Rapport over datatrends

Bedrijven die beter willen leren omgaan met data, volgen het voorbeeld van de academische wereld met training en certificering

In dit tijdperk van digitale transformatie moeten bedrijven datagestuurd zijn. Organisaties proberen dit te realiseren door flinke investeringen (dit jaar gemiddeld USD 15,3 miljoen). Sommige van deze investeringen zijn gericht op technologie en systeemarchitectuur, maar bijna de helft van de USD 15,3 miljoen (41%) wordt gebruikt voor de ontwikkeling van vaardigheden. Dat is niet verrassend, want steeds meer mensen hebben toegang tot data, maar weten jammer genoeg niet goed hoe ze deze data het beste kunnen benutten. Medewerkers die 'datageletterd' zijn, kunnen de steeds grotere hoeveelheden data begrijpen en gebruiken om zakelijke vragen te beantwoorden en meerwaarde toe te voegen aan hun bedrijven. Het tekort aan analytische vaardigheden is een hindernis voor groei, dus bedrijven proberen datageletterdheid te bevorderen bij anderen dan alleen datawetenschappers. Een geringe datageletterdheid is volgens Gartner een van de grootste obstakels voor een datagestuurde cultuur en de bijbehorende voordelen.

Voor veel bedrijven zijn investeringen in datageletterdheid nog een nieuw fenomeen, maar academische instellingen stimuleren al jaren het kritische denkvermogen en de analytische vaardigheden bij studenten als vereiste voor besluitvorming en probleemoplossing in de persoonlijke en professionele omgeving. Bij instellingen zoals de Universiteit van Pittsburgh, Carnegie Mellon University en de Universiteit van Edinburgh wordt de volgende generatie 'digital natives' opgeleid via specifieke programma's waar bachelor- en masterstudenten van alle disciplines datavaardigheden kunnen aanleren. En de University of South Florida Muma College of Business biedt het Citizen Data Scientist certificate program aan, een speciaal certificeringsprogramma voor studenten die niet over de technische expertise beschikken om data te verzamelen en te analyseren voor zakelijke besluitvorming. Deze studenten worden datageletterd gemaakt, zodat ze over de analytische vaardigheden en geletterdheid beschikken om te werken in nagenoeg digitale omgevingen.

Bedrijven volgen het voorbeeld van de academische wereld door hun eigen programma's voor datavaardigheden, centra van uitmuntendheid en community's op te zetten, of door training te verschaffen via programma's voor datageletterdheid van externe partijen. Er zijn ook bedrijven die subsidies geven voor de certificering van analytische vaardigheden, omdat ze beginnen in te zien wat het belang is van de ontwikkeling van datageletterdheid. Deze investeringen dienen ook om de analytische vaardigheden van de aanwezige niet-datageletterde medewerkers op hetzelfde niveau te brengen als die van de nieuw aangenomen 'data natives'.

Voor Lockheed Martin is datageletterdheid een fundamenteel onderdeel van de digitale transformatie en daarom heeft het bedrijf workshops en cursussen gelanceerd op campussen in de hele VS om medewerkers datageletterd te maken. Het plan is om dit in 2020 verder uit te breiden. Het bedrijf, dat wereldwijd actief is in de veiligheids- en de lucht- en ruimtevaartsector, hoopt deze training uit te rollen naar productiemedewerkers en anderen waarvan de functie net direct wordt gelinkt aan data-analyse. Het Enterprise Analytics-team heeft geconstateerd dat medewerkers data hierdoor op een andere manier behandelen in hun rol en als datageletterden meer waarde toevoegen. Anthony Brown, Enterprise Analytics Leader bij Lockheed Martin zegt: "We hebben geconstateerd dat datageletterdheid begint met inzicht in waar de data worden gebruikt, hoe ze worden gebruikt en waarom ze belangrijk zijn. [...] Dankzij dit inzicht worden de ingevoerde data zorgvuldiger gekozen en dit komt weer ten goede aan de kwaliteit en nauwkeurigheid van de data". Anthony en zijn team willen hun investering in datageletterdheid beheren met hun interne tool Eureka en de oplossing vervolgens opschalen naar meer dan 100.000 medewerkers. Eureka is een platform dat enigszins lijkt op Twitter, met een community waar vragen en antwoorden worden gepost en onderlinge steun wordt geboden om de datavisualisaties en de datarapportage van de organisatie te verbeteren.

