Als organisatie werk je al op verschillende momenten met data. Maar in welke mate datagedreven werken precies verweven is in de organisatie en wat er op dit gebied nog meer mogelijk is, is nog niet altijd duidelijk. Daarvoor is een Data Maturity Model heel handig. Het helpt je te bepalen waar je organisatie staat op de Data Maturity ladder en om je doelstellingen qua datagedreven werken scherp te krijgen. Wat zo’n model precies kan doen voor organisaties, hoe het kan worden toegepast wanneer je veel met IoT-toepassingen werkt en waarom zo’n model ook voor overheidsorganisaties heel interessant is, hebben we voor je op een rijtje gezet.
Data Maturity treden
- Trede 1 - Beschrijvend: Je gebruikt data voor managementrapportages en dashboards waarmee je verschillende doelstellingen voor je organisatie stelt, meetwaarden invoert en de statistieken inzicht geven in de behaalde doelstellingen.
- Trede 2 - Diagnostisch: Je gebruikt interactieve visualisaties van data en koppelt gegevens aan elkaar om specifieke analyses te maken.
- Trede 3 - Voorspellend: Je gebruikt data om inzicht te krijgen in de oorzaken van afwijkingen in de metingen en op basis daarvan voorspellingen te doen voor de toekomst.
- Trede 4 - Prescriptief: Je integreert de voorspellingen op basis van je data in je organisatieprocessen zodat je op trends kunt inspelen, zoals onderdelen aanpassen, problemen voorkomen of kansen benutten.
Hoe pas je als mkb een Data Maturity Model toe?
Het model is niet alleen voor grote organisaties relevant, het helpt ook middelgrote en kleine organisaties bij het gefocust toewerken naar zo optimaal mogelijk datagedreven werken. Dit zet je in werking door aan de slag te gaan met de volgende aspecten:
- Formuleer je data- en analysestrategie voor de korte termijn
Als onderdeel van je langetermijnstrategie. Met duidelijke mijlpalen en deadlines die je binnen een jaar wilt behalen en gericht op quick wins: beheersbare projecten waarmee je in je hele organisatie de voordelen laat zien van datagedreven werken en data-analyses.
- Stel een data-analyse-team samen
Op basis van de doelstellingen en met mensen van verschillende afdelingen in je organisatie. Een team dat je data- en analysestrategie uitvoert op zo’n manier dat datagedreven werken de medewerkers ondersteunt.
- Besteed aandacht aan de datakwaliteit
Identificeer welke gegevens je hebt verzameld in je organisatie en waar deze zich bevinden. Werk vervolgens samen met je medewerkers een plan uit dat ervoor zorgt dat je gegevens van hoge kwaliteit worden of blijven.
Hoe werk je met een Data Maturity Model in het IIoT domein
In bijvoorbeeld het Industriële Internet of Things domein is een Data Maturity model een handig handvat voor de optimalisatie van datagedreven werken. Van het handmatig verwerken van de losse gegevens van de apparaten en sensoren, naar het volledig automatisch verzamelen en interpreteren van de gegevens van de verschillende devices en het op basis daarvan voorspellingen doen en acties ondernemen, zoals machineonderhoud. Er zijn vier gradaties te onderscheiden:
- Gradatie 1: Automatisch verzamelen van gegevens
Draadloze sensoren kunnen bij het uitlezen van apparaten enorm helpen, ook en vooral in situaties die voor mensen gevaarlijk zijn. De kwaliteit, capaciteit en continuïteit van het gegevens verzamelen nemen daardoor toe.
- Gradatie 2: Beschrijven en interpreteren van verzamelde gegevens
Grote hoeveelheden automatisch verzamelde gegevens uit de verschillende devices zeggen nog niet alles. Wanneer je er automatische analyses op loslaat, kom je aan de hand van diagrammen en grafieken tot interessante inzichten over wat er gebeurd is met bijvoorbeeld bepaalde machines. - Gradatie 3: Herkennen van patronen en voorspellen van gebeurtenissen
Met behulp van Machine Learning kun je de grote hoeveelheden gegevens uit de sensoren verwerken en hierin automatisch de patronen herkennen die leiden tot bijvoorbeeld uitval van machines. Heel handig omdat je daardoor nog vóórdat een machine kapot gaat, kunt beslissen alvast onderhoud uit te voeren. - Gradatie 4: Automatisch reageren op binnengekomen gegevens
Hierbij wordt op basis van de binnengekomen gegevens automatisch de beslissing genomen om een actie te ondernemen, bijvoorbeeld een vervangend onderdeel bestellen of een onderhoudsinspectie plannen.
Data Maturity Model: ook interessant voor overheidsorganisaties
Werken met een Data Maturity Model is natuurlijk niet alleen voor commerciële organisaties heel handig. Ook overheidsorganisaties hebben er veel baat bij blijkt uit verschillende onderzoeken, onder andere in de Verenigde Staten en Zuid-Afrika. Een aantal tips voor overheidsorganisaties die aan de slag gaan met een Data Maturity Model:
- Leg de nadruk op hoe data-analyses bijdragen aan de doelstellingen van je overheidsorganisatie.
- Stel een Chief Data Officer aan die zich focust op een zorgvuldige verwerking en bescherming van de vele persoonlijke gegevens die je als overheidsorganisatie verzamelt en die vaak verspreid zijn over verschillende organisatieonderdelen.
- Start met wat je al hebt in je organisatie, maak gebruik van de aanwezige overkoepelende IT-doelstellingen en datamodellen en word vanuit daar een meer datagedreven overheidsorganisatie.
- Vergeet de cultuurverandering niet. Datagedreven werken en stappen zetten aan de hand van een Data Maturity Model vergen ook een gedragscomponent van de medewerkers.
Stip op de horizon
Het bereiken van de hoogste trede of gradatie in een Data Maturity model is waar veel organisaties naar streven. Maar dat hoeft niet een korte termijn doel op zich te zijn. Dan stap je in de valkuil van te grote stappen willen zetten die de veranderingen in de ICT niet bijbenen en niet binnen je IT-budget passen. Het gaat er bij het optimaliseren van datagedreven werken om dat je goed kijkt naar de doelstellingen die je als organisatie hebt en wat je met je IT-strategie wilt bereiken, de investeringen die je wilt doen en daar een goede balans in weet te vinden. Een Data Maturity Model en bovenstaande tips geven jou een stip op de horizon waardoor je stapsgewijs steeds meer waarde uit je gegevens kunt halen.
Wil je meer weten over hoe je slim gebruik kunt maken van de grote hoeveelheden gegevens in je organisatie? Download dan het onderstaande eBook over Business Intelligence en Data Analytics.
