Inderdaad, je datastrategie begint met je ambities — je zakelijke doelen. De reis gaat echter niet alleen om de bestemming. Nadat je de doelen hebt gedefinieerd, waar je naartoe wilt, moet je evalueren waar je als organisatie momenteel staat. Dat vereist een flinke dosis realiteitszin. Dat startpunt helpt bij het vaststellen van de route en wat je onderweg tot je beschikking hebt. Vervolgens heb je een kaart van hoe je de gewenste bestemming kunt bereiken.
Beoordeel je huidige werkelijkheid
In recente strategieworkshops met klanten hebben we ons gericht op het beoordelen van vier gebieden: toegang tot gegevens, analytische en AI-mogelijkheden, organisatiestructuur en cultuur en communicatie.
Zoals we allemaal weten is er geen AI-strategie zonder een datastrategie, dus beginnen we met de gegevens. Om de huidige datarealiteit van een klant beter te begrijpen, stellen we een reeks vragen:
- Heb je toegang tot al je interne data?
- Heb je data uit bestaande toepassingen, systemen of silo's van business units ontsloten?
- Heb je je ongestructureerde data omgevormd tot gestructureerde, bruikbare data?
- Deel je momenteel data met partners en/of klanten?
- Verkrijg je momenteel externe data van data-aanbieders of via een marketplace?
- Weet je zeker dat je data beschermd is en dat het gebruik ervan voldoet aan de regelgeving?
Met de explosieve toename van interesse en toepassing van AI is het nog belangrijker om toegang te krijgen tot brede en diverse gegevensbronnen en deze te beheren. Datadiversiteit vermindert het risico op hallucinatie en vooringenomenheid.
Maar hoe het datafundament is opgebouwd en wordt onderhouden, hangt af van meer dan de data of de technologie zelf. Een andere reeks vragen richt zich op de mensen, processen en organisatorische elementen van de huidige realiteit:
- Heb je de juiste data-, analytische en technische vaardigheden?
- Waar bevinden de data- en analytische capaciteiten zich binnen je organisatie?
- Zijn je teams georganiseerd en bevoegd voor succesvolle samenwerking?
- Heb je use cases of analytische en AI-initiatieven geïdentificeerd en geprioriteerd?
- Ben je in staat om data-inzichten en toepassingen aan zakelijke gebruikers te leveren?
- Hoe meet je momenteel de impact van je data- en analyseprojecten?
- Ben je bezig met het bevorderen van data, het onderwijzen van de organisatie en het opbouwen van een datacultuur?
- Meet en communiceer je de impact van data op de onderneming?
Deze vragen zijn zeker niet uitputtend, en de antwoorden op elk van hen kunnen complex zijn. Bijvoorbeeld, het beoordelen van bestaand talent roept de vraag op waar je vaardigheden moet bijscholen of nieuw personeel moet aannemen. Even complex is hoe data is georganiseerd. Dit kan variëren van gecentraliseerd tot gedecentraliseerd, met een grote kans op een hybride model ergens daartussenin. Een gelukkig midden wordt vaak gevonden wanneer data verspreid blijft over de organisatie, maar gecoördineerd wordt door sterke datagovernance en processen om het gebruik ervan te identificeren en te prioriteren.
In een recente workshop met een grote havenautoriteit was het uiteindelijke doel dat werd vastgesteld het gedistribueerde, maar gecoördineerde model. Ze waren al begonnen met een datatransformatie met een gecentraliseerd datateam en sterke steun van het management. De bredere organisatie bestond echter uit meerdere business units verspreid over de wereld, evenals veel dochterondernemingen en partners met wie data gedeeld moest worden. Nieuwe AI-eisen voegden extra complexiteit toe. Het team vroeg zich af hoe dit efficiënt en op schaal gerealiseerd kon worden.
Enkele belangrijke uitdagingen waar het datateam mee worstelde waren:
- Hoe weten we welke data we hebben binnen de bredere organisatie?
