Back to all articles

Democratisering van data

Willem Blom
Willem Blom
Impact investor & Global SVP Growth – DEPT®
Length
7 min read
Date
11 juni 2021

De afgelopen jaren hebben we veel toffe, nieuwe innovaties gezien in het data en analytics discipline. Denk bijvoorbeeld aan het samenbrengen van klant data in één 360 graden klantbeeld, of aan de mogelijkheid om het gedrag van je klanten algoritmisch te voorspellen. Maar ondanks dat veel bedrijven op een goudmijn van data zitten, en misschien al voorzichtig zijn begonnen met het implementeren van een aantal data oplossingen zoals personalisatie, zien we toch dat veel bedrijven moeite hebben om er echt chocola van te maken, en om echt te profiteren van digitale data. Waarom is dat?

Laten we beginnen met het schetsen van een aantal mogelijke oorzaken. Enerzijds levert het gebruiken van data grote voordelen op: je maakt betere digitale producten en/of services en je bent in staat beter onderbouwde besluiten te maken. Tegelijkertijd zitten er ook risico’s aan werken met data, zoals het gevaar van datalekken of besluiten maken op basis van incomplete of onjuiste data. Als laatste vergt het goed neerzetten van data en analytics binnen je organisatie tijd, en dus geld. 

Dat spanningsveld tussen hoge opbrengsten en hoge risico’s zorgt ook voor een spanningsveld binnen organisaties: het zorgt voor een soort touwtrekwedstrijd tussen je business teams en IT teams. Business teams willen inzicht in het klantgedrag, attributie van campagnes en data gedreven marketing keuzes maken. IT teams aan de andere kant willen de data graag veilig, governed en gecentraliseerd houden. Dit zorgt uiteindelijk voor data silo’s in je organisatie: ieder team creëert zijn eigen (data) bron van waarheid van waaruit zij werken en rapporteren – en dat willen we natuurlijk vermijden.

Daarom is het van groot belang dat we data binnen organisaties democratiseren: we moeten ervoor zorgen dat iedereen binnen je business, ook de niet-technische mensen, laagdrempelig toegang krijgen tot (bijna) alle data. Waarom? Zodat ze betere beslissingen kunnen maken. Zodat designers hun designs kunnen baseren op klantdata. En zodat marketeers hun campagnes kunnen optimaliseren met behulp van algoritmes. Maar ook omdat de prijs van het níet democratiseren en standaardiseren van je data hoog is: zonder zogenaamde ‘self-service analytics’ is de snelheid waarmee je data use cases kunt uitvoeren rechtstreeks gekoppeld aan het aantal data scientists, engineers en analisten dat je inhuurt. 

We willen er dus voor zorgen dat iedereen die laagdrempelige toegang tot data heeft, zonder gatekeepers die een bottleneck vormen. Dat betekent in de praktijk dat er een snelle, makkelijke manier moet zijn om data te begrijpen, zodat ze het kunnen gebruiken in hun dagelijkse werk.

Daarvoor moet je aan de slag met drie pilaren, hieronder lichten we deze toe, en geven we je een aantal tips om aan deze pilaren te gaan bouwen. 

Enablement

Ten eerste enablement, dit gaat over de mate waarin data gedreven werken in je cultuur zit en hoe we mensen motiveren om gebruik te maken van data. 

  • Dat betekent ten eerste dat data, ofwel tracking, in de ‘definition of done’ moet zitten van alles wat je oplevert. Niet alleen nieuwe features die je bouwt op je platform, maar ook in je campagnes en zelfs in je processen. 
  • Je medewerkers moeten daarnaast over de juiste skills beschikken om aan de slag te gaan met het toepassen van data in hun werk. In sommige gevallen betekent dat hypothese gedreven werken. In andere gevallen betekent dat misschien SQL skills voor elke marketeer. 
  • Werk liever aan een data roadmap dan aan één concept, beschouw data dus als continue werkstroom. Bedrijven die deze werkwijze omarmen laten snelle groei en een duidelijk concurrentievoordeel zien. 

