Onze masterclass ‘Maakt een Data Platform ons ook datagedreven?’ leidde tot veel mooie vragen van deelnemers. Deze vragen en onze antwoorden willen we hieronder met jullie delen.
“Kan ik gelijk op de Prescriptive fase instappen?”
Nee, een organisatie moet de vier data & analytics fases doorlopen. De verschillende fases bouwen voort op elkaar en vormen een progressieve reis naar het volledige potentieel van data & analytics. Je legt een stevige basis waarop je organisch kan groeien, organisatiebreed aan het data literacy level werken. Samen met je mensen doorloop je deze stappen om steeds meer uit je data te halen.
Per organisatie is het verschillend hoe de versnelling loopt. Daar is acceptatie van nieuwe werkwijzes en inzichten key. De echte versnelling komt wanneer alle vier quadranten in balans zijn.
“Wat voor support krijg ik bij een managed data platform?”
Afhankelijk van de wensen van de klant kan een managed data platform gedeeltelijk of volledig ontzorging bieden bij het beheer van data en analytics. Als we het langs de vier quadranten bekijken dan kan de support bestaan uit:
Tools: uptime en downtime beheer, data verversing, monitoring van rapportages, incidentoplossing
People: het datateam op afstand neemt het werk gedeeltelijk of volledig uit handen
Skills: Wij kunnen trainen bieden op de nodige expertisegebieden zoals data engineering en data en/of business analyse.
Plan: meedenken over groeiplannen op datavlak in lijn met de langetermijn organisatiestrategie en de bijbehorende roadmap ontwikkelen
“Wat is goedkoper: een managed of een manual data platform?”
Of een manual (zelf beheerd) of een managed (beheerd) dataplatform goedkoper is, hangt af van verschillende factoren. Denk aan de omvang en complexiteit van je dataplatform, de beschikbare middelen en expertise, de gewenste flexibiliteit en schaalbaarheid, en de verwachte groei en veranderingen in de toekomst. Hier zijn enkele overwegingen:
De opstart van een managed platform is vaak duurder, maar de doorlooptijd is vaak korter om tot een resultaat te komen met name door de voorgeconfigureerde infrastructuur, dataverwerkingsomgeving en ondersteuning van de juiste experts. Een manual dataplatform kan initiële lagere kosten hebben omdat je niet hoeft te betalen voor de diensten van een externe beheerder. Je hebt volledige controle over de infrastructuur en kunt de kosten aanpassen aan je specifieke behoeften. Wanneer je zelf een data platform gaat bouwen duurt het vaak langer en moet je de juiste mensen aannemen.
Er is een kantelpunt wanneer een managed platform goedkoper wordt dan een managed platform. Op een gegeven moment zal een managed platform het gaan winnen in de kosten van een manual platform. Een managed platform wordt kostenefficiënter naarmate de omvang en complexiteit toeneemt, dankzij schaalvoordelen van gedeelde infrastructuur en middelen tussen meerdere klanten, wat resulteert in lagere kosten per eenheid.
Kosten is een belangrijke factor maar hoeft niet de belangrijkste factor te zijn. Met een manual platform ben je flexibeler en ben je minder afhankelijk. Je hebt volledige controle over de infrastructuur, software, configuraties en workflows. Maar met die verhoogde flexibiliteit komt ook een hogere verantwoordelijkheid om de infrastructuur te beheren, het personeel op te leiden en de vereiste expertise op te bouwen.
Voor ieder bedrijf zal de overweging anders zijn afhankelijk van de eerder genoemde factoren. Hulp nodig om een keuze te maken? Stuur gerust een bericht naar kvlhelpt@kvl.nl.
“Hebben jullie tips voor de juiste verdeling van skills, ervaring en capaciteit in het datateam?”
Het flauwe antwoord is natuurlijk dat dit afhankelijk is van je plan en gekozen tools. Het bouwen en beheren van een manual data platform heeft een andere teamsamenstelling dan een managed data platform. Maar als wij toch om tips worden gevraagd bij het opzetten van een middel/groot datateam; probeer dan evenwichtig te creëren. Evenwicht tussen ervaren professionals met jaren aan kennis, vlieguren en referentiekaders en jonge dataprofessionals met frisse perspectieven, innovatieve ideeën die de status qua durven uit te dagen. Zo zorg je voor de juiste energie én continuïteit in een team. Hier zijn onze drie tips om een goede verhouding te creëren.
- Bouw aan een open samenwerkingscultuur door iedereen (alle ervaringsniveau’s) zich gehoord en gewaardeerd te laten voelen. Creëer een leeromgeving waarin kennisdeling en mentoring wordt gefaciliteerd.
- Zorg daarnaast voor een helder groeiperspectief voor alle niveaus en ook duidelijke verwachtingen. Ga je inhuren? Prima, dit zorgt voor nieuwe referentiekaders maar doe dit wel op de juiste plekken.
