Organisaties investeren in datagedreven werken of verkennen op zijn minst de mogelijkheden daartoe. Ze hebben de ambitie om data te vertalen naar bruikbare informatie, als goed onderbouwde basis voor voortdurende procesoptimalisatie en betere beslissingen. In dit speelveld speelt de dataconsultant een essentiële rol.
De moderne dataconsulent moet overweg kunnen met bestaande en nieuwe tooling en moet als geen ander een brug weten te slaan tussen it en business. Wat vraagt dit van hem of haar? Over welke skills moet hij of zij beschikken om de organisatie naar een zo hoog mogelijk niveau van datavolwassenheid te tillen?
Vier skills
- Skill #1: Programmeren
Steeds meer organisatie omarmen het datagedreven werken. Daarbij gebruiken ze data niet alleen om terug te kijken, maar ook om in realtime naar operationele processen te kijken en – steeds vaker – om te kunnen voorspellen wat er gaat gebeuren. Op basis van die inzichten zijn processen te optimaliseren en is er voortdurend bij te sturen.
Data worden kortom een integraal onderdeel van het operationele proces. Dat heeft ook gevolgen voor de benodigde skills van de dataspecialist. Lange tijd lag de nadruk met name op het modelleren en bouwen van een traditioneel, on-premise datawarehouse, voor tactische en strategische rapportages en dashboards. Zware programmeerkennis was daarvoor niet vereist.
Met de opkomst van cloudplatforms voor datagedreven werken zien we het belang van programmeerskills weer flink toenemen. Om uit de voeten te kunnen met tools als Azure Data Factory, Databricks en Snowflake is programmeerkennis onontbeerlijk. De dataspecialist van de toekomst combineert kennis van data met kennis van code.
- Skill #2: Communicatieve vaardigheden
Nu data een steeds grotere rol speelt binnen het operationele proces, schurkt de dataspecialist ook steeds meer tegen de business aan. Hij of zij moet de vertaalslag kunnen maken van de data naar de belevingswereld van de businessgebruiker.
Dat brengt met zich mee dat communicatieve vaardigheden steeds meer aan gewicht zullen winnen – zéker nu ontwikkeltrajecten vaker gezamenlijk worden aangepakt. ‘Vroeger’ kreeg je akkoord op het ontwerp en bouwde je, ongehinderd door de buitenwereld, aan een datawarehouse. Het contact met de klant en met eindgebruikers was daarbij minimaal. Nú heb je als data consultant voortdurend interactie met eindgebruikers. Sluit dit tussentijdse resultaat nog altijd aan bij je behoefte? Moeten er dingen anders? Dit agile proces van co-creatie vereist, meer dan voorheen, dat je in staat bent om helder te communiceren en vragen durft te stellen. Is het geschetste probleem wel echt hét probleem?
Maar ook intern heeft de dataspecialist steeds vaker interactie met collega’s. Om de adoptie van datagedreven werken te versnellen, benoemen steeds meer organisaties zogenoemde ‘datakampioenen’: businessgebruikers met interesse in data die intern als ambassadeur optreden en die hun collega’s meenemen op het pad richting een meer datagedreven organisatie. De data consultant van de toekomst speelt een belangrijke rol in het ‘opleiden’ van deze key users, zodat zij – bepakt en bezakt met de nodige datakennis – hun rol als ambassadeur kunnen pakken.
- Skill #3: Process intelligence
In een datalake kunnen veel meer gestructureerde én ongestructureerde data verzameld worden dan in een traditioneel datawarehouse; ruwe data waarvoor misschien nog geen direct doel bestaat, maar die in de toekomst mogelijk wel zijn aan te wenden om datagedreven processen op te tuigen. Zo zullen data steeds vaker niet alleen ingezet worden voor het optimaliseren van primaire bedrijfsprocessen, maar bijvoorbeeld ook om sterker te sturen op hr-aspecten als de tevredenheid, gezondheid en ontwikkeling van medewerkers.
Datagedreven werken dringt door tot in de haarvaten van de organisatie. Dit vraagt van de dataspecialist van de toekomst dat hij of zij, binnen deze enorme hoeveelheden gegevens, goed het kaf van het koren moet kunnen scheiden. Wat is er aan data nodig om de organisatie efficiënter en effectiever te maken? Welke processen kunnen we mogelijk verbeteren? Hoe zijn deze ruwe data eventueel in te zetten? En welke consequentie heeft het als ik besluit om bepaalde data niet te gebruiken?
Het vermogen om door een procesbril naar ruwe data te kijken onderscheidt de dataconsultant van de toekomst van zijn of haar collega’s die minder behept zijn met ‘proces-intelligentie’.
- Skill #4: Gevoel voor ethiek
De komende tien jaar gaan bedrijven en organisaties data inzetten om toekomstige gebeurtenissen en ontwikkelingen te voorspellen. De voordelen hiervan zijn evident: als organisatie kun je steeds strakker sturen op processen en – waar nodig – tijdig bijsturen.
Tegelijkertijd schuilen er ook risico’s in het uit handen geven van beslissingen. Denk aan de beruchte toeslagenaffaire. Hoe betrouwbaar is het onderliggende algoritme eigenlijk? Hoe biased is het? En hoe is het gesteld met de kwaliteit van de onderliggende data? De data consultant van de toekomst is zich bewust van de risico’s van datagedreven werken en is in staat om – zwevend boven de materie – door een ethische bril naar datagedreven processen te kijken. Kan en mag ik deze data wel gebruiken?
Welke skills vind jij dat de data consultant van de toekomst moet hebben? Laat het hieronder weten.
(Met dank aan Thijs Dirkmaat, business unit manager bij Ilionx.)
Werner,
Elke opinie sluit je af met een uitnodiging om te reageren maar vervolgens geef je geen reactie daarop. Het kan zijn dat je druk bent met de volgende publicatie want je schrijft nog sneller dan de clown van Computable met zijn wekelijkse column. Ook zo iemand die hier de hondjes van Pavlov komt voeren.
Wat betreft data versus informatie in procesoptimalisaties wijs ik op mijn manier op de signalen die ertoe doen. In de sturing wil je weten wanneer je in moet grijpen want kijkend naar alle events die voorbij komen zijn de meeste niet interessant. Maar ook het ontbreken van events als gevolg van een verstopping ergens in de keten kan een signaal zijn. Ik denk dat je weinig aan een dashboard hebt waarvan de meters niet (goed) aangesloten zijn of waar de meters niet de juiste waarde geven.
Maar ja, hoe beoordeel je de datakwaliteit?
Het vermogen om door een procesbril naar de ruwe data te kijken kan hierbij helpen maar hebben we het dan niet meer over een proces- dan een dataconsultant?