Marina Brazhnikova werkt als BI Manager Data Visualization bij een grote non-profitorganisatie die een academisch gezondheidszorgsysteem beheert in het zuiden van de VS. De vraag naar analytics is enorm toegenomen in de hele organisatie en om daaraan te voldoen en mee te groeien in deze datagestuurde omgeving, heeft haar team zich erop gericht de datageletterdheid van alle medewerkers (huidige en nieuwe) te bevorderen in overeenstemming met de behoeften van de klanten en het bedrijf. Het team van Marina is sindsdien gegroeid van twee naar elf ontwikkelaars. Door deze toename van de datageletterdheid zijn de medewerkers meer betrokken en mondiger geworden en is de operationele efficiëntie over de bank genomen verbeterd.

De medewerkers van Lockheed Martin en andere bedrijven die programma's voor datageletterdheid ontwikkelen, zijn nu kritische denkers die in staat zijn zakelijke uitdagingen op te lossen met data en zo hun organisatie meerwaarde kunnen bieden. Volgens Gartner is datageletterdheid nu niet meer alleen een academisch speeltje, maar ook geaccepteerd in het bedrijfsleven als belangrijke aanjager voor digitaal zakendoen, naast andere factoren zoals mensen, processen en technologieën. Wanneer organisaties investeren in formele training, in community's die het leren bevorderen en in certificeringen om datageletterdheid te meten, kunnen hun medewerkers de data beter benutten en meer betekenen voor het bedrijf. Bovendien worden bedrijven dan meer agile, want voor digitale transformatie is datageletterdheid op alle niveaus vereist.

Domeinexperts en technologiedeskundigen gaan verder dan de hype en ontwikkelen een gedeelde visie op kunstmatige intelligentie en machine learning

Artificial Intelligence (kunstmatige intelligentie) wordt door iedereen gezien als de volgende stap in de digitale transformatie, en organisaties starten snel allerlei AI-projecten om concurrerend te blijven. "Naar schatting gaan de wereldwijde bestedingen aan AI stijgen van USD 35 miljard in 2019 naar USD 79,2 miljard in 2022, dus meer dan het dubbele", zo was de prognose van IDC vorig jaar. Ondanks de hogere uitgaven slagen de meeste organisaties er nog steeds niet in om waarde te halen uit hun AI-investeringen, omdat ze zich meer focussen op technologie dan op praktische toepassingen.

Dankzij nieuwe technologie en diensten heeft AI een nieuwe fase van volwassenheid bereikt. Organisaties kiezen steeds voor een meer praktische aanpak van hun AI-projecten in plaats van ze aan te sturen vanuit innovatielaboratoria. Ze beginnen met het opzetten van de teams die de AI-projecten moeten creëren, testen en implementeren. Andrew Moore, hoofd bij Google Cloud AI, schrijft in zijn artikel When AI Becomes an Everyday Technology in de Harvard Business Review: "Tegenwoordig is AI al op grote schaal geïmplementeerd, zodat mensen minder gefocust zijn op techniek, maar meer op zoek zijn naar een 'gedeelde visie' voor AI, waarbij AI en machine learning worden ingepast in bestaande processen en teamstructuren". Voorbij is de tijd dat datawetenschappers en ingenieurs apart aan AI-projecten werken. Nu gaan deze technologiedeskundigen in gesprek met domeinexperts over de strategische planning, zodat de plannen voor AI en machine learning in lijn zijn met de bredere bedrijfsstrategie.

Door deze gezamenlijke aanpak kan worden vastgesteld welke zakelijke besluiten het beste door AI kunnen worden onderbouwd en welke beter door mensen kunnen worden genomen. Stel dat je een nieuwe winkel opent waar je totaal geen ervaring mee hebt. Je kunt een AI-systeem vragen om aanbevelingen te doen wat betreft de verwachte verkopen voor je winkel op basis van het voetgangersverkeer of de demografie in het gebied. Maar je hebt nog steeds menselijke domeinkennis nodig voor ontbrekend inzicht in dingen zoals de zichtbaarheid van de locatie, informatie over concurrenten of parkeermogelijkheden in de buurt. De waarde van de door machine learning gegenereerde aanbevelingen reikt niet verder dan de mensen die de besluiten nemen. Richard Tibbetts, Principal Product Manager voor AI bij Tableau, zegt: "De opkomst van AI betekent nog niet dat een algoritme je kan vertellen hoe je een bedrijf moet runnen. Het zijn de domeinexperts die ervoor zorgen dat AI wordt ingevoerd en vertrouwd in een organisatie."

