Verbeter jouw data maturity om je impact te vergoten!

Ondanks de erkenning dat data een strategisch voordeel is, hebben IT-besluitvormers en leidinggevenden het moeilijk om ze doeltreffend te maken.

Zij die data als waarde stuwende factor benutten zullen de komende jaren succes hebben. Hoewel deze uitspraak voor de hand lijkt te liggen, kan ze in de praktijk moeilijk in te voeren zijn. Om te slagen in het benutten van data is het niet alleen nodig om analytics, rekenkracht en toepassingen op elkaar af te stemmen, maar ook om een echte datacultuur te stimuleren.

In dit artikel

Wat is data maturity?

Data Maturity is het geheel van analytics, disciplines en bijbehorende beste praktijken (d.w.z. principes, processen, bestuur, middelen) die een organisatie moet toepassen om haar data als een strategisch bezit goed te beheren.

In onderstaande video is alles nog meer in details uitgelegd 👇🏾 👀

Data maturity voor wie is het interessant om te meten?

Technologie heeft een revolutie teweeggebracht op vele nieuwe markten, en social listening heeft moeite gehad met zijn eigen identiteit te vinden. Zelfs aanbieders hebben moeite met het democratiseren van een woordenschat rond social media intelligence, vaak bekend als e-reputatie management, buzz tracking, en social media monitoring.

Voor een industrie die zo snel en zo vaak verandert als social media intelligence, is dit niet verwonderlijk. Vooral omdat er de laatste vijf jaar veel nieuwe analytics, gebruiksmogelijkheden en toepassingen van gegevens zijn ontstaan.

Een operatie waarbij ooit één enkele marketeer nodig is uitgegroeid tot een onderneming met meerdere belanghebbenden, teams, en processen die erop gericht zijn steeds grotere hoeveelheden gegevens uit onlineconversaties te halen.

Hoe kan je je data maturiteit level meten?

Concurrentievermogen en bedrijfsprestaties zijn gestuurd door:

• anticipatie
• analytics
• reactiviteit

Bijgevolg staan gegevens centraal in de strategie van de meeste organisaties, want de vaststelling is voor allen dezelfde: data is een potentiële hefboom van grote waarde, die nu onmisbaar is.

Welke strategieën moet je volgen om de prestaties te stimuleren en te verbeteren? Hoe moet je bepaalde bedrijfsgegevens gebruiken?

Elk jaar hebben bedrijven toegang tot meer en meer data die ze kunnen benutten aan de hand van analytics. Organisaties moeten de gegevens waar ze toegang toe hebben controleren.

Bovendien zien we ongelijkheden tussen bedrijven als het gaat om de gegevens die ze gebruiken in analytics. In sommige gevallen hebben bedrijven de neiging om alleen hun traditionele systemen te gebruiken. Daarnaast maken ze gebruik van aanvullende databronnen.

Verschillende hulpmiddelen kunnen gebruikt worden om Ad hoc data maturiteit te meten:

1. Vragenlijsten en enquêtes sturen naar belanghebbenden op basis van impact, invloed, kennis, belangstelling en houding tegenover datakwaliteit
2. Organiseren van workshops en focusgroepen met bedrijfs- en managementteams om de buy-in van belanghebbenden voor de organisatiedoelen te beoordelen
3. Voldoen aan de criteria voor afstemming op het programma voor data maturiteit, zoals risico’s, privacy, beveiliging, juridische zaken en naleving, om het ondersteuningscentrum cross-functionele ondersteuning te bieden

Data maturity model: Wat houdt het in?

Laten we eens nadenken over hoe het geïmplementeerd zal worden. Dit is waar je Data maturity model in het spel komt.

Tegenwoordig wordt een maturity model vooral gebruikt voor controle en planning. Meestal worden ze gebruikt om de voortgang te identificeren bij het aanpakken van de volgende problemen:

• Het regelen van distributieprocessen voor gegevens en het definiëren aan de hand van data analytics repositie
• Het verstrekken van kwaliteitsgegevens aan Ad hoc analytics toepassingen
• Het beheren van gegevenskwaliteit gedurende de hele projectlevenscyclus
• Persoonsgegevens beschermen volgens de wettelijke voorschriften
• Misbruik van analytics levert risico’s op voor de reputatie, het bedrijf en de financiën
• De kosten van gegevensintegratie verlagen

Als gevolg daarvan is het van cruciaal belang te onderzoeken wat de maturity model kunnen, namelijk:

• Een overzicht geven van alle beste praktijken in een bepaald domein om te voorkomen dat je iets vergeet.
• Het is een weg die aan elke organisatie moet worden aangepast, omdat verschillende organisaties verschillende behoeften zullen hebben, en dus niet evenveel moeite zullen doen voor dezelfde disciplines.
• Voor sommige kunnen analytics nuttig zijn om hun sterke punten (waarop ze kunnen voortbouwen) en zwakke punten (die ze op basis van hun prioriteiten zullen moeten aanpakken) te identificeren.

