Data

Er is tegenwoordig geen branche waarin data geen hot topic is. Vragen die spelen zijn in hoeverre data van strategisch belang is en hoe het bijdraagt aan de digitalisering, maar ook hoe er met data in de cloud omgegaan moet worden en dat allemaal veilig en in lijn met de wetgeving.

Bij klanten loopt Bakkenist tegen uiteenlopende vraagstukken m.b.t. data aan en gezien het complexe onderwerp is dat ook logisch. Bepaalde vraagstukken komen elke keer naar voren:

  • data centrisch of data gedreven?
  • is data analyse een hype?
  • wanneer is self service het risico waard?
  • wat zijn de uitdagingen van de sterk gerelateerde cloud wereld?
  • hoe houden we deze complexe, nieuwe wereld beheerst?

DATA CENTRICITY

Data centric of data driven?

Het transformeren naar een data centrische organisatie is veel meer dan een implementatie van technologie of het aannemen van mensen met de benodigde kennis en kunde. Data centriciteit vergt een paradigma verschuiving waar jaren overheen zal gaan; het uiteindelijke voordeel betaald zich echter op vele vlakken uit waaronder een verhoogde business agility en beduidend lagere verander en run kosten.

Indien gesproken wordt over data centriciteit, komen doorgaans al snel de volgende vragen naar voren:

  1. wat is het verschil tussen een data centrische organisatie en een data gedreven organisatie?
  2. in theorie klinkt data centriciteit interessant, maar in hoeverre genereert het business waarde?
  3. wat zijn de uitdagingen in de praktijk?

Dit zijn allemaal terechte vragen waarop het antwoord per organisatie kan verschillen. Bakkenist kan u begeleiden in dergelijke trajecten.

 

Data analytics – een hype?

Waar bij alle bedrijven volop over data gesproken wordt, wordt vaak in dezelfde zin data analyse genoemd. Maar is data analyse daadwerkelijk voor alle bedrijven wel zo belangrijk, want het vergt nogal een investering?

Data analyse heeft tot doel het beschrijven van data, het onderzoeken d.m.v. visualisatie en het voorspellen van gebeurtenissen in de toekomst. Elk van deze soorten vergt iets anders van uw organisatie en daarom is het essentieel te bepalen welke soort analyse u in welke soorten processen wilt inzetten.

 

Indien u bijvoorbeeld besluiten in een van uw primaire processen op basis  van data (analyse) wilt doen, zult u meer eisen aan de gehele bedrijfs inrichting (processen, organisatie, technologie) van data analyse stellen dan wanneer u bijvoorbeeld alleen in ondersteunende processen rapportages maakt. Tevens maakt het nogal een verschil of u die besluiten gaat nemen op basis van op data gebaseerde feiten of dat u modellen die de toekomst voorspellen hiervoor gebruikt; dergelijke keuzes zijn tevens van groot belang op implementatie, kosten ,etc.

Er zijn dus legio mogelijkheden om data te analyseren. Afhankelijk van het doel van die analyses moeten bepaalde randvoorwaarden in meer of mindere mate ingevuld worden:

 

  • Nieuwe data moet snel toegankelijk zijn
  • Verschillende soorten data moet makkelijk gecombineerd kunnen worden
  • Data moet van hoge kwaliteit zijn
  • Self service moet ondersteund worden om deze analyses efficient te laten verlopen, tegelijkertijd vergt dit specifieke aandacht voor controles en vaardigheden

Self service

Wanner is self service het risico waard?

De inzet van self service tooling biedt mogelijkheden tot een hogere graad van business agility. Tegelijkertijd gaat het gepaard met het risico door de bomen het bos niet meer te zien en erger nog zelfs de controle te verliezen.

Self service betekent in feite dat je zelf dingen kunt doen zonder afhankelijkheden van anderen; denk hierbij bijvoorbeeld aan een business team dat geen IT meer nodig heeft om rapporten te ontwikkelen en een Devops team dat infrastructuur kan implementeren zonder dat het de afdeling infrastructuur nodig heeft. Het grote voordeel van deze manier van werken is dat je sneller resultaat kunt bereiken (als je weet wat je doet) en je exact krijgt wat je bedoelt. Bovendien ben weet je als expert op jouw vakgebied wat je nodig hebt en is het risico op miscommunicatie veel kleiner.

Dit klinkt wellicht te mooi om waar te, toch is het goed mogelijk op die manier te gaan werken. Wel zijn er enkele punten waar aandacht aan besteed moet worden:

 

Hoe blijf je in controle?

Veel bedrijven staan onder toezicht van een toezichthouder en dienen periodiek aan te tonen hoe ze in control zijn; bovendien hebben alle bedrijven ook eigen IT beleid dat gevolgd moet worden. Zodra je gaat werken met self service, zullen deze controls gehandhaafd moeten blijven worden door medewerkers die daar minder in thuis zijn; dat vergt op zijn minst training, maar wellicht ook een cultuuromslag.

Op de lange termijn is het vraagstuk hoe je over het hele data en applicatie landschap door de bomen het bos kunt blijven zien, als je bijvoorbeeld de business zelf de mogelijkheden biedt rapporten en applicaties te ontwikkelen; dat vergt een nauwgezette veranderaanpak.

 

Vaardigheden van uw werknemers

Met de introductie van self service zullen andere medewerkers dan voorheen bepaalde activiteiten gaan uitvoeren (veelal naast hun huidige werkzaamheden); dat betekent dat ze getraind moeten worden in specifieke vaardigheden. Bovendien, zoals hierboven al genoemd, gelden voor dergelijke IT activiteiten ook kaders vanuit de toezichthouder of het bedrijf zelf en ook daar zullen deze mensen in getraind moeten worden.

 

De introductie van self service betekent concreet een wijziging in het operating model: werkzaamheden zullen verschuiven tussen afdelingen. In hoeverre dit wenselijk is, is situatie afhankelijk en elk bedrijf zal voor zichzelf moeten bepalen onder welke voorwaarden een model als self service toegestaan zou moeten worden. Bovenop de genoemde vaardigheden van de medewerkers, zijn goede kwalitatieve data een voorwaarde om self self service succesvol te maken.