Data is essentieel onderdeel van strategie

Veel cio’s worstelen met het probleem om het topmanagement te overtuigen van het nut te investeren in data en datamanagement. Als je data in het hoofd van die executives weet te koppelen aan het vermogen om al dan niet de corporate doelstellingen te bereiken, kun je de executives expliciet ‘nee’ of ‘ja’ laten zeggen op een vraag als 'Wil je investeren in data als het niet-investeren betekent dat je je doel niet gaat halen?'. Dat is een vraag waar ze uiteindelijk geen nee op kunnen zeggen. Ze zullen dan geen bezwaren meer hebben en zelfs meefinancieren. Je moet data dus verbinden aan je strategie.

Een belangrijk instrument om data te koppelen aan strategie is de zogeheten strategy map. Ceo’s moeten weten dat ze de corporate doelstellingen kunnen bereiken door goed datamanagement en datagovernance. Een strategy map biedt een overzicht van hoe een strategie zich vertaalt in concrete projecten en kan dan inzichtelijk maken welke data een rol speelt in die initiatieven, en wat de status van die data is. Welke data heb je nodig om een strategie te ondersteunen, wat zijn de verschillende soorten data, wat is de definitie van die data, de kwaliteit en de governance? Wat is de status van al die kenmerken? Nu weet je precies welke data-actie er nodig is om het betreffende business initiatief tot een succes te maken. Je hebt op deze manier de datamanagementbehoefte direct gekoppeld aan de kans op zakelijk succes. Dan is er geen executive meer die nee zegt.

Big data

Big data gaat veel minder over volume dan vaak wordt gedacht. Big data gaat over nieuwe soorten data, nieuwe formats, nieuwe manieren om data te gebruiken en nieuwe technologie die dit mogelijk maakt. Het niet benutten van de big data-kans omdat je ‘eigenlijk helemaal niet zo verschrikkelijk veel data hebt’, is geen excuus. Met technologie als High-Performance Analytics (HPA), Hadoop en Visual Analytics kun je bestaande processen en analyses verschrikkelijk veel sneller doen, maar je kunt ook nog eens heel veel nieuwe dingen doen.

Als je berekeningen (bijvoorbeeld het inschatten van kredietrisico’s) in plaats van in twee dagen in een paar minuten kunt doen bereik je heel nieuwe niveau van efficiency en kostenbesparing. Daarnaast heb je te maken met heel nieuwe soorten gegevens als social media data. Bedrijven weten nog nauwelijks hoe ze daarmee om moeten gaan en hebben nog geen producten of instrumenten om er mee om te gaan. Nieuwe soorten data, nieuwe bronnen, steeds snellere beschikbaarheid ervan en steeds minder tijd om beslissingen te nemen betekent eens te meer dat big data neerkomt op het managen van data als een asset en dat je nieuwe strategische beslissingen moet nemen.

Datakwaliteit is voor big data overigens minder belangrijk. De lage instapkosten voor Hadoop en HPA maken het mogelijk ruwe, minder schone data gewoon in een dergelijk platform te ‘laten lopen’ en dan de technologie met de vervuilde versie te laten werken. De context bepaalt de relevantie of het belang van kwaliteit. Dat wordt het gesprek voor de komende tijd, het managen van je data in de context van het gebruik dat je ervan wilt maken. De schaalvoordelen van het hergebruik van data werken in het voordeel van ruwe ongefilterde data. Het feit dat de kwaliteit contextgerelateerd is, en je dus niet álles meteen vanaf het begin 100 procent schoon hoeft te hebben maakt het feitelijk ook makkelijker om te beginnen. Je kunt klein beginnen.

Discovery

Big data leent zich met de nieuwe technologieën ook prima voor ‘discovery’, het vinden van zaken waar je niet naar op zoek was. Jill Dyché, specialist op het gebied van data management en data governance schreef hier onlangs een goed verhaal over op Harvard Business Review. Traditioneel database-onderzoek vereist een zekere mate van hypothese, maar het doorspitten van big data (big data mining) onthult relaties en patronen waarvan we niet eens wisten dat we daar naar op zoek waren. Executives nemen te vaak aan dat er geen tijd is (laat staan budget) voor knowledge discovery. Sterker nog, de term suggereert ook feitelijk een soort academische exercitie zonder tastbare terugverdientijd.

Maar big data discovery inspanningen kunnen leiden tot verrassende en zeer bruikbare bevindingen. Dit soort ‘eureka’ gebeurt niet zomaar. Bedrijfsleiders moeten een cultuur van discovery bevorderen en middelen vrijmaken voor big data proof-of-concepts zonder daar directe hoge verwachtingen van de resultaten aan te koppelen. Het is in die zin niet anders dan met R&D. Veel grote ontdekkingen en uitvindingen zijn bijproducten van heel ander onderzoek, zaken waar men niet specifiek naar op zoek was.