Als domeinexperts meedoen aan de gesprekken over AI en machine learning, behaal je mogelijk nog een ander belangrijk voordeel, omdat deze experts op hun beurt weer kunnen fungeren als voortrekkers van AI binnen het hele bedrijf. Door de toenemende samenwerking tussen technologiedeskundigen en domeinexperts wordt het delen van kennis aan beide zijden bevorderd. In een artikel van McKinsey Quarterly beschreef Cameron Davies, hoofd van Corporate Decision Sciences bij NBCUniversal, een gebruiksscenario voor de jaarprognoses. De teamleden besloten een set algoritmen voor machine learning te bouwen om het proces te verbeteren. In het beginstadium hebben ze een onderzoeker gevraagd om bij te dragen aan het project. Hij werd uiteindelijk een voortrekker in de bedrijfseenheden die andere mensen leerde hoe ze de aanbevelingen konden interpreteren.

Datadeskundigen verwerven nuttige kennis over de manier waarop het bedrijf data gebruikt, terwijl domeinexperts zich vanuit een niet-technische rol inzetten als pleitbezorgers voor databekwaamheid. Door hun relaties en expertise zullen domeinexperts een sleutelrol spelen bij de praktische toepassing van de resultaten van deze AI-projecten, ongeacht de afdeling en het team. Zo ontstaat er een nieuwe golf van volwassenheid voor AI-gebruiksscenario's.

Merken verrijken consumentendata met verhalen om de betrokkenheid meer authentiek en informatief te maken

Wat waren je favoriete foto's in 2019? Naar welke muziek heb je het meest geluisterd? Hoeveel sport en fitness heb je gedaan? Voor consumenten in de 21e eeuw zijn deze persoonlijke dataverhalen toegankelijker en inspirerender dan ooit. We zijn gewend geraakt aan bedrijven die onze data verzamelen en we verwachten zelfs dat ze ons een wekelijks of jaarlijks overzicht sturen over ons gedrag. En nu deze inzichten meer dan ooit voorhanden zijn, stimuleren merken de betrokkenheid van de consument door onze dataverhalen zinvoller, handiger en interactiever te maken.

Voor bedrijven is data-storytelling veel effectiever dan alleen feiten en cijfers om onze gewoonten te belichten en onze betrokkenheid te bevorderen. Denk aan je persoonlijke bankrekening: je hebt onmiddellijk toegang tot een gedetailleerd overzicht van alle transacties op je rekening, zoals betalingen, stortingen en kosten. Maar neem je ooit de tijd om deze lijsten te analyseren voor inzichten? Vervolgens stuurt de bank je aan het einde van het kalenderjaar een visuele presentatie met een geaggregeerde en op categorie gesorteerde samenvatting van al je aankopen. Deze andere kijk op je data helpt je direct om trends te herkennen en zinvolle vragen te stellen: "Heb ik te veel geld uitgegeven aan kleren in plaats van aan reizen of investeringen in mijn hobby's?"

Een snel overzicht van je uitgaven is een eenvoudig voorbeeld, maar dit soort jaaroverzichten laat zien waarom in context geplaatste data een krachtig hulpmiddel zijn om inzichten te verkrijgen. In een blogpost van Gartner (Use Data and Analytics to Tell a Story) schrijft auteur Christy Pettey: "Het is de context van de data die waarde biedt en die mensen interesseert en motiveert". Net als het geval is met de sterren van deze verhalen, wordt ook jouw interactie met data een stuk boeiender. Doordat de data rechtstreeks worden aangeleverd via je e-mail of smartphone, is het verkennen van de data gemakkelijk en verlies je er geen tijd mee.

