In 10 stappen naar een datagedreven organisatie

De mix van data en doen

Prestaties in organisaties zijn afhankelijk van alles wat daar in de loop van de tijd is opgebouwd. Tegelijk verliezen we vaak het zicht op alle onderlinge verbanden (Warren, 2012) die de prestaties werkelijk beïnvloeden. De manier waarop we sturen en de strategische ‘antwoorden’ waarop we uitkomen zijn vaak oppervlakkig en onbetrouwbaar: we richten ons óf helemaal op de data, óf helemaal op gedrag.

Het is de mix van data en doen die het verschil maakt.

Zonder de verbinding tussen data en doen is het gevaar groot dat enkele hotshots in ivoren torens een strategie uitdenken die weinig raakvlakken heeft met het werk van alle medewerkers. Zo’n losgezongen strategie geeft antwoord op de vraag hoe zaken zouden moeten werken, en niet op de vraag hoe het in de praktijk gaat en hoe dat te verbeteren is.

Het 10-stappenplan

Stap 1: Ga op zoek naar de passie van medewerkers

Passie is de brandstof voor je datagedreven organisatie. Ze kan zich uiten in bevlogenheid, maar ook pijn en ergernis zijn een vorm van passie en tonen betrokkenheid. Een voorbeeld is Veiligheidsregio Noord-Holland Noord.

Stap 2: Denk na over je BHAG

Denk na over je big hairy audacious goal (BHAG), zoals Collins en Porras (1994) het noemen, als eerste stap van je grote strategische PDCA. Wat wil je in grote lijnen realiseren? Wat is je centrale strategische thema?

Stap 3: Leren verbeteren doe je van groot naar klein

Als de grote PDCA begint te draaien en het Plan is gemarkeerd, gaat het al snel om de vertaling naar kleinere verbetercycli. Kijk welke historische data voorhanden is om alvast een eerste opbrengst te realiseren.

Stap 4: Stel je KPI’s vast

Sturen vraagt om solide tools. Naast het invoeren van PDCA-cycli gaat het om het optuigen van KPI’s. Kritieke succesfactoren kunnen dienen als tussenstap om van je strategische thema tot actiegerichte KPI’s te komen.

Stap 5: Richt datastromen in

Breng in beeld welke data al voorhanden is met business intelligence en voor welke nieuwe data je nieuwe datastromen wilt opstarten. Richt ze in met betrouwbare vormen van registreren, monitoren en analyseren. Ga na welke calamiteiten of bedrijfsrisico’s je nog loopt. Analyseer het huidige werk en wat alternatieven betekenen: wat kosten ze, wat leveren ze op?

Stap 6: Maak tijdens het leerproces de data inzichtelijk

Koppel al tijdens het doorlopen van de PDCA data terug. Gedrag krijgt zo een spiegel en er ontstaat een confrontatie met de data. Zorg dat de feedbacklussen tot op persoonsniveau gevoed blijven en stel samen vast wat je ervan kunt leren.

Stap 7: Zoek naar causaliteiten

Zoek vanuit de confrontatie met data naar causaliteiten. Wat hangt waarmee samen? Je ziet steeds beter welke gedragingen en systemen effectief zijn. Met welke ingreep is de grootste winst te behalen? Waar zit het grootste lek? Ziet het proces er in de praktijk heel anders uit, dan pas je het aan of richt je het helemaal opnieuw in.

Stap 8: Automatiseer alles wat los en vast zit

Automatiseer wat er te automatiseren valt, zodat je je handen vrij houdt voor de volgende verbetering. Gebruik waar mogelijk simulaties om experimenten veilig uit te voeren. Het geheel aan KPI’s kun je gebruiken om een simulator van je bestaande businessmodel op te tuigen. Laat de simulaties consequenties doorrekenen op alle vlakken: personeel, risico, tijd, geld en kwaliteit. Toets of de werkelijkheid zich op dezelfde manier gedraagt. Een voorbeeld is fietsenwinkel.nl.

Stap 9: Werk naar een steeds nauwere grid van verbeteringen

Zo bouw je aan een simulatie die je dynamisch kunt wijzigen. Je weet steeds beter wat de output is, kunt vooruitkijkend sturen en flexibel reageren, doordat een goed rekenmodel direct de reële prognose doorrekent. Naarmate je meer processen onder controle hebt, kun je de domeinen waarin je opereert uitbreiden. Kijk ook naar concurrenten. Zorg dat steeds meer mensen toegang hebben tot relevante dashboards, zodat verbeteren tot ieders normale taak gaat behoren.