- Kunnen we onze data op consistente en betekenisvolle manieren beschrijven?
- Hoe kunnen we de externe data verkrijgen die we nodig hebben?
- Kunnen we samenwerken binnen een breder data-ecosysteem?
- Hoe kan de data gemakkelijker worden ontdekt en benaderd door de organisatie?
- Hoe kunnen we de vereiste informatie en inzichten aan de juiste mensen leveren?
- Hoe kunnen we de kosten beter beheren met meer zicht en controle?
Deze vragen weerspiegelen de behoeften van een breed ecosysteem dat meer datagestuurd wil worden. Het onderliggende thema van deze vragen is coördinatie.
Creëer kansen met de juiste basis
“Overwinning komt voort uit het vinden van kansen in problemen,” observeerde Sun Tzu, de oude Chinese krijger en strateeg. En dat is net zo waar voor technologie als voor oorlog. Ja, data wordt beschouwd als een waardevol bezit. Veel mensen beschouwen het als een uitdaging (en dat kan het zijn). Maar de kans ligt in het benutten van data en het leveren van waarde. Daar wil je ervoor zorgen dat je deze kansen afstemt op je zakelijke doelen door de juiste basis te leggen.
Het uiteindelijke doel van de datastrategie zelf is om kansen te creëren om data te benutten en waarde te leveren — effectief en op schaal.
Drie pijlers vormen de basis: het platform, de processen die het gebruik van het platform regelen, en de mensen die het gebruiken. Deze basis maakt de levering van bruikbare inzichten over alle organisatorische activiteiten of use cases mogelijk, op een effectieve en schaalbare manier.
Platform
De basis vereist het samenbrengen van data — niet noodzakelijkerwijs fysiek, maar in een geïntegreerd platform dat goed beheerde toegang mogelijk maakt voor het end-to-end uitvoeren van analytics- en AI-projecten. Het platform strekt zich uit van gegevensinvoer tot governance en operations, tot de levering van inzichten en impact. Meer informatie vind je op Snowflake.com.
Hier zullen we slechts enkele belangrijke kenmerken benadrukken. Allereerst moeten alle soorten data ondersteund worden: gestructureerd, semi-gestructureerd en ongestructureerd, evenals data die verspreid is over clouds of zelfs on-premises. Bovendien gaat het niet alleen om interne data. De datafundering moet samenwerking met externe partners en klanten mogelijk maken om gezamenlijke use cases te faciliteren en de toegang tot derde partijen te waarborgen voor een completer beeld van je bedrijf.
Een ander belangrijk element van een solide datastrategie is het begrip data-producten. Een data-product kan de data zijn van een enkele bronapplicatie of -proces, of een aggregatie van meerdere databronnen om een samengesteld overzicht te bieden, zoals een Customer 360 of Product 360. De componentproducten worden gecombineerd om verschillende data-producten te vormen en tegemoet te komen aan de behoeften van verschillende gebruikers. Dit vereist coördinatie en een mechanisme voor ontdekking en toegang — zoals de lijsten en Marketplace van Snowflake. Uiteraard kan de werkelijke vorm van een data-product variëren van de data zelf tot een eenvoudige interface of beslissingsondersteunend hulpmiddel tot een native applicatie met ingebouwde bedrijfslogica. De keuze hangt af van de use case en de eindgebruiker. Het platform moet alle use cases en eindgebruikers ondersteunen.
Er is uiteraard veel meer, en wat in het platform is opgenomen vormt een groot deel van de datastrategie... maar het is niet het enige deel.
Mensen
Een complete datastrategie zal de rollen en verantwoordelijkheden van alle medewerkers adresseren. Een data-gedreven organisatie betekent dat iedereen een rol te vervullen heeft.