Elk bestaand maturity model volgt een soortgelijke denkwijze:

• Zorg voor een gestructureerdecatalogus van de beste praktijken op het gebied van databeheer.
• Vaak geïnspireerd door SPICE (ISO/IEC 15504), om een progressiemodel aan te bieden.

We zullen hier niet alle modellen evalueren, maar we merken wel op dat elk model, door zijn structuur, bepaalde disciplines meer benadrukt dan andere.

Data maturity model Gartner

Gegevensbeheer heeft een door Gartner gedefinieerd maturity model met vier (of 5) niveaus. Bij Gartner worden organisaties begeleid om onvolledige en inconsistente processystemen om te zetten in een data maturity model. Er zijn richtlijnen gegeven voor de juiste beheersing, zodat het werkt als een houvast voor permanente verbetering.

Door tekortkomingen in de processen van de organisatie op te sporen, begeleidt het verbeteringen op een logische, stapsgewijze manier.

De verschillende fasen in het data maturity model

Het maturity model heeft vijf fasen, die door Gartner gebruikt worden om te bepalen hoe de IT activiteiten van een organisatie gerangschikt zijn:

👉🏾 Fase 0

Fase 0 heeft betrekking op het chaotische niveau, dat gekenmerkt wordt door geïmproviseerde, niet gerapporteerde, en onvoorspelbare IT-activiteiten. Er zijn meerdere IT-dienstencentra, minimale netwerkoperaties, en de meldingen van gebruikers zijn zeer beperkt. 

👉🏾 Fase 1

In Fase 1 zijn de medewerkers brandjes aan het blussen, maar hebben ze een proces om problemen te beheren, voeren ze waarschuwingen- en gebeurtenissenbeheer uit, en meten ze de beschikbaarheid van componenten. 

👉🏾 Fase 2

Fase 2 wordt gekenmerkt door een organisatie die Ad hoc trends analytics analyseert, problemen voorspelt, de beschikbaarheid van toepassingen evalueert, haar processen automatiseert, en mature processen heeft voor het beheer van problemen, configuraties, veranderingen, activa, en prestaties. 

👉🏾 Fase 3

In Fase 3, het dienstenniveau, identificeert een organisatie diensten en klassen, kent de kosten, garandeert overeenkomsten over het dienstenniveau, meet en rapporteert over de beschikbaarheid van diensten, en integreert processen om capaciteitsbeheer aan te tonen.

👉🏾 Fase 4

In Fase 4 zijn organisaties die IT als strategische partner hebben, IT en organisatiegegevens met elkaar verbinden, processen verbeteren met IT/organisatie-samenwerking, en activiteiten plannen voor IT-ondersteuning.

Data maturity model hoe pas je het toe?

Behalve grote organisaties zijn ook middelgrote en kleine organisaties gebaat bij het model, dat hun inspanningen concentreert op het bereiken van de beste resultaten. Hier is hoe je dat doet:

1. Formuleer je korte termijnstrategie voor data en analytics

In de lijn van je langetermijnstrategie. Stel duidelijk mijlpalen en deadlines vast die je binnen een jaar wilt bereiken, en concentreer je tegelijk op quick wins: beheersbare projecten die de voordelen van gegevens gestuurd werken en data analytics in je hele organisatie laten zien.

2. Besteed aandacht aan de kwaliteit van de gegevens

Zoek uit welke gegevens je verzameld hebt en waar ze binnen je organisatie opgeslagen zijn. Je team moet dan een plan ontwikkelen om ervoor te zorgen dat de kwaliteit van je gegevens hoog blijft.

3. Stel een team voor data analytics samen

Met mensen van verschillende afdelingen in je organisatie en op basis van de doelstellingen moet je een Ad hoc analytics team hebben dat je gegevens strategie uitvoert op een manier die de medewerkers data-driven begeleiding biedt.

Snel groeien met een marketing agency aan je zijde

Winst in productiviteit, betere besluitvorming, betere communicatie, het zijn allemaal strategische gebieden die de zware investeringen rechtvaardigen die met dit onderzoek gepaard gaan.

Data analytics heeft veel voordelen, maar Nederlandse bedrijven hechten momenteel nog niet genoeg waarde aan hun klanten data. Om begeleid te worden op de beste manier om technologie in te zetten, kunnen marketingbureaus zeker van pas komen.

Conclusie data maturity

Het beoordelen van de maturiteit van de onderneming ten aanzien van data governance is van cruciaal belang voor je een data analyticsstrategy implementiert. Een gebrek aan kennis over data maturity level maakt het onmogelijk om goede beslissingen te nemen. Om de waardecreatie te versnellen moet je organisatie in staat zijn data maturity model te realiseren. Het aanpakken van data analytics upstream zal downstream zonder twijfel zijn voordeel opleveren.