur versterkt. Netflix maakt het voor stakeholders naadloos om effectieve notebooks te creëren door noteboeksjablonen af te stemmen op verschillende doelpersona’s.

Word datafluent met het IPTOP-framework

Datafluency is uiteindelijk de ideale staat van datavolwassenheid voor een bedrijf. In een datafluent bedrijf heeft elke medewerker de vaardigheden om de data te vinden en te begrijpen die nodig is voor het werk. Ze worden ondersteund door betrouwbare infrastructuur en tools die datagedreven besluitvorming naadloos maken. Beter nog: het bedrijf heeft processen en organisatievormen die samenwerking over afdelingen heen mogelijk maken en efficiënt opschalen.

Het pad naar datafluency is duidelijk niet lineair. Het vraagt om een heldere datastrategie en een sterk raamwerk voor datageletterdheid. De onderstaande grafiek vat samen welke stappen een organisatie moet zetten om haar datageletterdheid te verplaatsen van data-reactive naar data-fluent met behulp van het IPTOP-framework.

Wil je meer weten over het opschalen van datavolwassenheid, bekijk dan ons webinar of doe de data maturity assessment.