Data driven is het fundament van het succes van veel bedrijven en organisaties. Data en tools zijn hier belangrijke succesfactoren, net als de organisatie en de mensen die hier werken. Om niet al direct veel tijd en budget kwijt te zijn aan uitgebreide verandertrajecten is het aan te raden om ‘lean and mean’ te beginnen met een data APK; een keuring van je bestaande business data en tools. Is die basis op orde, dan kan je aan de slag met het optimaliseren van processen en organisatie.
Net als bij de APK van je auto check je bij een data APK een aantal controlepunten, of laat je dat doen. De resultaten van die controle vat je samen en vertaal je naar praktische verbeterpunten waarmee jij het datagedreven werken binnen je organisatie kunt optimaliseren en daarmee je resultaten kunt maximaliseren. In dit artikel neem ik je mee langs de controlepunten van de data APK.
Controlepunten
De belangrijkste controlepunten van een data APK zijn:
- Doelen;
- Drivers;
- Collectie;
- Tools;
- Model;
- Monitoring.
1. Doelen
Om te beginnen check je bij een data APK je doelen en de daarvan afgeleide KPI’s; zijn die aanwezig en zijn die SMART (Specifiek, Meetbaar, Acceptabel, Realistisch en Tijdgebonden)? Voor een data APK tellen vooral de S van Specifiek en de M van Meetbaar; als KPI’s niet te vertalen zijn naar metrics (meetbare of gecalculeerde variabelen) dan wordt het lastig om uiteindelijk je doelstellingen te meten en data driven bij te sturen. Zijn er doelen of KPI’s waar geen metrics aan verbonden kunnen worden, heroverweeg die dan.
2. Drivers
Als je doelen zijn vastgesteld en vastgelegd, inventariseer je de drivers. Drivers zijn de variabelen die je doelen sturen en beïnvloeden. Voorbeelden van drivers zijn datum of periodes, kanalen, marketing- en sales campagnes, klantgroepen, skill sets van personeel, etc. Drivers versterken en verzwakken elkaar, daarom is het belangrijk om met een key influencer of cluster analyse van verschillende databronnen te achterhalen welke combinaties van welke drivers, en welke waarden hiervan, in welke mate je doelen sturen en beïnvloeden.
3. Collectie
Vervolgens komen we bij de collectie; het verzamelen en vastleggen van data. Bij controlepunten 1 en 2 heb je al vastgelegd welke doelen en driver data je dient te verzamelen. Bij dit derde controlepunt check je of en hoe je deze data daadwerkelijk verzamelt of kunt gaan verzamelen, waar je die verzamelt, en of je die data correct verzamelt. Met ‘correct’ bedoel ik hier het niveau (hoe meer fijnmazig en hoe minder samengevat of gecalculeerd hoe beter), het juiste data type (numeriek, tekst, date/time, etc.), de juiste frequentie (per minuut of uur, dagelijks, wekelijks, maandelijks, jaarlijks), en de juiste locatie (zie controlepunt 4).
4. Tools
Voor veel mensen zijn tools het leukste van deze exercitie; nieuwe glimmers die we als eksters aan onze verzameling toevoegen. Bij de selectie van je tools en de inrichting van je stack is het belangrijk om te inventariseren of de data die je hebt geïnventariseerd bij controlepunten 1 tot en met 3 op de juiste manier wordt verwerkt en opgeslagen (vergeet hierbij ook de wetgeving niet, zoals GDPR).
5. Model
In een data model leg je de relaties vast tussen je doelen, drivers, collectie en tools. Dit is belangrijk voor zowel de uiteindelijke inrichting van je tools en tech stack (controlepunt 4) als voor monitoring (controlepunt 6). Hoe meer doelen en drivers en/of hoe complexer je tech stack, hoe uitgebreider je data model. Dit klinkt ingewikkelder dan het is, maar de meeste datamodellen passen op één A4-tje. Voorbeelden van dergelijke data modellen vind je hier.
6. Monitoring
Om je activiteiten tijdig bij te kunnen sturen is het belangrijk om inzicht te behouden in de status van je te behalen doelen. Hiervoor monitor je realtime de waarden van je doelen én je drivers, aangezien de laatste je doelen sturen en beïnvloeden. Welke doelen en drivers je gaat monitoren heb je eerder vastgesteld en vastgelegd bij controlepunten 1 en 2.
Voor deze monitoring maak je gebruik van dashboarding of business intelligence tools zoals Google Data Studio of Power BI. Vergeet hierbij ook niet een datakwaliteit rapportage of dashboard toe te voegen waarin je eventuele verschillen meet en zichtbaar maakt tussen data uit verschillende systemen, zoals bijvoorbeeld het aantal gemeten leads in Google Analytics vs. die in je CRM systeem.
Aan de slag
Dit artikel geeft je een overzicht van de belangrijke eerste stappen die je moet nemen om je data op orde te krijgen. Wil je hiermee aan de slag en heb je hierbij vragen, check dan hier meer informatie over de data APK of neem contact met mij op.