Een paar maanden geleden hebben we met 5 dataprofessionals gesproken over de uitdagingen en ambities die ze tegenkomen in verschillende sectoren en datatypes.
Wat we horen is dat bedrijven geneigd zijn te denken dat ze een dataprobleem hebben. In werkelijkheid hebben veel van hen te maken met een groter probleem. Niemand is duidelijk verantwoordelijk voor de manier waarop gegevens worden opgevraagd, begrepen en vertrouwd.
Datateams zitten midden in deze spanning. Het bedrijf verwacht dat ze beslissingen ondersteunen.
Ze moeten snel inzichten leveren en cijfers accuraat houden. Dit is belangrijk in complexe systemen. Ze krijgen ook te maken met vragen wanneer resultaten niet aan de verwachtingen voldoen.
De mix van druk en scepsis komt rechtstreeks voort uit de manier waarop binnen bedrijven en tussen afdelingen met gegevens wordt omgegaan.
Kwantiteit is opeens belangrijker dan kwaliteit
Naarmate uw bedrijf data-bewuster wordt, stijgt het aantal verzoeken aan datamensen explosief, terwijl de kwaliteit van die verzoeken vaak daalt. Vragen komen vaak als urgent binnen, met weinig overeenstemming over definities, reikwijdte of de beslissingen waarop ze betrekking hebben.
Meerdere belanghebbenden zijn afhankelijk van dezelfde dashboards, elk met hun eigen prioriteiten, tijdschema’s en interpretaties; dat betekent dat dataprofessionals voortdurend in de leveringsmodus blijven, waarbij snelheid voorrang krijgt op oplossingen en processen.
Van buitenaf lijkt dit op productiviteit. Binnen het team is er een opeenhoping van onopgeloste problemen.
Inconsistenties en meerdere tools tasten vertrouwen sneller aan dan fouten
Mensen verliezen niet langzaam hun vertrouwen in gegevens; het is meer alsof er een schakelaar omgaat.
Vertrouwen in gegevens verdwijnt meestal niet geleidelijk; het verdwijnt op het moment dat er iets niet klopt. Als twee dashboards verschillende resultaten laten zien voor dezelfde metriek, verliezen mensen het vertrouwen in de cijfers. Ze gaan vertrouwen op hun instinct, persoonlijke trackers of buikgevoel. Op dat moment, of de oorzaak nu technisch of procesmatig is, heb je niet genoeg tijd en wil je gewoon iets hebben waarop je kunt vertrouwen.
Het probleem gaat verder dan een paar niet op elkaar afgestemde dashboards. De meeste bedrijven hebben meerdere datatools met verschillende eigenaren en geschiedenissen. Het was niet de bedoeling dat ze elkaar beconcurreerden, maar toch vertellen ze voortdurend net iets andere verhalen. Natuurlijk blijven mensen bij het systeem dat ze het beste kennen, ook al is het minder nauwkeurig, omdat het comfortabel aanvoelt.
Zo groeien kleine inconsistenties uit tot grotere structurele problemen. Tegen de tijd dat het interne datateam tussenbeide komt, is het vertrouwen meestal al gebroken en in plaats van inzichten te genereren, zijn ze druk bezig om het vertrouwen terug te winnen. Plotseling verandert elke discussie over gegevens in een gesprek over de vraag of de gegevens zelf wel geloofwaardig zijn.
De gemakkelijke uitweg is niet wat je moet zoeken
Wanneer een dataplatform of -hub ingewikkeld of verouderd wordt, is het gemakkelijk om te beslissen om het te vervangen. En wanneer het volgende platform zijn beperkingen laat zien, voegen mensen plug-ins, dashboards en handmatige oplossingen toe om de gaten te dichten, en zo gaat de cyclus door.
In de meeste gevallen ligt het probleem niet bij de technologie zelf, maar bij de mogelijkheden en de verbinding. Verschillende afdelingen worstelen met geavanceerde systemen als ze de vaardigheden of gewoonten missen om ze effectief te gebruiken, en eenvoudigere opstellingen beginnen te haperen als de externe verwachtingen toenemen.
Als er iets kapot gaat, is het makkelijk om het systeem de schuld te geven. Zelden zoomt iemand uit en vraagt zich af of de structuur, het eigenaarschap of de communicatie rond de gegevens misschien het echte probleem is.
De mensen die het dichtst bij de data-analisten, producteigenaren en mid-level managers staan, zien de problemen meestal als eerste, maar hebben niet de autoriteit om ze op te lossen. Senior leiders keuren beslissingen over tooling goed, maar ervaren vaak niet de dagelijkse wrijving die deze keuzes veroorzaken.
Als er eenmaal geen vertrouwen meer is in de getoonde gegevens, wordt elk rapport iets waar mensen vraagtekens bij zetten en verandert elke vergadering in een debat over “welk getal klopt”, waardoor analisten meer tijd besteden aan het verdedigen van eerder werk dan aan het verkennen van nieuwe mogelijkheden. Het wordt een uitputtende feedbacklus.
Volwassenheid van gegevens
Binnen hetzelfde bedrijf hebben mensen vaak heel verschillende relaties met gegevens. Sommigen gebruiken het om hun beslissingen te ondersteunen, terwijl anderen het gevoel hebben dat het hun ervaring uitdaagt of hun vrijheid van handelen beperkt.
Het verschil kan zich voordoen in klein gedrag. Dit omvat het negeren van rapporten, het kiezen van alleen bepaalde getallen of het interpreteren van resultaten op een manier die comfortabel voelt.
Van het datateam wordt dan verwacht dat het de besluitvorming beïnvloedt, ook al hebben ze niet de autoriteit om verandering af te dwingen. Ze zijn verantwoordelijk voor het aanmoedigen van adoptie door teams die niet hetzelfde begrip hebben van wat werken met data eigenlijk betekent. Die situatie kan uitputtend worden, omdat verantwoordelijkheid en controle niet op dezelfde plek bestaan.
Wacht niet tot het te laat is om externe expertise in te schakelen
Externe experts (data & AI partners) komen meestal binnen als de druk al hoog is. Tegen die tijd wil iedereen snel resultaat en is er weinig geduld meer voor testen of iteratie.
Er kan nog steeds vooruitgang worden geboekt. Het zal echter niet blijven duren als je de onderliggende problemen niet aanpakt. Deze problemen omvatten eigenaarschap, besluitvorming en afstemming.
Zonder gedeelde verantwoordelijkheid voor het definiëren, begrijpen en delen van gegevens reiken de problemen verder dan technische aspecten. Ze worden structureel en deze overbelasting wordt de norm in het bedrijfsleven.
Gegevens werken alleen als iedereen er verantwoordelijk voor is. Als dat niet zo is, blijft dezelfde cyclus van verwarring zich herhalen.