De gepersonaliseerde inzichten zijn een goed middel om nieuwe vragen en acties uit te lokken, maar sommige bedrijven gaan nog een stap verder en geven ook aanbevelingen in combinatie met je data. Slack, de samenwerkingssoftware voor bedrijven, levert data over de kanalen en gesprekken waaraan je organisatie bijdraagt, maar geeft ook gepersonaliseerde suggesties, bijvoorbeeld om inactieve of weinig gebruikte kanalen achterwege te laten, zodat je je kunt richten op productievere gesprekken. (Voor alle duidelijkheid: er wordt heus niet gesuggereerd dat je geen foto's van je huisdieren meer met je collega's moet delen!)

Een interactief gebruik van persoonlijke data maakt het allemaal nog boeiender. In het overzicht Year in Review van Spotify konden luisteraars meedoen aan een quiz om te raden welke artiest ze het meest hadden gestreamd. Facebook presenteert ook een quiz voor jou en een van je contacten bij belangrijke mijlpalen voor een online vriendschap. Gestelde vragen zijn bijvoorbeeld: raad hoeveel keer je elkaars inhoud leuk vond, of kies welke van de vier foto's van jullie twee het eerst is geüpload etc. Het gebruik van een quiz maakt niet alleen de interactie met je historische data boeiender, maar biedt ook een interessante mogelijkheid om je vooringenomen ideeën over je eigen dataverhaal zichtbaar te maken.

We verwachten dat meer merken gebruik gaan maken van dit soort data-ervaringen en interactieve inzichten. Gepersonaliseerde klantervaringen helpen bedrijven om de loyaliteit en tevredenheid van klanten te vergroten en nieuwe kansen te creëren, zoals herhalingsaankopen, upselling en cross-selling. Maar ze bevorderen ook onze relatie met deze merken en bieden consumenten een aanzienlijke waarde, zoals interessantere ervaringen voor mensen die zich gewoonlijk niet bezighouden met data-analyse. Hoe waardevoller en informatiever onze interacties met onze eigen dataverhalen worden, hoe meer bedrijven ons kunnen helpen om ons gedrag te veranderen voor persoonlijke en professionele groei.

Data tonen aan dat rechtvaardigheid een sine qua non is om de medewerkerstevredenheid en de bedrijfsprestaties te verbeteren

Data wordt een essentiële bron voor organisaties die de rechtvaardigheid willen vergroten. Met betere data kunnen organisaties – van non-profitinstellingen en overheden tot bedrijven – vaststellen welke individuen of groepen ondervertegenwoordigd zijn of te maken hebben met structurele barrières hierbij. Alle betrokkenen kunnen hier diverse voordelen mee behalen. Het creëren van rechtvaardige omgevingen en systemen is niet alleen een morele kwestie, maar heeft ook een positieve invloed op personen en de betreffende organisaties. Bedrijven die transparant zijn over hr-data, zijn beter in staat hun medewerkers tevreden te stellen en te behouden, terwijl ze ook een nauwkeurige afspiegeling vormen van de community's en klanten die ze bedienen. Uit onderzoek is gebleken dat diverse en rechtvaardige werkplekken leiden tot onder andere hogere winsten, optimale operationele efficiëntie en een betere positie om talent te werven.

Organisaties kunnen data gebruiken om hun diversiteitsmetrieken tot in detail te analyseren en structurele ongelijkheden vast te stellen en te verhelpen. Mensen die momenteel zijn uitgesloten van beleidsdiscussies of die in aanmerking komen voor ondersteuning, worden gezien, begrepen en geholpen door middel van data in zowel de publieke als de particuliere sector. Non-profitorganisaties gebruiken data om rechtvaardigheid te bewerkstelligen via specifieke instrumenten die de rechten van vrouwen en meisjes bevorderen. Deze tools zijn speciaal bedoeld voor lokale ambtenaren. Overheden gebruiken dashboards voor rassengelijkheid om te zien waar mensen van een bepaald ras of gender, of met een bepaalde economische of culturele achtergrond, worden achtergesteld.