De meeste datastrategieën bevatten een RACI-tabel om degenen te identificeren die verantwoordelijk, aansprakelijk, geraadpleegd of geïnformeerd zijn voor taken. Maar de datastrategie moet ook de rollen van iedereen binnen de hele organisatie overwegen — niet alleen diegenen die al data-vaardig zijn. Data-gedreven worden vereist een culturele transformatie die "van de werkvloer tot de topvloer" reikt. Immers, iedereen speelt een rol bij het vastleggen, beschermen of gebruiken van data. In feite worden degenen die de data vastleggen vaak over het hoofd gezien — zoals de kassamedewerker of de buitendiensttechnicus. En zo'n verandering vereist meer dan alleen een megafoon. Je datastrategie moet ook een communicatiestrategie bevatten om alle medewerkers te enthousiasmeren en op te leiden.
Proces
Een CDO vertelde me eens dat de D in CDO niet stond voor "data", maar eerder voor "diplomatie." Een van de sleutels tot succes in de rol — en bij de uitvoering van een datastrategie — is het coördineren met belangrijke belanghebbenden en mogelijk concurrerende eisen, vaak met beperkte middelen. Dit effectief doen vereist transparante beleidsmaatregelen en processen.
- Wie heeft toegang tot welke gegevens of voor welke doeleinden?
- Hoe worden de platformvereisten bepaald?
- Hoe worden dataproducten gedefinieerd, ontwikkeld en ingezet?
- Hoe worden de eisen en het gebruik van dataproducten gecoördineerd tussen meerdere gebruikers?
- Hoe worden dataproducten en -projecten geprioriteerd?
- Hoe worden middelen toegewezen?
- Hoe worden de resultaten gemeten?
En, uiteindelijk, hoe worden de lopende investeringen bepaald?
Het implementeren van deze richtlijnen en kaders zorgt voor een soepele uitvoering van de datastrategie. Beleidsmaatregelen en processen creëren transparantie. Mensen weten waar ze staan en hoe ze verder moeten gaan, en hebben uiteindelijk vertrouwen in het proces.
Processen en beleid worden vaak beschouwd als het domein van datagovernance. Maar het is belangrijk om governance breed te zien, en niet alleen met betrekking tot databeveiliging, privacy en compliance. Het gaat om operaties en uiteindelijk bedrijfsverandering.
Vanuit operationeel perspectief helpen transparante processen bij het coördineren van vereisten en middelen, zoals Data of AI Ops, door stappen te definiëren — van het ontdekken van vereisten en het coördineren van investeringen tot het monitoren en meten van impact. Bijvoorbeeld, een datastrategie moet een proces bevatten voor het prioriteren van use cases, gebaseerd op de strategische doelen van het bedrijf en de haalbaarheid van de inspanning. Dat proces zal de volgende stappen en de daadwerkelijke strategie-uitvoering voorstellen.
In een aankomend Snowflake e-book zullen veel AI-gerichte dataleiders van Snowflake-klanten delen hoe zij effectieve en schaalbare AI-strategieën hebben uitgevoerd, inclusief zowel geleerde lessen als best practices. Blijf op de hoogte.
Een weg vooruit uitstippelen
Alles samengevoegd, moet je datastrategie beginnen met je bestemmingdoelen en je reis in kaart brengen vanaf de huidige situatie. Maar we kunnen onszelf niet gewoon van de ene plek naar de andere verplaatsen. We moeten het platform bouwen om daar te komen; de processen en beleidsmaatregelen opzetten voor het effectieve gebruik van dat platform; en iedereen leren hoe ze het moeten gebruiken. Dit omvat het beoordelen van hoe teams zijn georganiseerd, ieders rollen en verantwoordelijkheden, en het maken van een plan om continu te communiceren binnen de hele organisatie.
We weten het allemaal, maar het kan geen kwaad om het opnieuw te zeggen. Voor degenen die streven naar een data-gedreven aanpak, gaat een datastrategie niet alleen over technologie, maar ook over mensen en processen (tot we echt zelfrijdend worden). Zonder wegen en regels zullen bestuurders ongelukken en verkeersopstoppingen veroorzaken. Een datastrategie moet alles in kaart brengen.
