In 2021 bleek uit een onderzoek van McKinsey dat 69% van de digitale transformatieprojecten mislukt.
Verrassend…of misschien ook niet. Hoewel het aantal mislukkingen aanzienlijk is, is digitale transformatie een lang en moeizaam proces. Veel organisaties maken gebruik van nieuwe technologieën om workflows te automatiseren en houden het dan voor gezien. Hoewel dat tijd kan besparen, verandert het een organisatie niet op magische wijze in een datagestuurde technische operatie.
Digitale transformatie is niet in één stap klaar. Het bestaat uit drie continue stappen die van feedback van elkaar afhankelijk zijn om te werken. Als één stap mislukt, hapert de hele transformatie. Deze drie stappen zijn:
- Automatiseren
- Analyseren
- Verbeteren
Wanneer je organisatie van automatiseren naar analyse, door naar verbeteren en weer naar automatiseren kan gaan, krijg je een succesvolle digitale transformatie.
We noemen dit het transformatievliegwiel.
Het transformatievliegwiel
Een digitale transformatie stelt je in staat om data te verzamelen over de processen die je digitaliseert. Met de data die je verzamelt, wil je iets verbeteren: de winst verhogen, de efficiëntie verbeteren of meer klanten blij maken.
Deze verbetering gebeurt alleen door herhaaldelijk aan het transformatievliegwiel te draaien.
Het transformatievliegwiel is een bekende feedbackloop. In de logistiek wordt het een werkingsmechanisme genoemd. In operations management is dat het DMAIC-proces. De militaire strateeg John Boyd noemde het besluitvormingsproces de OODA-loop.
In de digitale wereld bestaat dit “transformatie vliegwiel” uit de drie bovengenoemde stappen (automatiseren, analyseren en verbeteren).
Automatiseren is een gemakkelijke eerste stap. Je team automatiseert iets in je organisatie via softwareoplossingen (integraties of apps op maat). En natuurlijk creëert deze software data over de processen die ze automatiseren.
In de analysefase meet je met de verzamelde data het nieuw geautomatiseerde proces. Data-engineers, data-analisten en soms ook data-wetenschappers ondersteunen dit deel van de puzzel.
Het verbetergedeelte van het wiel gebruikt de analyse om te bepalen waar de automatiseringsfase zich op moet richten. Verbeteringen kunnen betrekking hebben op de gebruikersinterface, het behoud van werknemers of integraties met betere data. Terwijl het geanalyseerde bewijs zich opstapelt, werken productmanagers, datawetenschappers en data-analisten samen om verbeteringen te identificeren en op te volgen om ervoor te zorgen dat de volgende automatiseringsfase productief is.
Het ontbrekende stukje vliegwiel in digitale transformatie
Een vliegwiel “vliegt” omdat er een gelijkmatig verdeeld gewicht is om het systeem aan te drijven. Maar wat we de afgelopen jaren hebben gezien is het volgende:
Organisaties blijven steken in de automatiseringsfase, met de beste softwareteams maar zonder investeringen in de fasen “analyseren” of “verbeteren”. Ze krijgen gegevens, maar die gaan nergens naartoe. Het vliegwiel blijft hangen op automatiseren.
Omdat je niet weet wat er verbeterd moet worden, blijven de automatiseringsteams automatiseren en meer data verzamelen zonder strategische reden.
De analytische transformatie
Het ontbrekende component in deze evolutie is meestal een analytische transformatie.
Een analytische transformatie begint met het analyseren van de data die wordt verzameld door het nieuwe geautomatiseerde proces. Daarna bepaal je wat het nieuwe proces effectief zou maken voor klanten, werknemers en aandeelhouders. Tot slot pas je je software aan om die verbetering te implementeren voordat je het proces opnieuw begint.
Om te kunnen werken, moet je analytische transformatie een sterke relatie hebben met je automatiserings- en verbeteringsfasen. Het is bijvoorbeeld waarschijnlijk dat je apps niet alle data verzamelen die je nodig hebt. Je moet dus samenwerken met je engineeringteam om ervoor te zorgen dat bepaalde dataverzameling wordt ontwikkeld.
Gelukkig heeft datawarehousing de afgelopen jaren zijn eigen digitale transformatie ondergaan. DataOps biedt een manier om de rest van het vliegwiel te organiseren. Het gebruik van DataOps om tools te beheren heeft de betrouwbaarheid van datawarehouses en hun tijdlijnen enorm beïnvloed.
Met DataOps heeft je analytics-transformatie dezelfde mate van voorspelbaarheid als een digitale transformatie. En als we kijken naar de werkverdeling van het vliegwiel, dan is dat werk substantieel.
In de praktijk is alles rechts van de witte lijn op het vliegwieldiagram een analytische transformatie. Hiervoor zijn bekwame DataOps-teams nodig, waaronder datawetenschappers, data-engineers en datamodelleurs.
Alles links van de witte lijn is een digitale transformatie en heeft software engineering en productteams nodig.
Draai niet rond zonder tractie
Veel transformatie-inspanningen draaien jarenlang door en krijgen nooit tractie. Een organisatie probeert datagestuurd te worden, maar de inspanningen stagneren omdat ze de impact van gebruikers niet kunnen meten of geen data over gebruikersworkflows kunnen vastleggen – of omdat de data helemaal nooit worden geïntegreerd.
Het transformatievliegwiel moet samenwerken voordat je continue verbetering realiseert. Digitale transformatie zorgt voor automatisering, maar als je die niet volgt met een analytische transformatie, zul je niet in staat zijn om te analyseren of te verbeteren. Verspreid je investeringen gebalanceerd over het vliegwiel en vergeet niet dat alles een eerste duwtje in de rug nodig heeft om soepel te blijven draaien.