Niveaus in datagedreven werken

Veel bedrijven bepalen hun strategie op basis van ‘opvattingen’. Door datagedreven te werken wordt het mogelijk om inzichten te krijgen en beslissingen te nemen op basis van feiten in plaats van opvattingen. Als organisatie kun je data gebruiken voor analytische toepassingen of om processen te verbeteren en het bedrijf te versterken. Met de data willen bedrijven betere beslissingen kunnen nemen. Met als uiteindelijke doel om de data om te zetten in de (juiste) acties, dataficatie.

Uit het bovenstaande blijkt dat er verschillende niveaus zijn waarop je als organisatie met data kunt werken. Zet jouw organisatie data analysegericht in, of om advies te geven aan klanten? Deze niveaus zeggen iets over de mate van data-volwassenheid van jouw organisatie. In dit artikel willen we verder inzicht geven in deze niveaus om jouw data-volwassenheid te kunnen bepalen. Waar bevind jij je op de ladder? En waar wil je heen?

Wat is jouw data analytics niveau?
Volwassenheidsmodellen
Praktische doorvertaling
Een duidelijk plan
Hulp nodig?

Wat is jouw data analytics-niveau?

Heeft iemand jou ooit gevraagd wat jouw data analytics-niveau is? Het idee klinkt eenvoudig, maar als je het op jouw bedrijf betrekt, kan dat een behoorlijk complexe vraag zijn. Hoe beoordeel je jouw data-volwassenheid en wat zijn de verschillende niveau’s? Gelukkig zijn er een aantal zeer goede modellen die je op weg kunnen helpen, zogenaamde volwassenheidsmodellen.

Volwassenheidsmodellen

Volwassenheidsmodellen helpen bij de vereenvoudiging van complexe onderwerpen. Zij geven methoden om moeilijke doelstellingen voor iedereen tastbaar te maken. Wil je de data- en/of klantgerichtheid verbeteren? Dat is een uitstekend doel, maar waar begin je of hoe ga je verder op het huidige niveau? Volwassenheidsmodellen helpen je bij het in kaart brengen van onderwerpen of aspecten, waarvoor de organisatie wellicht verbeteringen aan kan brengen. Ze zijn overzichtelijk, zodat je direct aan de slag kunt om ideeën op te doen voor welke veranderingen je in de praktijk zou willen bewerkstelligen.

Meer mogelijkheden betekent natuurlijk nog niet dat elke vorm van dataverzameling en data-analyse ook nuttig is. Gelukkig zorgt data driven werken er in de meeste gevallen wèl voor dat je vele malen efficiënter gaat werken dan je concurrenten.

Benieuwd of de kwaliteit van je data goed is?

Lees meer over het verhogen van je datakwaliteit in onze blog Datagedreven werken? Je datakwaliteit bepaalt het succes! >>>

Capability Maturity Model
Een voorbeeld van een volwassenheidsmodel is de onderstaande matrix, het Capability Maturity Model (CMM). Dit model is gebaseerd op het benutten van informatie, technieken en tools die bij elk niveau van volwassenheid horen. Het model beschrijft een ontwikkelpad met vijf niveaus van steeds beter georganiseerde en systematische processen. Je kunt met dit model jouw bedrijf, je afdeling, of jouw processen in één van deze niveaus plaatsen om vervolgens jouw plan van aanpak te bepalen. Het CMM is ontwikkeld om software te ontwikkelen en te verfijnen, maar het wordt ook vaak gebruikt om bedrijfsprocessen in het algemeen te ontwikkelen en optimaliseren.

Afbeelding 1: Capability Maturity Model

Analytics Maturity-model

Een ander voorbeeld van een volwassenheidsmodel is onderstaande Analytics Maturity-model van Gartner. Het model geeft weer hoe jij met data omgaat. Het model geeft 4 fasen weer. Je kunt voor jezelf nagaan in welke fase jij zit. Als je dit helder hebt kun je jezelf de vraag stellen waar je naartoe wilt.

Afbeelding 2: Analytics Maturity model

Praktische doorvertaling

Om het nog tastbaarder te maken hebben we bovenstaande CMM & Analytics Maturity-model doorvertaald naar onderstaande tabel. Hierin hebben we ook vermeld welke toepassingen in ons verzuimsysteem, Xpert Suite, bijdragen aan het doorontwikkelen van het niveau van volwassenheid. Waar sta jij op de ladder?

Tabel 1: Niveau's van datagedreven werken doorvertaald naar praktische vragen

Het heeft geen zin om direct het bovenste niveau als doel te hebben. Als organisatie moet je leren dat je ‘de juiste vragen stelt’. Je kunt dan je dataverzameling en analyse steeds verder optimaliseren om de moeilijkere vragen beantwoordt te krijgen. Zoals je ziet in het model heb je dan bij elke stap al toegevoegde waarde in je processen. Als je meteen de moeilijkste vraag probeert te beantwoorden, zul je veel (moeten) investeren en grote kans hebben op het niet daadwerkelijk kunnen beantwoorden van de vraag. Gebruik het groeimodel dus ook als stappenplan om ‘steeds meer met data en inzichten in je bedrijfsprocessen te doen’.

Benieuwd hoe een arbodienstverlener datagedreven werkt?

Bekijk hier de klantcase van Richting B.V. en bekijk hoe zij met hun eigen dashboard inzicht geven aan klanten over hun verzuim.

Een duidelijk plan

Samenvattend is data is een hulpbron, maar zoals elke hulpbron doet data niets op zichzelf. Het gebruik van analytics om beslissingen te verbeteren is niet nieuw, en als je strategische doelen voor jouw organisatie nastreeft om een data-gedreven organisatie te worden, is het niet voldoende om alleen de data te verzamelen en BI te installeren. Het maken van een duidelijk plan met verschillende niveaus, maakt het veel gemakkelijker om de organisatiedoelstellingen te realiseren.

Alle ins en outs van datagedreven werken rondom verzuim op een rij?

Bekijk dan ons e-book Aan de slag met datagedreven werken. In deze uitgebreide guide leggen we je uit hoe je een goede basis legt om datagedreven te gaan werken en hoe je dit steeds verder kunt optimaliseren.

Hulp nodig?

Heb je hulp nodig om datagedreven te gaan werken? Neem dan contact met ons op. We denken graag met je mee!