Waarom het opschalen van dataskills de ruggengraat is van digitale transformatie

Datatransformatie is de basis van digitale transformatie

In de afgelopen twee decennia hebben digitale-first startups zoals Uber, Amazon, Airbnb en Stripe vitale sectoren als vervoer, handel, reizen en bankieren opgeschud. Organisaties in alle sectoren erkennen inmiddels dat digitale transformatie noodzakelijk is om te kunnen concurreren in de nieuwe informatiemaatschappij. Dat geldt des te meer in de COVID-19-economie, waarin de digitalisering van processen en diensten in een stroomversnelling is geraakt (PwC). Ondanks massale investeringen in digitalisering is de pijnlijke waarheid dat ongeveer 70% van de initiatieven voor digitale transformatie het gestelde doel niet haalt (McKinsey).

Er zijn veel mogelijke oorzaken waarom programma's voor digitale transformatie kunnen mislukken, maar een belangrijke reden is het niet erkennen dat duurzame datatransformatie een randvoorwaarde is voor succesvolle digitale transformatie. Gartner constateert dat minder dan 50% van de gedocumenteerde bedrijfsstrategieën data-analyse noemt als een cruciale hefboom voor organisatiebrede waardecreatie.

Leiders moeten eerst naar data kijken om te slagen met hun digitale initiatieven, in plaats van data als bijzaak te behandelen voor ad-hocprojecten. —Mike Rollings, Research Vice President bij Gartner

Er zijn veel hefbomen voor succesvolle datatransformatie—van investeren in datainfrastructuur, tot datatools, tot betere processen en wendbare organisatiestructuren. Maar geen van deze hefbomen is effectief zonder te investeren in organisatiebrede datavaardigheden.

Veel organisaties hebben geprobeerd datavaardigheid te ontwikkelen door teams voor data science en analytics op te zetten. Maar alleen data scientists aannemen maakt van data science een interne dienstverlener en zorgt niet voor organisatiebrede datavaardigheid. Bovendien, naarmate de vraag naar data scientists toeneemt, is het onhoudbaar om het vaardighedentekort simpelweg met nieuwe hires op te lossen.

In een datagedreven organisatie is data science—en breder, datavaardigheid—een inclusieve methode om organisatievragen te beantwoorden, waarbij iedereen in staat is om vragen met data te beantwoorden. Het onderscheid tussen uitdagers en gevestigde partijen zit niet in technologie, maar in hun datagedreven cultuur, de inzichten die ze uit data halen terwijl ze hun diensten onderzoeken en itereren, en de datavaardigheden die ze ontwikkelen.

Kortom: het succes van je digitale transformatie hangt af van de juiste datavaardigheden in de hele organisatie.

Het dichten van het vaardighedengat in datavaardigheid

Veel organisaties erkennen inmiddels dat ze hun tekorten in datavaardigheid moeten aanpakken. Een McKinsey-enquête onder meer dan duizend bedrijven uit verschillende sectoren vond dat het meest urgente vaardighedengat data-analyse is—43% van de respondenten beschouwt dit als de hoogste prioriteit voor upskilling. Evenzo bleek uit de PwC CEO-enquête van 2019 dat 34% van de CEO's vaardighedentekorten in data-analyse als de grootste bedreiging voor hun organisatie ziet.

Vooruitstrevende organisaties investeren nu al in het bijscholen van hun mensen om te kunnen concurreren in het digitale tijdperk. Zo heeft Marks & Spencer een retail data academy opgezet om meer dan 1.000 medewerkers bij te scholen. Amazon lanceerde een Machine Learning University om hun engineers uit te rusten met de vaardigheden die nodig zijn om machine learning op schaal in producten en diensten toe te passen. Airbnb ontwikkelde een eigen Data University om elk niveau van de organisatie de vaardigheden te geven om datagedreven beslissingen te nemen. AT&T startte een project van 1 miljard dollar, verdeeld over tien jaar, om meer dan de helft van de 250.000 medewerkers bij te scholen.

Alles bij elkaar genomen leveren inspanningen om datavaardigheid op te schalen resultaat op. Een andere McKinsey-studie laat zien dat 70% van de organisaties die investeren in upskilling positieve bedrijfsresultaten rapporteert die de initiële investering overstijgen. Zo meldt 48% van de organisaties een matig tot significant positief effect op winstgroei dankzij upskilling—en 73% meldt een matige tot substantiële verbetering in medewerkerstevredenheid. Een DataCamp-enquête onder meer dan 300 L&D-leiders in diverse sectoren toont dat bedrijven met volwassen competenties in datavaardigheid beter presteren dan minder datavaardige tegenhangers op omzetgroei, marktaandeel, winstgevendheid en meer.

De uitdagingen voor L&D bij het bouwen aan datavaardigheid

In tegenstelling tot traditionele leer- en ontwikkeltrajecten, die vaak bestaan uit eenmalige trainingen voor specifieke skills, is datavaardigheid een methode om businessvragen te beantwoorden die organisaties in de loop van de tijd moeten aanscherpen. Leerroutes verschillen per persoon, afhankelijk van hoeveel iemand met data werkt. Een marketinganalist die regelmatig met Excel werkt, moet bijvoorbeeld R of Python leren om succesvol te zijn in zijn of haar rol, terwijl een manager of leider vooral moet weten hoe je onderbouwde beslissingen met data neemt. Kortom, er is geen one-size-fits-all voor datavaardigheid.

Daarom is een rolspecifieke, persona-gedreven leerlijn effectiever om trainingen in datavaardigheid op te schalen. Elke persona heeft een andere relatie met data en moet competenties in verschillende tools opbouwen en andere skills ontwikkelen om te floreren in het digitale tijdperk.

Bij DataCamp hebben we de verschillende soorten tools geïdentificeerd die nodig zijn om succesvol met data te werken. Belangrijker nog: we hebben 8 belangrijke datapersona's vastgesteld die je in elke datagedreven organisatie terugvindt, met de verschillende vaardigheden die ze nodig hebben en de tools die ze het meest gebruiken.

Wil je meer weten over deze datapersona's en hoe ze in jouw organisatie passen? Download dan onze whitepaper.