- Last but not least; wees niet bang om te investeren in talent. Talent is essentieel voor je continuïteit en om alle kennis te borgen. Voor zowel managed als manual data platforms kunnen talenten een waardevolle bedrage leveren in je datateams(s).
“Kunnen we datagedreven zijn als we nog niet in de cloud zitten?”
Ja, dat kan. Klanten van KVL starten vaak on premise (niet in de cloud). Datagedrevenheid is niet alleen techniek, maar meer een mindset die je moet creëren. Op alle kwadranten valt er winst te behalen. Als een organisatie niet in de cloud zit betekent dat niet dat het geen data genereert. Geen enkel bedrijf met deze ambitie zal nog zonder IT-infrastructuur werken. De cloud maakt het wel makkelijker om data te verzamelen, analyseren, te delen en/of te verrijken dat ten goede komt van een hogere mate van datagedrevenheid. Wij vinden de cloud daarom wel een toekomstbestendigere keuze maar er zijn ook argumenten te geven waarom je niet de cloud in zou willen.
“Moet iedereen in de organisatie datageletterd zijn?”
Antwoord: Ja. Iedereen binnen de organisatie moet datageletteerd zijn maar niet op hetzelfde niveau. Het is belangrijk dat iedereen de waarde van data kent zodat ze hier zorgvuldig mee om kunnen gaan. Denk bijvoorbeeld aan een telefoniste. Als die bij het noteren van de gegevens van een klant voor de makkelijke weg kiest en postcode 1000AA invult kan je voorstellen dat de marketing afdeling daar een probleem mee heeft. Zo`n ogenschijnlijk kleine beslissing kan leiden tot grote datakwaliteitsproblemen. Wat weer kan leiden tot het nemen van foute beslissingen. Je wil immers niet dat de directie onterecht denkt dat de grootste klantpopulatie in Amsterdam ligt met alle gevolgen van dien.
Een ander voorbeeld is omzet. Finance en Sales kunnen beide een verschillende definitie hanteren van omzet. Wanneer dit niet bekend is, kan er dus verwarring ontstaan over hoeveel de exacte omzet is. Andere onderwerpen waar verwarring en zelfs een dramatisch gevolg zou zijn, is als het over integriteit of privacy zou gaan. Daarom is het belangrijk dater in alle lagen van de organisatie een basisbegrip is van de waarde van data.
“Wat is het verschil tussen een data platform en een data warehouse?
Een datawarehouse is een begrip dat al vele jaren gebruikt wordt. Het centraal opslaan van data tbv analyse en/of rapportages is al iets dat veel bedrijven doen. De term data platform is een buzzword dat de laatste tijd veel wordt geopperd. In veel gevallen bedoelen de mensen hetzelfde maar in ons optiek is er wel degelijk een verschil.
Een data warehouse heeft het doel rapportages te voeden om vervolgens de gebruikers inzichten te geven. De stroom van data gaat één kant op.
Een data platform is veel meer dan alleen het voeden van rapportages. Het gaat om het creëren van een data ecosysteem, waar data van het datawarehouse dus gebruikt wordt door andere applicaties en deze vervolgens data kunnen genereren voor het data warehouse. Bij een data platform zie je de stroom van data ook twee of meerdere kanten opgaan. De essentie van een data platform is het delen van je data binnen je interne organisatie en soms ook het delen naar externe partijen.
“Hoe betrekken we de business erbij?”
Door gemeenschappelijke waarde te creëren.
De spreekwoordelijke kloof tussen business en IT komt vaak door miscommunicatie. Er worden andere talen gesproken. Het is daarom belangrijk om de business goed uit te leggen wat data & analytics inhoudt en helder te maken welke waarde er realistisch gezien verwacht mag worden. Dit doe je door inzichtelijk te maken waar de organisatie staat in termen van data literacy en datavolwassenheid. Natuurlijk is IoT, machinelearning en AI supergaaf om mee aan de slag te gaan,maar waarschijnlijk is dit nog veel te hoog gegrepen en moeten jullie eerst de lokale wedstrijd winnen en bijvoorbeeld met goede dashboards aan de slag gaan.
Als je op voorhand kennis deelt, stel je de business in staat om betere vragen te stellen en kan de IT duurzame requirements ophalen. Vaak helpt het om een onafhankelijk persoon de belangen bij elkaar te laten brengen. Dit kan iemand intern zijn of extern. Denk er bijvoorbeeld over na om de algemeen directeur/directie erbij te betrekken (zonder IT portefeuille). Die moeten tenslotte alle belangen van het bedrijf behartigen. Lukt dat niet? Dan mag je KVL altijd bellen.
Heb je meer vragen over data platforms?
Stel die gerust aan ons via de contactknop hieronder.