Afgelopen jaren werd de ‘data gedreven organisatie’ populair. Iedereen moest ‘data gedreven’ of ‘informatie gestuurd’ gaan werken. We werden overspoeld met trainingen, workshops en adviezen. De meest mooie uitleg heb ik voorbij zien komen. Zoals ‘u neemt dan uw managementbeslissingen voortaan op basis van feiten’. Alsof u dat vroeger niet deed. Of ‘iedere medewerker erkent nu de potentiële waarde van data’, alsof medewerkers dat eerder niet erkenden. Of deze: ‘bij data gedreven werken, is data leidend, als data aangeeft dat je rechtsaf moet, ga je ook rechtsaf.’ Ik vraag me dan altijd af: wat als rechts een betonnen muur staat en links mooie kansen liggen? Waarom zouden mensen in een ‘niet data gedreven organisatie’ de waarde van data niet herkenen? Zeker als de beschikbare data goed georganiseerd is. 

Vier faalfactoren

Veel ‘datagedreven projecten’ blijken intussen stilletjes te zijn gesneuveld. Een artikel van Forbes van november 2022 geeft vier redenen waarom zelfs de beste organisaties vaak niet slagen informatie-gestuurd te worden. Allereerst de afwezigheid  van een specifiek, relevant op te lossen probleem. Welk probleem wil de organisatie in feite oplossen? Een tweede faalfactor is het gebrek aan gebruiksvriendelijke techniek. Niet alleen middelen voor het kúnnen verzamelen en analyseren van data, maar ook de juiste en gebruiksvriendelijke interfaces om met data te kunnen werken. 

Een derde factor is dat data-analyse een serieuze wetenschap is die in de hele organisatie moet zijn ingebed. Er moet een cultuur zijn om als organisatie te begrijpen hoe het bedrijf wordt gestuurd op basis van bijvoorbeeld de terugkoppeling van gebruiks- en marktdata van eindklanten. Hiervoor moeten afdelingsgrenzen worden doorbroken en gegevenssilo’s worden afgebroken. Een belangrijke faalfactor voor vooral ambtelijk georganiseerde organisaties. Tenslotte het gebrek aan moeite van het management om de medewerkers te socialiseren met de datagedreven doelstellingen. Begrijpen medewerkers de aangedragen gereedschappen, de portals en technieken? Kunnen ze er inhoudelijk mee omgaan? Vaak wordt in de mooiste middelen geïnvesteerd maar zijn er uiteindelijk slechts enkele enthousiastelingen die er goed mee uit de voeten kunnen. 

Organisatie van de data zelf

Last but not least is vaak níet de organisatie van mensen of proces de dominante faalfactor. Maar de organisatie van de data zelf. Als je vóóraf niet goed weet of begrijpt welke data in welke vorm nodig is om inhoudelijke beslissingen te nemen, heeft data gedreven werken echt geen zin. Het blijft een marketingkreet die zakelijk gezien weinig zoden aan de dijk zet. Ook toegankelijkheid tot data blijkt een groot struikelblok. Als die toegang niet volledig open én begrijpelijk is, worden medewerkers of afdelingen alsnog gedwongen eigen data te verzamelen. Deze zelf om zich heen te organiseren om hun werk te kunnen blijven doen. Met als resultaat een groeiende verzameling van lokale silo’s met niet actuele en niet uitwisselbare data. En elk succes tot datadeling, informatie-uitwisseling en dus samenwerking in de keten bij voorbaat onmogelijk is *) 

Datagedreven werken vraagt centralisatie van de data-organisatie.

Eén verantwoordelijke (organisatie) die alle gebruik van alle data in de organisatie kan overzien en de bevoegdheid én het budget heeft die data voor iedereen ordentelijk te kunnen organiseren en beschikbaar te stellen. Informatie gedreven werken werkt niet in een poldermodel of in afzonderlijke, hiërarchisch georganiseerde organisaties. Daarnaast mag niemand buiten de organisatie om, eigen data verzamelen en gebruiken. Als data nodig is, wordt de behoefte op één plaats benoemt en ingevuld. Dat was het succes van het oude mainframe: er was (noodzakelijkerwijs) één centrale database met één databibliotheek en -catalogus. Terwijl van elke data – als asset – zowel entiteiten als attributen inhoudelijk beschreven werden en – nog belangrijker – onderhouden bleven. Decentrale client/server applicaties en later de multicloud heeft veel van deze oude vorm van data-organisatie verloren laten gaan. Ik pleit al jaren voor een revival van die oude, succesvolle centrale data-organisatie. 

