Verbetering van datamanagement in praktijk

Het is gemakkelijk om te zeggen dat data de sleutel is tot het ontsluiten van nieuwe inzichten en bedrijfswaarde. Maar het is veel moeilijker om die visie ook in de praktijk te brengen. U moet besluitvorming, mensen, vaardigheden en technologie tegelijkertijd managen. Als u niet oppast, kunt u het momentum verliezen nog voordat u goed en wel bent begonnen.

Om te helpen, delen we het echte verhaal van een groeiend bedrijf dat precies deze reis heeft gemaakt. We laten zien welke keuzes gemaakt zijn om de kwaliteit en het beheer van hun data te verbeteren, en hoe we hebben samengewerkt om deze keuzes in de praktijk te brengen. We zullen ook onthullen welke belangrijke lessen onderweg voorbij zijn gekomen.

Invoering van een nieuw datamanagement proces

Het bedrijf had eenvoudige, continue processen nodig om de kwaliteit van de data te verbeteren

Samen met een aantal partners hebben we een groot internationaal zaadverdelingsbedrijf geholpen om meer waarde te halen uit data. Het bedrijf is snel gegroeid, zowel in binnen- als buitenland, dankzij populaire producten en een sterk gevoel voor ondernemerschap.

Door deze snelle organische groei ontbrak een duidelijk proces voor datamanagement. Verschillende landen en dochterondernemingen gebruikten hun eigen definities en variabelen. Het gebrek aan een eenduidige gemeenschappelijke taal begon de bedrijfsvoering in de weg te staan. Goede managementinformatie verkrijgen was moeilijk. Erger nog: geconsolideerde rapporten werden niet altijd vertrouwd.

Maar het bedrijf zag een groot potentieel. Beter datamanagement zou snel tot betere inzichten, en dus betere controle, leiden. Het bedrijf zou profiteren van een beter inzicht in klanten en de markt. En een groter vertrouwen in de data en de rapportages zou het bedrijf de gelegenheid geven om krachtige beslissingen te nemen zonder dubbel te hoeven controleren. We hielpen bij het ontwikkelen, implementeren en uitvoeren van eenvoudige datamanagement processen die zouden helpen bij het definiëren, standaardiseren en continu verbeteren van de data van het bedrijf.

Op basis van onze vertrouwde, continue aanpak, maar toegesneden op het bedrijf en bijbehorend volwassenheidsniveau, hadden we processen nodig om:

• Zakelijke en technische definities voor data te creëren, zodat een eenduidig begrip en taal tot stand gebracht kon worden
• Datakwaliteit te definiëren, te meten en continu te verbeteren
• De oorzaak van problemen met datakwaliteit te identificeren en op te lossen

Al deze processen moesten herhaalbaar zijn en op dezelfde manier worden toegepast op verschillende domeinen. Hoewel we klein begonnen, moesten de processen voortdurend worden uitgevoerd. In plaats van als een eenmalig project waarbij de data opnieuw in de war zouden kunnen raken. Op die manier verbetert de datakwaliteit structureel en blijvend in de loop van de tijd.

Het bedrijf gebruikte concrete situaties om te kiezen welke processen als eerste toegepast moesten worden. Als afdelingen om een rapport vroegen, betekende dit dat de concepten eenduidig gedefinieerd moesten zijn, en dat de kwaliteit goed genoeg moest zijn om betrouwbare resultaten op te leveren. Door verbeteringen in datamanagement op deze manier te koppelen aan specifieke rapporten, konden belanghebbenden de waarde van het proces beter begrijpen. Toen bijvoorbeeld duidelijk werd dat verschillende regio's verschillende definities gebruikten, werd de reden om een standaardversie te schrijven duidelijk: het is een logische stap om een betrouwbaar, internationaal rapport te maken.

De kern van de Novius visie op data samengevat

• Alle data gerelateerde activiteiten worden gekoppeld aan de realisatie van (tastbare) bedrijfswaarde, zoals lagere kosten, (snellere) naleving van wet- en regelgeving of een betere klantervaring en hogere klanttevredenheid.
• Het gaat niet alleen om de individuele data gerelateerde activiteiten en competenties, maar om de samenhang en consistentie daartussen. Alleen het beste, technologische dataplatform platform is niet genoeg. Daarnaast heeft u mensen nodig die weten hoe het te gebruiken en die hebben nagedacht over concrete toepassingen, voordat dit platform tot waarde zal leiden. Het Novius data canvas helpt de samenhang te waarborgen tussen alle verschillende elementen die van belang zijn.
• Doe alles 'net genoeg'. Zorg ervoor dat de ontwikkelingen en investeringen in data gerelateerde activiteiten en competenties in evenwicht zijn met de bedrijfswaarde die het oplevert. Begin met minimaal levensvatbare producten

Het bepalen van rollen, technologieën en competenties

De implementatie bestond uit een slim dataplatform, data-eigenaars, data stewards en vaardigheden

Om de datamanagement processen in de praktijk te brengen, moesten we drie afzonderlijke rollen definiëren: Data Steward, data-eigenaar en Business Stakeholder.

Data stewards hebben een leidende rol in het implementeren van de processen. Ze stellen datadefinities op, stellen kwaliteitscontroles voor, bewaken de resultaten, faciliteren stakeholderdiscussies en onderzoeken de oorzaken van slechte datakwaliteit.

Data-eigenaars dragen de eindverantwoordelijkheid voor de data. Ze maken het werk van de Data Steward mogelijk en keuren de voorgestelde definitie en kwaliteitsregels goed.

Business Stakeholders zijn ook bekend als proceseigenaars. Ze bepalen de gewenste bedrijfsresultaten voor het proces en geven aan wat in het verslag moet worden opgenomen, en bespreken dit met de eigenaar van de data.

In eerste instantie was de data van het bedrijf opgeslagen in verschillende systemen en verborgen in een verzameling van spreadsheets. Om deze bronnen samen te brengen, investeerde het bedrijf in een slim dataplatform. Deze centrale bron helpt om de data te ontsluiten en toegankelijker te maken. Het platform levert de rapporten via Microsoft BI, waardoor de informatie snel en interactief toegankelijk is. De eigen dashboards worden op dezelfde manier geleverd. Verdere ontwikkelingen, waarbij het dataplatform aan andere applicaties wordt gekoppeld, zijn nog in uitvoering. Om ervoor te zorgen dat de betekenis van de rapporten duidelijk en betrouwbaar is, moet de Data Steward vooraf een eenduidige lijst van definities opstellen.

Dit is een van de redenen waarom opleiding zo belangrijk is, met data stewards voorop. De vereiste vaardigheden gaan veel verder dan theoretische kennis van de praktijk van datakwaliteit. Ze moeten ook in staat zijn stakeholders in de praktijk te helpen conflicten over definities op te lossen en de noodzaak van een datamananagement proces aan te tonen. Naarmate de data stewards deze vaardigheden verwerven en gebruiken, verspreidt de kennis zich vanzelf binnen de organisatie, en creëert zo bewustzijn en begrip in andere delen van het bedrijf.