In het volgende voorbeeld uit het Amerikaanse onderwijssysteem zie je hoe data worden gebruikt om rechtvaardigheid te bewerkstelligen. Equal Opportunity Schools (EOS), actief in 540 scholen, werkt samen met schooldistricten om hun data te analyseren en zo de toegankelijkheid van Advanced Placement- en internationale baccalaureaatscursussen te verbeteren. In de afgelopen tien jaar heeft EOS scholen geholpen om meer dan 43.000 kansarme studenten met een niet-blanke etnische achtergrond of lage inkomens in te schrijven voor deze geavanceerde academische trajecten. De raciale diversiteit van scholen wordt momenteel niet weerspiegeld bij maar liefst 98% van de Advanced Placement- en internationale baccalaureaatsprogramma's in de Verenigde Staten.

EOS gebruikt data om scholen te helpen die snel en efficiënt willen bepalen welke studenten met een andere etnische achtergrond een kans van slagen hebben in deze vervolgopleidingen. Op die manier krijgen ze toegang tot onderwijs dat eerder buiten hun bereik was, terwijl tegelijkertijd de rassengelijkheid wordt bevorderd in deze programma's.

Met een vergelijkbare data-analyse voor de werkplek kunnen particuliere bedrijven sterkere diversiteits- en inclusieprogramma's opzetten en diagnostische instrumenten ontwikkelen om hun inspanningen kwantitatief te meten. Dankzij inzichten in beloning, gender en rassengelijkheid kunnen leidinggevenden bepalen wie wel en wie niet wordt toegelaten, en constateren of programma's voor iedereen toegankelijk zijn en hoe effectief de bestaande programma's zijn.

Transparantie rond data op de werkplek bevordert het vertrouwen en de tevredenheid van medewerkers. Een tevreden medewerker is productiever en presteert beter. Uit een rapport van Deloitte blijkt dat inclusieve organisaties 3,6 keer beter kunnen omgaan met individuele prestatieproblemen dan organisaties waar inclusiviteit geen deel uitmaakt van de strategie voor talent. Menselijk kapitaal is vaak de grootste investering voor bedrijven, dus hoe meer ze zich inspannen voor inclusiviteit, hoe beter ze talenten kunnen aantrekken en behouden, en dus hoe meer voordeel ze hiermee behalen op de lange termijn.

Een diverse, rechtvaardige werkplek is ook van invloed op de winstgevendheid. In een onderzoek van McKinsey (Diversity Matters) is een verband aangetoond tussen financiële prestaties en omgevingen die meer divers zijn qua gender en etnische afkomst. "De bedrijven in het bovenste kwartiel van genderdiversiteit hadden 15 procent meer kans om een financieel rendement te behalen dat hoger is dan de mediaan binnen die branche (op nationaal niveau). Bedrijven in het bovenste kwartiel van raciale/etnische diversiteit hadden 35 procent meer kans om een financieel rendement te behalen dat hoger is dan de mediaan binnen die branche (op nationaal niveau)". Deze relatie tussen prestaties en diversiteit versterkt de essentiële rol van data, en de bijbehorende transparantie, als bron om gelijkheid op de werkplek en dus de tevredenheid van medewerkers en het succes van de organisatie te bewerkstelligen.

Leidinggevenden zijn medeverantwoordelijk voor de toekomst van data en analyse

Organisaties investeren biljoenen dollars om meer datagestuurd te worden, maar de kloof tussen de 'leiders' en de 'achterblijvers' blijft alleen maar groeien ('leiders' zijn bedrijven met succesvolle data-initiatieven, terwijl 'achterblijvers' weinig rendement halen uit hun inspanningen). Bron: 2018 McKinsey Analytics Survey. Datagestuurde bedrijven die het meeste succes hebben, investeren evenveel in cultuur als in technologie, en integreren data in de kernactiviteiten van het bedrijf. En de cultuur van de organisatie, met inbegrip van de datacultuur, begint aan de top.

De opkomst van de Chief Data Officer (CDO) de afgelopen jaren was een teken van de groeiende waarde van data in de onderneming en de behoefte aan steun van het management voor data- en analytics-initiatieven. CDO's kregen de opdracht om één strategie voor analytics te bedenken voor alle aspecten van het bedrijf en zo een betere afstemming tussen IT en het bedrijf te bevorderen. Tegenwoordig zijn CDO's nog steeds de drijvende kracht achter de digitale transformatie, maar nu zijn alle leidinggevenden ervan overtuigd dat data en analytics een gedeelde verantwoordelijkheid zijn.