Data organiseren is een vak

Naast centralisatie van de dataverantwoordelijkheid is het ‘kunnen werken met data’ een vak. Hoewel wij allemaal in deze eeuw van digitalisering begrijpen wat data is, waar we data kunnen vinden en hoe we data kunnen gebruiken, betekent dat niet dat we dan ook ‘data gedreven‘ kunnen werken. Net zoals we allemaal de Nederlandse taal machtig zijn, wil dat nog niet zeggen dat je daarmee ook een neerlandicus bent. Om als organisatie goed en gekwalificeerd met data te kunnen werken, moet centraal de kwaliteit, beveiliging, privacy en governance geregeld zijn. Naast afspraken over over dataplatformen en gebruiksstandaarden.

We kunnen dit samenvatten onder de naam data-architectuur. Elke data-architectuur is onlosmakelijk verbonden met en onderdeel van de business of enterprise architectuur. De fundamentele ordening van processen, organisatie en de factoren die de ontwikkeling hiervan bepalen. Inclusief beschrijving van deze fundamentele ordening met principes en modellen. Een enterprise architectuur is in de huidige digitale wereld onlosmakelijk verbonden met een informatie-architectuur. Immers proces en informatie zijn technisch steeds onlosmakelijker met elkaar verbonden en integreert uiteindelijk tot één geïntegreerd digitaal systeem of platform. Het informatiesysteem is – na eerst slechts ondersteunend te zijn – nu het proces zelf geworden. 

Onder architectuur werken

Een data gedreven organisatie of informatie gestuurd proces kan slechts succesvol zijn als het op basis van een centrale architectuur is ontworpen en ingericht. Zeker wat betreft verwachte schaalbaarheid en toekomstige functionaliteit, is het hebben van een robuuste architectuur een garantie voor een toekomstvaste organisatie. In de wereld van digitalisering blijkt telkens weer: ‘a good architecture last forever.’ Waarbij architectuur niet alleen proces en informatie beschrijft, maar ook de besturing en de ondersteuning die daarvoor nodig zijn. 

Een goed hulpmiddel om ‘onder architectuur’ te kunnen werken, is kunnen denken in systemen.  Net als een systeem heeft een organisatie gemeenschappelijke eigenschappen en kenmerken waaronder structuur, functie(s), gedrag en onderlinge verbondenheid. In een eerdere blog schreef ik over de renaissance van system engineering om complexe processen en organisaties te modelleren. De wederzijdse integratie en afhankelijkheid van zowel digitalisering (data) als proces (verwerking) en gebruik (klant), maakt het modelleren van organisaties steeds lastiger. Zeker als die organisaties zelf weer onderdeel uitmaken van een groter geheel en data delen en informatie uitwisselen en daarmee kennis opbouwen.

Systeemdenken

Data gedreven werken en informatie gestuurde organisaties zijn gebaseerd op systeemdenken. Dataverzamelingen, informatiestromen en procesketens. Hoe kan een individuele medewerker of organisatie in de keten een nuttige functie vervullen terwijl de gebruikte data, informatie en processen onderdeel zijn van de hele kennisorganisatie *) 

Begrijpen hoe opzet en organisatie van hoofd- en onderliggende subsystemen gaat. In een proces gelijktijdig klant en leverancier van informatie en dus data te zijn. Als je dit begrijpt, dan begrijp je ook het belang van enterprise, informatie en data architecturen om die systemen en subsystemen ordentelijk te ontwerpen en met elkaar te laten samenwerken. En dan komt de data gedreven en informatie gestuurde organisatie vanzelf binnen handbereik.

*) Data is een inhoudelijk gegeven. Informatie is een gerichte boodschap opgebouwd uit data. Daarom moet data zowel  passief en actief worden verzameld om te kunnen delen, te gebruiken en fungeert als geweten en archief. Informatie is een (dynamische) boodschap over een gegeven of transactie en de uitkomst van een proces. Met informatie wordt data als boodschap uitgewisseld die uiteindelijk kennis (‘intelligence’) gegenereert.

Photo by Marius Masalar on Unsplash