In hun zoektocht naar digitale transformatie investeren veel bedrijven in technologieën zoals datalakes, kunstmatige intelligentie en machine learning. Dat is technisch steeds makkelijker en bovendien goedkoper dan ooit. Toch levert het bedrijven meestal niet was ze ervan verwachten.
De ‘teleurstelling’ houdt vaak verband met de manier waarop deze technologieën geïmplementeerd worden. De heilige graal: een datahub voor het primaire bedrijfsproces, onder eigen regie. Een nucleus van mensen, processen en technologie binnen het stelsel van alle informatiestromen.
Hard op weg
Het it-landschap is de afgelopen tien jaar drastisch veranderd. Public cloud lijkt het it-infrastructuurmodel van de toekomst, en low-code-softwareontwikkeling is hard op weg om de softwaremarkt te veroveren. Het mag duidelijk zijn dat datacenters en applicaties in eigen beheer voor de meeste organisaties geen toekomstvaste investeringen meer zijn. Om de bedrijfscontinuïteit te garanderen, is het veel belangrijker om te investeren in data en intelligente besluitvorming, en dan met name eigen expertise rondom deze ontwikkeling. De technologie voor het verzamelen, verwerken en analyseren van data is volop in de cloud beschikbaar, maar wil je er daadwerkelijk waardevolle informatie en inzicht uit halen, dan heb je expertise en een heldere strategie nodig. Het formuleren en uitvoeren van zo’n strategie kun je niet volledig outsourcen. Dan ben je aan de wolven overgeleverd, ongeacht de partij die je kiest. Je moet die expertise binnen je eigen organisatie opbouwen en in co-creatie uitvoeren, waarbij je de strategische sturing in eigen hand houdt.
Vijf stappen
Een ding is helder: een datagedreven business-strategie staat bovenaan de digitale agenda van een toenemend aantal organisaties. De vraag is nu hoe je daar op een verantwoorde wijze gestalte aan geeft. Dit proces verloopt in vijf stappen.
- Creëer gezamenlijk vertrekpunt over strategische doelen, -uitdagingen en -complexiteit
Een data-gedreven strategie begint met het erkennen dat data de lijm zijn tussen business en it. Kennis over het effectief gebruiken van data is een uiterst belangrijke competentie waarbij domeinkennis, datawetenschap, machine learning en DevOps bij elkaar gebracht moeten worden in autonoom opererende teams. Als je deze expertises gescheiden houdt binnen een organisatie, verlies je innovatiekracht en de mogelijkheid om snel nieuwe data-gedreven strategieën en use cases te testen.
- Definieer minimale datahub om eerste use cases te testen
Veel organisaties blijven hangen in de discussie hoe ze deze teams moeten faciliteren. Ze voeren bijvoorbeeld oeverloze discussies over de technologie en de optimale architectuur. Moeten ze het zelf doen of uitbesteden? Ze komen daardoor vaak niet verder dan ad-hoc-pilotprojecten op basis van zelf ingekochte ‘schadow it’-ai-oplossingen, zonder enige borging van de business-strategie, datasecurity of de AVG/GDPR-wetgeving. De resultaten hebben daarom weinig inhoudelijke relevantie en concrete business-resultaten blijven uit. Zo tikt de tijd soms jarenlang weg en daarmee smelten de zakelijke kansen als sneeuw voor de zon.
Om dit te doorbreken, is het belangrijk om een low-cost, schaalbare datahub te creëren. Een modern dataplatform dat geschikt is snel (on)gestructureerde data in op te slaan, waar vervolgens op een flexibele manier mee is te experimenteren. Een aanvullend voordeel van een dergelijk platform is dat het mogelijkheden biedt om data-governance stap voor stap in te regelen. Binnen veel grote organisaties ontstaat vaak een jungle van datawarehouses en datalakes, waarvan het totaal niet transparant is op welke wijze de gegevens gebruikt, beheerd en beveiligd worden.
- Experimenteer met en leer van datawetenschap en concrete use cases
De eerder gerealiseerde datahub is vervolgens te gebruiken om uiteenlopende gegevens, zowel van binnen als buiten de organisatie, binnen één platform bij elkaar te brengen en door middel van api’s en selfservice te ontsluiten. Hiermee kun je vervolgens door middel van datawetenschapstechnieken allerlei gebruiksscenario’s testen, die meerwaarde hebben voor de organisatie. Het is belangrijk om in deze testfase een minimale data governance-structuur te gebruiken om het tempo erin te houden. ‘Fail fast’ is hier het motto, omdat je immers zo snel mogelijk wilt ontdekken of een nieuw initiatief ook daadwerkelijk zakelijke voordelen oplevert.
- Promoveer use cases tot productie en integreer datahub met enterprise-datawarehouses
De volgende fase bestaat uit het promoveren van de succesvolle use cases tot productie en het integreren van de datahub met de bestaande enterprise-datawarehouses, die van oorsprong leidend zijn voor de kernprocessen van een organisatie. Door deze koppeling is de datahub in te richten als de nucleus van het primaire proces, inclusief alle selfservice, beschikbaarheid, schaalbaarheid, security en compliancy-vereisten.
- Data-as-a-service als de facto standaard binnen organisatie
Data is de hefboom voor nieuwe producten, diensten en verdienmodellen. Use cases kunnen door productmanagers en datawetenschappers autonoom worden gerealiseerd, waarbij data op een selfservice-wijze is af te nemen en datagovernance, -kwaliteit en -herkomst van data zijn geïmplementeerd. Dit is tegenwoordig cruciaal om je als organisatie te beschermen tegen datalekken en de risico’s van imagoschade en boetes en voor het niet naleven van privacywetgevingen als de AVG/GDPR.
Experimenteren, leren en innoveren
Het mag duidelijk zijn dat kennis over data-analyse in 2019 een bedrijfskritische competentie is, waarbij business en it elkaar ontmoeten. Deze vaak gescheiden werelden kun je bij elkaar brengen in een gezamenlijke leeromgeving: de datahub. Organisaties zijn hiermee in staat om in gemeenschappelijk taal, stap voor stap te experimenteren met data volgens het ‘proof or pivot’-principe. Zo ontdek je binnen maximaal twee maanden of een bepaald idee wel of geen waarde oplevert. En in het laatste geval kun je snel verder naar de volgende use case.
De datahub als dienst van mensen, proces en technologie te midden van alle datastromen, levert bovendien een nieuwe bouwsteen voor de enterprise-architectuur en datawetenschap. Met een datahub implementeer je data-as-a-service binnen een organisatie, wat vervolgens de hefboom is voor het realiseren van meer productiviteit en klanttevredenheid, en het openen van nieuwe markten.