Data


Het lijkt misschien een open deur: je moet beschikken over de juiste data. Maar hoe simpel het wellicht lijkt, zo ingewikkeld blijkt dit in de praktijk. Dit begint al met het in kaart brengen welke KPI’s je nu écht iets vertellen over de toegevoegde waarde voor je business. De belangrijkste uitdagingen waar het gaat om betrouwbare data zijn:

  • Cookies: dit mag geen nieuws meer heten anno 2021, maar omdat we als industrie toch een beetje geneigd zijn ons hoofd in het ITP zand te steken, herhalen we ook hier nog eens: cookies worden uitgefaseerd. En laat er geen misverstand over bestaan: dat heeft enorme impact op je data. Je kunt niet langer rapporteren op terugkerende gebruikers, attributie gaat kapot en je kunt niks personaliseren. Wat voor hippe, coole innovaties je ook op data gebied doorvoert, als je dit issue niet tackelt, is het allemaal onzin, want je data is inaccuraat. 
  • We kunnen gebruikers dus niet langer herkennen, wat er ook voor zorgt dat het lastiger wordt om het succes van je campagnes te bepalen. Zorg er dus voor dat je kijkt naar soft KPI’s. Denk dan bijvoorbeeld aan KPI’s rondom het verkrijgen van first party data, zoals een account registratie, whitepaper download of newsletter signup. Zo sla je twee vliegen in één klap: je hebt een duidelijke soft KPI én bouwt aan je first party data – waarmee je dus minder afhankelijk wordt van die cookies. 
  • GDPR, of in Nederland de AVG, draait al een tijdje mee, vanaf 2018 om precies te zijn. Toch zien we ook op dit gebied in 2021 nog bedrijven data verzamelen zonder de juiste toestemming, of zonder het juiste consent management systeem. Zowel vanuit een juridisch perspectief als vanuit een ethisch perspectief moeten we dat als industrie echt beter gaan doen. 

Infrastructuur

als laatste pilaar om data te democratiseren kijken we naar infrastructuur. Hoe ga je er daadwerkelijk voor zorgen dat data beschikbaar wordt voor iedereen binnen je business? 

  • Het wordt steeds gemakkelijker om onze banen te automatiseren. Denk bijvoorbeeld aan marketing campagnes; de automated bidding algoritmes van Google maken handmatig voor een deel overbodig. Dat is natuurlijk goed nieuws, zo kunnen wij onze tijd effectiever besteden aan creatieve concepten of strategieën. Tegelijkertijd is het ook een uitdaging, want het betekent dat onze werkweek er ook anders uit gaat zien. 
  • Dan de infrastructuur zelf, wij adviseren onze klanten altijd om deze op basis van concrete use cases op te zetten. Dus bepaal eerst wat je gaat doen, haal daar requirements uit, en teken dan de benodigde architectuur. Op die manier kun je er ook voor zorgen dat de benodigde data op de juiste manier aan de juiste persoon gepresenteerd kan worden.  
  • Als laatste geldt ook hier dat het gaat over roadmap boven concept. Dat heeft ook technische implicaties; je moet namelijk continue je data infrastructuur blijven verbeteren. Vergelijkbaar met je devops team, zou je dus ook een dataops team kunnen overwegen. 

Waar begin je? Nou, waar op dit moment je grootste bottleneck zit. Begrijpt niemand in je organisatie hoe data analytics werkt? Start dan met het opleiden van je teams. Heb je geen inzicht in betrouwbare data? Start dan met een goede setup, op basis van de juiste KPI’s. Heb je nog helemaal niks in place? Begin dan met een MVP voor alledrie de pilaren, en blijf deze opnieuw en opnieuw en opnieuw verbeteren. Want op het fundament van die pilaren kun je je data democratiseren en iedereen voorzien van ‘self-service’ analytics. Met als resultaat betere beslissingen en betere digitale producten en services. 

Meer artikelen?

Alle artikelen bekijken

Vragen?