Het schrijven van uitgebreide documenten is een geweldig tijdverdrijf voor mensen die graag met woorden spelen. Als het echter “nul” waarde heeft voor de organisatie als zodanig, hoop ik dat niemand ervoor betaalt. Een datastrategie is – naar mijn bescheiden mening – een operationeel document, een plan, dat het management helpt structuren en processen op te zetten om de waarde te ‘oogsten’ die wacht om ontdekt te worden in de diepten van een datameer of aan de uiteinden van een datameer. data magazijn. Maar waar te beginnen? Het stellen van uw doelen moet de hoogste prioriteit hebben voordat u een strategisch dataproject start. Wat is het belangrijkste doel dat u wilt bereiken? Is het innovatie? Is er een reeks gebruikersbehoeften die u wilt aanpakken? Bent u betrokken bij het dataproject om de huidige cyberdreigingen aan te pakken of om het steeds veranderende regelgevingskader te integreren?
Hoe het ook zij, elk operationeel dataproject zal waarschijnlijk starten vanuit een concrete business case. [Interessant punt hier: je zou “bottom-up” kunnen werken – het management voor je kunnen winnen door het laaghangende fruit te plukken en duidelijke (kleinschalige) successen te genereren, of “top-down” kunnen werken met een bredere strategie die erop gericht is individuele projecten op te nemen in een meer omvattend raamwerk.]
Bij het maken van de business case voor een dataproject is het goed om terug te vallen op wat de literatuur over informatiesystemen ons sinds het begin heeft geprobeerd te leren: elk informatiesysteem bestaat uit (1) mensen, (2) processen en (3) technologie. Het missen van een van deze elementen garandeert bijna het falen van elk nieuw systeem. Een eenvoudig maar effectief ‘instrument’ dat kan worden gebruikt om de doelen van een dataproject te bepalen, is de ‘Data Value Map’ (DVM) die Nagle et al. (2019) gepresenteerd in een position paper. Simpel gezegd wil de tool het volgende beantwoorden:
- Waarom worden de gegevens gebruikt zoals ze zijn? Met andere woorden: wat zijn de onderliggende doelstellingen en motivaties voor het uitvoeren van de datataak?
- Om welke gegevens gaat het?
- Wanneer worden de gegevens… (worden opgeslagen, gebruikt,…): benadrukt het temporele aspect.
- Wie...de gegevens: legt de nadruk op ‘mensen’ die de gegevens gebruiken
- Waar…de data: legt de focus op de technologie
- Hoe…de data: legt de nadruk op het proces
“Eigendom van data wordt vaak afgestaan door degenen die er het meeste baat bij hebben (bedrijfseigenaren) en overgedragen aan degenen die niet over de kennis/domeinexpertise beschikken (technologen) om ervoor te zorgen dat de kwaliteit ervan behouden blijft en de waarde wordt gerealiseerd.”
Nagle et al., 2019, p. 2
Als we de valkuilen van technologisch fetisjisme willen vermijden, moeten de zakelijke belanghebbenden een kerngroep van belanghebbenden zijn die bij elk dataproject betrokken is. Het is ook hun hulp en diepgaande kennis van de bedrijfsprocessen die zullen helpen bij het opbouwen van een solide business case voor de verschillende dataprojecten die het management graag zou willen realiseren. Stel je voor dat technologie-stakeholders worden geconfronteerd met vragen over de ‘Return on Investment’ van een bepaald project. Slechts een kleine groep van hen zou in staat zijn een overtuigende zaak op te bouwen.
Of u nu ‘bottom-up’ of ‘top-down’ werkt, wij kunnen u helpen met het definiëren van duidelijke doelen die u zullen helpen aanzienlijke rendementen te genereren op data(innovatie)sporen. Een mooi lokaal voorbeeld van een “bottom-up” aanpak is de “Start AI" initiatief waarbij de Vlaamse overheid (met hulp van Agoria) organisaties helpt het ‘laaghangende’ fruit te ontdekken als het gaat om het operationaliseren van Artificiële Intelligentie binnen de organisatie.