Stap 10: Geef medewerkers steeds meer regie

Als je stap 1 tot en met 9 met goed gevolg hebt doorlopen, ontstaat er steeds meer regie bij medewerkers zelf. Naarmate je de eerste negen stappen beter en consequenter inricht, worden waarschijnlijk steeds meer managers en managementlagen overbodig.

De tien stappen in drie fasen

Een samenvatting voor wie het overzicht wil.

Praktijkvoorbeeld: causaliteiten in de luchtvaart

Veel vaker dan mensen gewoonlijk denken overheerst de causaliteit. Stel, ik ben een luchtvaartmaatschappij en wil twee keer zoveel winst. Ik weet dat ik aan de kostenkant niet veel kan doen, dus moet ik twee keer zoveel omzet halen. Dan heb ik twee keer zoveel passagiers nodig, maar ook twee keer zoveel vliegtuigen, captains, first officers en cabinepersoneel, en ik weet precies wat dat gaat kosten. In een dynamisch businessmodel kan ik nu variëren: als die kosten 10 procent hoger uitvallen, maak ik dan nog winst? En met 10 procent minder passagiers?

Dat betekent beginnen met een plausibel model dat is gebaseerd op historische data en redelijk onderbouwde trends. Veel organisaties zijn geneigd te zeggen: we breiden gewoon uit, en aan het eind van het jaar blijkt wel hoeveel de organisatie extra heeft verdiend. Maar aan zo’n beslissing liggen veel meer wetmatigheden ten grondslag. Onvoorziene gebeurtenissen, zoals een oorlog, kunnen er altijd tussen komen. Dus terwijl je voorspelling misschien niet voor honderd procent uitkomt, is het zaak in je simulatie toe te werken naar bijna honderd procent causaliteit.

Ga op zoek naar solve leaders

Het is niet meer voldoende om managers te hebben die alleen het proces managen: PDCA-cirkels nemen dat over, en de datagedreven PDCA-cyclus dicht de kloof tussen hiërarchische lagen. Leidinggevenden moeten, voor zover ze nog toekomst hebben, over echt diepgaande kennis van zaken beschikken. Solve leaders zijn leiders die op hun terrein echte vakinhoudelijke experts zijn en die daarnaast mensen op sleeptouw kunnen nemen en samen een goede visie kunnen ontwikkelen. Vanuit die visie en inhoud is het veel gemakkelijker mensen te mobiliseren dan door het proces te managen. Als je alleen op het proces gaat zitten in plaats van op de inhoud ervan, is je rol binnen de kortste keren uitgespeeld.

Het competentieprofiel

Als medewerkers steeds meer regie krijgen, verschuift de macht van de top van de piramide naar de community. De baas wordt steeds meer coach en mentor. Let bij het opleiden en coachen van bestaande medewerkers en managers of het selecteren van nieuwe vooral op de competenties die datagedreven werken laten slagen: passie voor het werk en de klant, het vermogen om data te lezen en te bevragen, denken in processen en oorzaken, feedback geven en ontvangen, bereidheid om te experimenteren en diepgaande vakkennis.

Conclusie

Een datagedreven organisatie bouw je niet met een tool maar met een volgorde: eerst richting vanuit passie en een ambitieus doel, dan inzicht via datastromen, feedback en causaliteit, en ten slotte opschaling via automatisering, simulatie en meer regie voor medewerkers. Wie de stappen consequent volgt, heeft steeds minder managementlagen nodig.

Verder lezen

• Datagedreven werken
• Key performance indicator (KPI)
• Blog: 5 aanjagers voor datacratisch werken
• Blog: Van prehistorisch naar futuristisch datagebruik

Bronnen

• Jim Collins en Jerry Porras, Built to Last (1994)
• Kim Warren, Strategy Dynamics Essentials (2012)

Over de auteur

Daan van Beek MSc is ondernemer, auteur, spreker en consultant op het gebied van datagedreven werken, BI en AI. Hij studeerde Bestuurlijke Informatiekunde aan de Open Universiteit en behaalde een Master of Science in Artificial Intelligence aan Middlesex University in Londen. Hij schreef diverse boeken over business intelligence, KPI’s en AI, waaronder De intelligente, datagedreven organisatie.

Over Diamond Decisions

Diamond Decisions helpt organisaties beter te worden door betere beslissingen mogelijk te maken. We starten niet bij data, dashboards of AI, maar bij de beslissing die beter moet, en bouwen van daaruit terug naar KPI’s, data en technologie. Dat doen we in vier stappen: inspiratie en alignment, business modeling, analytics en dataplatform en datagedreven beslissers. Zo zorgen we dat BI en AI geen IT-project blijven, maar elke dag waarde opleveren.