Data Inzicht Business Improvers

De vier niveaus van data-verzamelen: Beschrijven van data

In onze vorige blogs hebben we je meegenomen in de Scaling Up methodiek van Verne Harnisch. Belangrijk in deze methodiek zijn de vier beslissingsgebieden, namelijk Mensen, Strategie, Uitvoering en Cash. Op het oog vier totaal verschillende gebieden maar ze hebben één belangrijke overeenkomst: zonder inzicht weet je niet waar je per beslissingsgebied staat en welke stappen je nog kan zetten. In deze blog ga ik in op de grondbeginselen van het verzamelen van data en inzichten.

Het gebruik van data bestaat volgens Gartner’s data-volwassenheidsmodel uit 4 verschillende niveaus:

  • Beschrijvende data: Wat gebeurt er binnen een organisatie?
  • Analyserende data: Waarom is dit gebeurd?
  • Voorspellende data: Wat gaat er gebeuren?
  • Voorschrijvende data: Wat moet je doen?

Deze vier niveaus zijn aan elkaar verbonden en volgen elkaar op. Je kan dus pas analyseren op het moment dat je bent begonnen met beschrijven. Als je een stap hierin overslaat, levert dit op lange termijn problemen op. Daarom is het belangrijk altijd te starten met het onderste niveau. Dat betekent dat je eerst door middel van data gaat beschrijven wat er gebeurt binnen je bedrijf. Denk hierbij aan zaken als: Hoeveel winst maken we? Hoeveel bezoekers trekt onze website per maand? Wat is de gemiddelde duur van een abonnement etc.

Het is dus van belang dat je voor je eigen bedrijf opzoek gaat naar de elementen die voor jouw bedrijf belangrijk zijn. Sommige bedrijven komen om in de data maar dit betekent niet dat het data is waar een waarde uit gecreëerd kan worden. Besef je ook dat beschrijven van data een continu proces is.  De belangrijkste elementen kunnen door de tijd minder belangrijk worden of juist verfijnen. Vind de belangrijkste elementen en bepaal per element wat de situatie is:

  • Wat wil je precies weten van een bepaald element? (Stel dat winst een element is. Wil je dan ook de omzet en kosten weten? En welke winstmarge vind je belangrijk?)
  • Beschik je over de data?
  • Is de data kloppend en is het in de juiste vorm? (Google Analytics heeft bijvoorbeeld moeite met bezoekers die een ad blocker hebben. Wees je bewust van de tekortkomingen van de data)
  • Ontvang je de data in de juiste frequentie?
  • Waar is de data opgeslagen en is het toegankelijk? (Het kan zijn dat data ergens wordt opgeslagen, maar dat het niet gedownload kan worden en daardoor niet in de vorm gestopt kan worden die je wilt)

Als je dit in beeld hebt, kun je aan de slag met de belangrijkste elementen. Een tip: start met de elementen die qua impact en effort de meeste waarde oplevert. Pak het daarnaast gestructureerd aan en doe dit niet alleen. Samen zie je meer en houd je elkaar scherp.

Aanvankelijk lijkt het logisch om data op te slaan in Excel, maar al snel merk je dat dit op de langere termijn niet werkbaar is. Excel vereist handwerk en heeft een beperkte hoeveelheid ruimte om data op te slaan. Uiteindelijk zal er een proces ingericht moeten worden wat data uit de bron haalt, verwerkt en opslaat op een plek waar het geschikt is voor vervolgstappen, zoals een database. Dit proces noemen we ETL (Extract, Transform, Load). Hoewel het niet per se nodig is om dit direct te doen als je start met het vergaren van inzichten, is het wel goed om in het achterhoofd te houden dat dit een essentieel onderdeel gaat zijn van je dataproces.

Als je data over een langere periode inzichtelijk maakt, ga je naast momentopnames ook trends zien. Deze trends kan je dan koppelen aan je Kritische Prestatie Indicatoren (KPI’s). Het geeft je dus richting of je op de goede weg om je ambities te verwezenlijken of dat je nog maatregelen moet nemen. De trends kun je met je team bespreken in vast vergaderritme om focus op je KPI’s te houden en acties te bedenken om de KPI’s te halen.

Een belangrijke stap is om te bepalen op welke wijze je de verzamelde data wil gaan tonen. Wordt dit een maandelijks rapport, of misschien een dashboard dat continu geüpdatet wordt. Het juiste antwoord hangt af van de vragen die je als bedrijf wil beantwoorden. Veel gebruikte tools voor het tonen van data zijn bijvoorbeeld Cognos, Power BI of Tableau. Gratis tools als Google Studio zijn ook populair, maar bieden wel een stuk minder opties.

Om dit goed neer te zetten is uiteraard tijd en ervaring nodig. In deze fase is iemand nodig die het ETL-proces goed kan doorgronden en uitvoeren. Dit is vaak een Data Engineer. Het ontwikkelen van het dashboard en/of rapportage wordt gedaan door een BI-developer. Wanneer de data van belangrijke elementen goed wordt opgeslagen en hier voor langere tijd op gerapporteerd wordt zal op een gegeven moment de vraag rijzen: Waarom zien we deze resultaten? Hier begint het tweede niveau van Gartner’s data-volwassenheidsmodel, namelijk: Analyse! Hierover meer in een volgende blog!

Wil je meer weten over data, inzichten, ETL of dashboards? Neem dan contact met mij op!

Patrick van Gelder

Patrick@businessimprovers.nl

Share this story: