Succesvol omgaan met datavolwassenheid

Hoe ga je als gemeente of andere publieke organisatie succesvol om met datavolwassenheid? Vorig jaar publiceerde BMC een eigen visie op datavolwassenheid en ontwikkelde een model voor toepassing in de praktijk. Uit de eerste ervaringen met het BMC-model blijkt dat het werken aan een data-gedreven organisatie vraagt om evenwicht in technische en organisatorische aspecten. In dit artikel een paar wenken hoe u dat bereikt.  

Het datavolwassenheidsmodel van BMC onderscheidt de niveaus ’Weten’, ‘Begrijpen’, ‘Voorspellen’ en ‘Bepalen’. Op de niveaus ‘Weten’ en ‘Begrijpen’ kunt u als organisatie met behulp van data doelgerichter en effectiever sturen. De hogere niveaus ‘Voorspellen’ en ‘Bepalen’ bieden u de mogelijkheid vooruit te kijken en de beleids- en besluitvorming van uw organisatie te versterken.

Bepalen waar de organisatie zich bevindt

Het BMC-model beschrijft zes onderdelen die bepalen op welk niveau uw organisatie zich bevindt. Deze zijn:

• Leiderschap en (Data-) Cultuur
• Strategie en Besturing
• Procesmatig werken
• Definities en Datakwaliteit
• Architectuur en Tooling
• Medewerker (kennis en vaardigheden)

Het is voor uw organisatie van belang evenwicht te bereiken op alle zes onderdelen, om maximale waarde uit uw data te halen.

Stap voor stap naar het volgende niveau

Uw organisatie heeft evenwichtige datavolwassenheid bereikt als alle onderdelen van de organisatie zich tegelijkertijd op hetzelfde niveau bevinden. Dan wordt het tijd om te gaan werken aan het volgende niveau. U kunt in die beweging geen stappen overslaan. Wanneer uw organisatie de ambitie heeft om van ‘Weten’ naar ‘Bepalen’ te groeien, zal dat altijd moeten lopen via de niveaus ‘Begrijpen’ en ’Voorspellen’. Overigens kunnen tussen afdelingen binnen uw organisatie wel verschillende niveaus bestaan, zolang ze op zichzelf evenwichtig zijn ontwikkeld.

Bewustzijn creëren

Inmiddels hebben tientallen organisaties in het openbaar bestuur en de zorg gebruikgemaakt van het BMC-model, in het kader van onze trainingen en adviestrajecten. Uit deze ervaringen blijkt dat ons model uw organisatie vooral kan helpen bij het creëren van bewustzijn en bij het ontwikkelen van concrete stappen rond het werken aan evenwicht, op alle onderdelen die een data-gedreven organisatie bepalen. 

Verschillend invullen 

In onze adviespraktijk zien we dat verschillende mensen uit dezelfde organisatie ons model verschillend kunnen invullen. Vaak is dit te verklaren doordat de niveaus per organisatieonderdeel kunnen verschillen of doordat er op dit thema nog onvoldoende verbinding en samenwerking is. Het model is dus ook een mooie tool om binnen uw organisatie het gesprek te voeren en de interne samenwerking op dit thema te versterken. Aan de hand van de bovengenoemde zes onderdelen gaan we eens dieper in op onze bevindingen.

Leiderschap en Data-cultuur is sterker dan andere onderdelen

Veel organisaties scoren zichzelf op dit onderdeel vaak het hoogst (rond het niveau van ‘Begrijpen’ tot aan ‘Voorspellen’). Dat is op zichzelf een goed teken. Draagvlak en leiderschap vanuit de formele en informele top zijn namelijk cruciaal. Die heeft u nodig om de randvoorwaarden te kunnen creëren: denk aan de nodige investeringen in IT-tooling, ontwikkeling van competenties en vaardigheden in de gehele organisatie en het kunnen sturen op datakwaliteit. Daarnaast is het goed te beseffen dat een ambitie hebben nog niet betekent dat u er ook al bent. En vergeet vooral ook niet de waarde te ervaren met wat nu al kan. 

Loop dus niet te veel voor de troepen uit en houd de ambitie bereikbaar en haalbaar. De ‘top’ overschat soms de bereidheid van de organisatie om daadwerkelijk de digitale transformatie aan te gaan, inclusief de benodigde investeringen. Daarnaast geven we u mee dat experimenteren met data en het creëren van waardevolle voorbeelden belangrijk zijn om de data-cultuur in de organisatie te vormen. Door heel concreet te laten zien welke waarde het werken met data kan toevoegen voor uitvoering, beleid en management, worden uw medewerkers geïnspireerd en komen de behoeften en ideeën uit uw organisatie naar voren.

Strategie en Besturing wordt te hoog ingeschat 

Het onderdeel Strategie en Besturing scoort ook relatief hoog, maar daarbij speelt vaak dat de wens de vader is van de gedachte. Het sturen op het gebruik van data en (beter nog) het sturen mét data is in de praktijk vaak nog te weinig geformaliseerd en daarmee te vrijblijvend. Ook zijn lang niet altijd meerjarige budgetten gealloceerd om de noodzakelijke verandering mogelijk te maken en vol te houden.

Om uw organisatie te laten groeien in datavolwassenheid is het belangrijk dat u de strategie op de gehele organisatie betrekt. We zien bij veel organisaties dat de toepassing van data van oudsher nog veelal bij de staffuncties is belegd, terwijl juist vanuit de primaire processen nog een wereld te winnen valt. Denk aan het effectiever en efficiënter inzetten van het schaarse personeel of het verbeteren van de kwaliteit in de primaire processen.

Een eerste stap die u kunt zetten in het sturen met data, is het werken aan concretisering van beleidsdoelen in de verschillende domeinen. Door specifiek te maken wat u wilt bereiken, bijvoorbeeld in het sociaal domein of rond de energietransitie, werkt u aan beter begrip van definities, te behalen doelen en te beïnvloeden factoren. Allemaal belangrijke voorwaarden om het werken aan beleidsdoelen te kunnen versterken met data.

Proces(matig) werken lang niet altijd geïmplementeerd

Een belangrijke voorwaarde om te digitaliseren is dat u beschikt over gemodelleerde werkprocessen. En pas als u gedigitaliseerd heeft, ontstaan databronnen die herbruikbaar zijn voor data-gedreven werken. Veel gemeenten zijn al langer bezig met het beschrijven van processen en het werken volgens vaste werkafspraken. Toch is procesmatig werken vaak niet voldoende doorgezet in de praktijk. Processen zijn vaak wel min of meer beschreven voor bijvoorbeeld het zaakgericht kunnen werken, maar niet geïmplementeerd en zeker niet altijd in praktijk gebracht.

Procesmatig werken is niet alleen een voorwaarde om data te laten ‘ontstaan’ in werkprocessen. De mate waarin uw organisatie procesmatig werkt, zegt ook iets over het vermogen van uw organisatie om systematisch en methodisch te kunnen werken. Een voorbeeld in de zorg is dat medewerkers alle (bijna) incidenten op een gestructureerde wijze melden bij de organisatie. De data die dit oplevert, wordt gebruikt om te rapporteren en te analyseren (datavolwassenheid: ‘Weten’ en ‘Begrijpen’). Maar het gebruik van deze data om incidenten te voorspellen of te voorkomen (‘Voorspellen’ en ‘Bepalen’) staat nog vaak in de kinderschoenen, omdat processen rondom het analyseren, verkrijgen van inzichten en daarmee het toevoegen van waarde nog niet altijd zijn beschreven.

Definities en Datakwaliteit: werk aan de winkel!

Het onderdeel datakwaliteit is qua investeringen vaak het grootste pijnpunt. Data die in werkprocessen wordt geregistreerd (primaire toepassing) voldoet misschien aan de kwaliteitseisen voor het proces zelf (bijvoorbeeld WMO-zorg toewijzen of cliëntenzorg), maar dat geldt vaak niet voor secundaire toepassingen, zoals het maken van data-analyses. Dan is het wél een probleem als niet alle velden zijn ingevuld of verschillende definities worden gehanteerd.

Een deel van de oplossing zit in het beter registreren in het inhoudelijke proces, maar er blijft altijd een verschil tussen wat goed genoeg is voor de primaire toepassing én wat nodig is voor de secundaire toepassing. Daarbij komt dat door de groei van de hoeveelheid databronnen (zoals sensoren) én de opkomst van toepasbare analytics-technieken het steeds meer mogelijk wordt om ongestructureerde data te verwerken, waardoor de afhankelijkheid van alleen gestructureerde data afneemt.

Om als organisatie daadwerkelijk waarde te verkrijgen uit data zijn definities en datakwaliteit heel belangrijk. Als u die niet goed heeft geregeld, bijvoorbeeld doordat taken en verantwoordelijkheden niet goed zijn belegd, bestaat het risico op fouten in de analyses en dus onbruikbare resultaten. Daarom is het voor u als organisatie goed om de data-governance op orde te hebben. Bij veel organisaties staan data-governance en -management nog in de kinderschoenen. Hierdoor zijn sturing op gegevenskwaliteit in werkprocessen en het toepasbaar maken voor multidisciplinaire vraagstukken binnen de organisatie niet goed geborgd. 

Bovendien kunt u met goed datamanagement het maximale te halen uit de data die uw organisatie verzamelt. Bij zowel gemeenten als in de zorg worden steeds meer sensoren gebruikt in ‘slimme’ apparaten, zoals lantaarnpalen, camera’s, bewegingsdetectoren en (zorg)robots: bijna altijd voor ondersteuning in het operationele proces. Maar de data die de sensor genereert, wordt niet altijd gebruikt om tactische en strategische data-inzichten te verkrijgen.

Architectuur en Tooling: verdeeld beeld

Bij organisaties waar data-gedreven werken is geïnitieerd vanuit het IT-domein, is dit vaak relatief goed op orde. Vanuit de continue innovatie zijn investeringen gedaan in tooling, koppelingen, warehousing en (bij analytics-toepassingen) rekenkracht. Deze investeringen worden echter niet altijd benut. De afdeling die betrokken is geweest bij de implementatie ervan, is op zoek naar gebruikers en organisatie-brede afspraken, om de datakwaliteit geschikt te maken voor gebruik in de tooling die al klaar staat. 

Om als organisatie daadwerkelijk waarde te kunnen toevoegen vanuit de architectuur en tooling, is het belangrijk dat u de gebruiker er vanaf het eerste moment bij betrekt. We zien in de praktijk dat gebruikers vaak te weinig of te laat betrokken worden in het proces, terwijl die juist het beste zicht hebben op de probleemstelling waar de tooling een oplossing voor kan bieden. Daartegenover staat dat de IT-specialisten het beste zicht hebben op de mogelijkheden die de data en tooling bieden om waardevolle inzichten te creëren. Het is dus belangrijk dat een samenspel ontstaat tussen de behoefte van de gebruiker en de mogelijkheden van de tooling. 

Bij andere organisaties is er juist aarzeling over het doen van investeringen, vaak vanwege het gebrek aan kennis over de toegevoegde waarde van technologie of omdat de vraagstukken die ermee kunnen worden opgepakt niet onder ogen worden gezien. Het gaat vaak over meerjarige investeringen, met afhankelijkheden van samenwerkingspartijen, zeker in het gemeentelijke domein. Als er al investeringen kunnen worden gedaan, is het vaak niet duidelijk welke route en prioritering daarbij moet worden gehanteerd en of zaken zelf moeten worden aangeschaft of dat gebruikgemaakt moet worden van outsourcing. In dat geval heeft u een strategisch plan nodig om een inhoudelijk en financieel kader te hebben voor het doen van investeringen. Met name organisaties waar de ontwikkeling naar een data-gedreven organisatie van onderop moet komen, lopen hier tegenaan.

Medewerker: werken aan vaardigheden en competenties

Data-gedreven werken gaat in de kern om het creëren van waarde voor maatschappelijke of organisatorische vraagstukken. Die waarde komt tot stand in de wisselwerking tussen data-inzicht en de duiding door professionals. Data-gedreven werken gaat dus in sterke mate over het vermogen van professionals om een concrete behoefte te formuleren, gebaseerd op hun eigen inhoudelijke doelstellingen én om data-inzichten te gebruiken bij hun eigen beleids- en uitvoeringswerk.

Dit vraagt om basiskennis omtrent meerwaarde en mogelijkheden van datatoepassingen en om vaardigheden op het gebied van multidisciplinair samenwerken, vraagverheldering, oorzaak-gevolganalyses en het kunnen formuleren van een informatiebehoefte. Hiervoor zijn opleiding, training en vooral praktijkervaring nodig. U kunt er daarom voor kiezen in uw organisatie data-ambassadeurs aan te stellen, bijvoorbeeld in de vorm van digi-coaches. Deze coaches ondersteunen en adviseren de medewerkers in de toepassing van de data-inzichten. 

Wat kunt u doen om datavolwassenheid tot een succes te maken? 

Conclusie 1: Vind evenwicht tussen alle onderdelen om verder te komen in datavolwassenheid

De ontwikkeling naar een data-gedreven organisatie verloopt per organisatie verschillend. Daar waar ‘de energie’ zit, is de organisatie in termen van datavolwassenheid het verst. De kunst is om op dat onderdeel niet te ver voor de troepen uit te gaan lopen, want dat kan leiden tot afhaken van eindgebruikers (medewerkers en management), niet-doelmatige investeringen en uiteindelijk onvoldoende waarde kunnen halen uit de data. Leg uw focus op een evenwichtige wisselwerking tussen alle onderdelen, om ze gelijkmatig te laten ontwikkelen naar een volgende stap van datavolwassenheid.

Conclusie 2: Organiseer een trekkende coalitie om het evenwicht te realiseren

Professionals die op dit moment een coördinerende rol hebben rond data-gedreven werken, doen er goed aan zich dit bewust te zijn. Ze hoeven zich niet per se verantwoordelijk te voelen ook op andere onderdelen de trekker te zijn, maar moeten er juist voor zorgen dat anderen dat worden. Zo zal een IT-professional die met succes een dataplatform inclusief tooling heeft weten te implementeren, niet altijd worden gezien als de voor de hand liggende persoon om ook het bewustzijn rond strategische sturing of procesverbetering te versterken. Deze onderdelen liggen logischerwijs veel meer bij respectievelijk de concern-controller en de procesverantwoordelijke van het inhoudelijke domein.

John Kotter1 zei het al: “De aanvankelijke trekker doet er dan ook goed aan om te werken aan het creëren van een leidende coalitie. Dit vraagt zeker een beweging van onderop, maar kan niet zonder duidelijk commitment en daarmee opdracht vanuit de directie. Het gaat immers om het toekomstbestendig maken van de organisatie waarvoor tijd en middelen dienen te worden vrijgemaakt.”

Werken aan een datacultuur: tips om mee aan de slag te gaan!

In onze ervaring is het werken aan een data-gedreven organisatie vooral een kwestie van experimenteren en versterken op de aspecten om tot evenwicht te komen. Concreet hebben we de volgende tips:

• Gebruik een datavolwassenheidsmodel (zoals dat van BMC) om periodiek met alle betrokkenen het gesprek te voeren over genereren van waarde met data, voor zowel uitvoering, beleid als management, en wat daarvoor nodig is.
• Laat u inspireren door voorbeelden binnen en buiten uw eigen domein of sector. Door te experimenteren zet u het denken ‘aan’.
• Investeer in het samenspel tussen het concreet krijgen van inhoudelijke doelen en het daarvoor voorzien van data.
• Trek de beweging met een groepje collega’s die geïnteresseerd zijn in hoe je met data het werk beter, leuker en impactvoller kan maken. Probeer niet direct iedereen te betrekken, maar doe het ook niet alleen.

Meer informatie

Meer weten over onze ervaringen met data? Volg ons dan op Linkedin of neem contact met ons op voor een inspiratiegesprek.