Van alle functionele leiders wordt verwacht dat zij de data- en analytics-strategie van hun organisatie versterken met kritische input van hun eigen teams. Leiders moeten begrijpen hoe mensen data gebruiken, delen en presenteren binnen hun vakgebied. "Je datastrategie moet de behoeften van de hele organisatie omvatten, zodat deze de overkoepelende bedrijfsdoelstellingen ondersteunt", zegt Mike Hetrick, Senior Product Marketing Manager bij Tableau. "Data- en analytics-strategieën moeten zich richten op mensen, processen en verandermanagement".

Een ander element van deze verantwoordelijkheid is de steun van het management. Van leiders wordt meer verwacht dan alleen de strategie: ze moeten hun medewerkers de nodige instrumenten en training geven om een datagestuurde toekomst te creëren. "Managers moeten niet alleen nadenken over hoe ze de technologie voor de hele organisatie kunnen schalen, maar ook adequate ondersteuning en training bieden, veranderingen doorvoeren en in staat zijn eventuele organisatorische belemmeringen te overwinnen", aldus Hetrick. "Ze moeten zich gedragen als rolmodel en een duidelijke voorvechter zijn voor data".

En dit geldt voor alle niveaus tot en met de CEO. Een voorbeeld is het toonaangevende Zuid-Afrikaanse luchtvaartbedrijf Comair. Het business intelligence-team van dit bedrijf wilde de selfservice-analyse openstellen voor meer mensen uit het hele bedrijf. Ze wilden een programma met data stewards opzetten om medewerkers te trainen en te helpen hun eerste stappen op dit gebied te zetten. Daarnaast werden datadeskundigen geïntegreerd in de bedrijfsfuncties om nieuwe gebruikers bij te staan en de selfservice-aanpak te bevorderen. Het programma werd ook gesteund door de CEO, waardoor er al snel voortgang werd geboekt bij het creëren van een analytische cultuur. "We hebben het geluk dat onze CEO zeer is geïnteresseerd in data", aldus Liezl Brouckaert, Business Intelligence Manager bij Comair. "Zonder de actieve steun van de CEO is het bijna onmogelijk om een business intelligence-programma aan te sturen".

Door deze aanpak heeft het hele management beter onderbouwde inzichten in data en analytics, waardoor data ook een belangrijk onderwerp zijn bij strategische overwegingen en bestuursvergaderingen. Wanneer deze samenwerking begint op managementniveau, dan zijn data- en analytics-initiatieven verzekerd van de nodige steun om de fundamentele werkwijze van de organisatie te transformeren en data te integreren in de dagelijkse gesprekken en gedragingen van elke afdeling en elke rol.

Organisaties maken vaker gebruik van databeheer als ondersteuning voor datagestuurde besluitvorming op schaal

Heb je nagedacht over de status van je data? Weet je waar ze zijn, wie ze gebruikt en hoe vaak? Weten mensen in je organisatie welke data geschikt zijn voor de besluitvorming, en hoe ze daar toegang toe krijgen?

Datagestuurde leiders maken het verschil voor hun organisaties met nieuwe oplossingen voor de integratie van gedistribueerde datapijplijnen. De rollen en processen voor de voorbereiding, het beheer en de verspreiding van data binnen het bedrijf evolueren net als de datatechnologieën zelf. IT kan een voorbeeld nemen aan Ghostbusters: tegen alle adviezen in moet je soms de oversteek wagen om de grootste, engste problemen op te lossen. In dit geval moeten de grenzen tussen de verantwoordelijkheden van IT en het bedrijf voor databeheer vervagen, zodat organisaties niet langer worden beperkt door functionele grenzen, bedrijfsbrede data-integratie op schaal mogelijk wordt en mensen in de hele organisatie op het juiste moment over de juiste data beschikken.

Deze uitdagingen op het gebied van data-integratie moeten worden opgelost om interne en externe compliance te handhaven en de organisatie in staat te stellen een volledig beeld te krijgen van het bedrijf, klanten te begrijpen en nieuwe zakelijke mogelijkheden te vinden. Veel organisaties zijn al bezig met de identificatie, de voorbereiding, het beheer en het beschikbaar maken van de data die het meest ten goede komen aan de hele organisatie. En waar succes is, verandert ook het databeheer, beginnend met de technologie.

