Overal lees je hoe belangrijk data zijn. Maar data op zich zijn waardeloos als je er niet mee aan de slag gaat. Hoe pak je dat aan? Hoe voorkom je dat je de datarevolutie mist? Is de 'datageletterdheid' bij jou en je bedrijf wel hoog genoeg? Zijn je medewerkers voldoende gemotiveerd? Daarop geven we een antwoord in enkele posts rond het gebruik van data (vb Business Intelligence & Analytics).
Model
Een relatief eenvoudig model dat als startpunt kan dienen is “The Data Science Hierarchy of Needs” (Monica Rogati). Dit model is overigens geïnspireerd door de alom bekende behoeftepyramide van Maslow.
Kort samengevat kan je zeggen dat je
- eerst je data-infrastructuur in orde moet brengen,
- dat je vervolgens kan beginnen met ‘klassieke’ Business Intelligence (BI),
- om daarna stappen te zetten richting Machine Learning (ML) of andere vormen van Artificial Intelligence (AI).
Begin eventueel klein - maar begin.
De hiervoor geschetste aanpak is geen pleidooi om allesomvattend (en dus per definitie traag) te werken. Je kan immers perfect beginnen met een kleine verticale selectie van je data. Die kun je verticaal doorploegen, als een soort pilootproject, om ervaring op te doen. Dit kan je daarna in de breedte uitbreiden.
Zo kan je ook van kortbij opvolgen of je projectteam goed is samengesteld, of de gebruikers voldoende voorkennis hebben en de resultaten begrijpen, of medewerkers vertrouwen hebben in de resultaten,… Je organisatie kan dus meegroeien.
Je moet immers tegelijk (en dat is niet zichtbaar in het model hierboven) aan je ‘change management’ beginnen denken. Niet iedereen zal zomaar mee zijn met een meer datagedreven manier van werken.
Drie belangrijke aspecten in de reis naar meer datagedrevenheid zijn dus :
- Business Intelligence,
- Business Analytics
- Change Management.
In volgende posts zullen we op elk van die aspecten verder in detail gaan.