Oplossingsaanbieders integreren databeheermogelijkheden steeds vaker voor een bredere gebruikersgroep dan alleen IT. En naarmate de functionaliteit meer is ingebed in de workflow van zakelijke gebruikers, inclusief in analyseplatforms, gaan de medewerkers een steeds actievere rol spelen bij de verantwoordelijkheid voor databeheer – een rol die voorheen werd vervuld door IT. Dit is de natuurlijke volgende stap in de evolutie van selfservice voor business intelligence: organisaties verbreden eerst de toegang tot data, maken vervolgens een meer gedetailleerde verkenning mogelijk en laten dan nieuwe soorten gebruikers content voor analytics schrijven. Nu zijn sommige zakelijke gebruikers in staat om zich met de data zelf bezig te houden. In elk van deze stadia leerde IT hoe beheer en selfservice in balans kunnen worden gehouden, zodat zakelijke gebruikers een deel van de last kunnen wegnemen. Deze 'oversteek' zal van cruciaal belang zijn voor het beheer van data en analytics naarmate de integratie vordert in de hele onderneming.

De selfservice bij datavoorbereiding is een goed voorbeeld van deze evolutie. Verschillende aspecten van de traditionele processen voor het ophalen, transformeren en laden van data kunnen nu worden uitgevoerd via selfservice met behulp van moderne tools die zijn geïntegreerd in de analytische workflow. Dit vergroot niet alleen de kans op ad-hoc-ontdekkingen, maar kan ook als uitgangspunt dienen om nieuwe gebruiksscenario's te testen voordat deze worden opgeschaald naar de hele organisatie. En dus is het een win-winsituatie: het bedrijf kan meer verantwoordelijkheid nemen voor databeheer, waardoor de van oorsprong lange levenscyclus wordt verkort, en IT-medewerkers hebben meer ruimte om het gespecialiseerde werk te doen waar ze het beste in zijn.

Een ander voorbeeld van deze evolutie is de datacatalogus: een inventarisatie van data-assets waarmee data kunnen worden gedefinieerd en gekwalificeerd en tegelijkertijd de relaties tussen databronnen, inhoud en gebruikers worden bijgehouden. In organisaties met een gedistribueerde verantwoordelijkheid voor de integratie en het beheer van data is een catalogus essentieel als centrale visie op de evolutie van data-assets binnen het bedrijf. Catalogi kunnen helpen om data gemakkelijker te ontdekken en promoten, de relevantie en actualiteit ervan te begrijpen en te controleren wie bepaalde assets gebruikt.

Moderne catalogi geven deze waardevolle informatie, samen met zakelijke context, weer in de stroom van gebruikersanalyses. Naarmate meer data worden geïntegreerd en breed beschikbaar worden in de organisatie, krijgen mensen op die manier inzicht in de kwaliteit van hun data en hoe ze deze kunnen gebruiken binnen de beleidsrichtlijnen. Datageletterdheid is hierbij van cruciaal belang: gebruikers moeten op zijn minst leren data-indicatoren te interpreteren en betrouwbare, relevante data te herkennen. Wanneer gebruikers van data hun eigen data stewards kunnen zijn, vermindert dit de last voor IT en draagt het bij aan een verantwoord gebruik bij het nemen van beslissingen. Vervolgens kunnen meer geavanceerde gebruikers met de juiste vaardigheden deelnemen aan de selfservice voor datavoorbereiding, nieuwe databronnen certificeren voor gebruik door de organisatie en bedrijfscontext toevoegen als metagegevens tijdens een onderhoudsproces.

IT en het bedrijf kunnen komen tot een nieuwe manier van samenwerking en harmonie waar functionaliteit en verantwoordelijkheid in elkaar overvloeien. Met een op maat gemaakte aanpak die ook zakelijke gebruikers en doelstellingen omvat, kunnen succesvolle bredere initiatieven op het gebied van databeheer worden ondernomen, omdat IT en het bedrijf zich samen inzetten om de zichtbaarheid, vindbaarheid en betrouwbaarheid van de data-omgeving te vergroten. De organisatie is dan ook beter in staat om de meest waardevolle data-assets te identificeren en prioriteren, en betere ondersteuning te bieden voor beheerde data en analytics op schaal.