Datagedreven werken wordt belemmerd door uitdagingen op het gebied van datakwaliteit
Het DDMO 2024 laat zien dat de beschikbaarheid en kwaliteit van data voor veel organisaties nog steeds één van de grootste uitdagingen is om datagedreven te werken: bij nog altijd 33% van de organisaties zijn data en insights slechts beperkt of niet beschikbaar. 24% heeft datakwaliteit in de top 3 grootste uitdagingen benoemd. Het gebrek aan budget (met 28% de grootste uitdaging) lijkt net als voorgaande jaren ook ten grondslag te liggen aan de uitdaging om meer datagedreven te werken en hier is ook geen verbetering zichtbaar.
Ondanks dat we leven in een wereld die steeds meer op data leunt, zijn veel organisaties nog steeds op zoek naar de juiste symbiose tussen mens, proces en technologie met daarbij ook de juiste tijd en prioriteit (zoals budget) om meer datagedreven werken mogelijk te maken. Dit zien we nu ook bij het gebruik van complexere AI-toepassingen: datakwaliteit is een belemmerende factor en legt een fundamenteel probleem bloot.
Data Governance als bouwsteen voor datakwaliteit
Datakwaliteit is nogal een ruim begrip en daarom is het begrip ‘Data Governance’ een goed raamwerk om deze uitdaging toe te lichten vanuit de drie perspectieven Mens, Proces en Technologie (dit model kent zijn oorsprong in Harold Leavitt’s “Applied Organisation Change in Industry”, 1965). Het gaat bij datakwaliteit dus niet alleen om het technische aspect, maar juist ook om het kweken van een datagedreven cultuur waarbij een goede samenwerking tussen de business- en byte-kant van organisaties cruciaal is.
1. Mens
Voor het tweede jaar op rij, laat het DDMO zien dat het voor organisaties in de marketingsector belangrijk is om aandacht te hebben voor het bijhouden van kennis en vaardigheden van medewerkers: 72% benoemt het als belangrijkste onderwerp in de toekomst van het marketingvak, gevolgd door aandacht voor vaardigheden en persoonlijke eigenschappen van medewerkers (67%). Het vinden en behouden van deze medewerkers met de juiste kennis en vaardigheden is daarbij een logisch zorgpunt, vanwege de krappe arbeidsmarkt en snelle technologische ontwikkelingen.
De sectorvertegenwoordiging uit het onderzoek ziet over het algemeen niet direct een uitdaging op de aanwezigheid van kennis en kunde op datagebied: slechts 22% noemt dit de meest waardevolle vaardigheid om te bezitten in hun functie. In principe zijn dat hard skills die goed aan te leren zijn. De uitdaging zit vooral in soft skills van medewerkers: onder meer samenwerking en communicatievaardigheden zijn steeds belangrijker om te ontwikkelen en worden als meest waardevol gezien binnen de functie. Samenwerking wordt door 32% als meest waardevol gezien en communicatievaardigheden door 40%.
Meer weten over het belang van soft skills? In een aankomend verdiepend artikel gaan we hier uitgebreider op in.
2. Technologie
Een andere opmerkelijke uitkomst van het DDMO 2024 is dat er qua technologie weinig veranderingen zijn waar te nemen in het gebruik van datatooling. 86% van de sectorvertegenwoordiging maakt bijvoorbeeld nog altijd geen gebruik van een customer data platform (CDP), en ook andere data-oplossingen zoals datawarehouses (22% gebruikt dit) en data lakes (12% gebruikt dit) zijn relatief weinig in gebruik.
Een logisch gevolg van het ontbreken van deze tooling binnen organisaties, is dat de data over het algemeen gefragmenteerd beschikbaar is en het moeilijk is om een centraal klantbeeld te hebben dat ook nog omnichannel ingezet kan worden. Daardoor is er ook een relatief laag gebruik van personalisatie op eigen mobiele apps en websites van organisaties.
Meer weten over databeschikbaarheid, -kwaliteit en -toepassingen? In een later artikel uit deze reeks komen we hierop terug en gaan we in op de uitdagingen die organisaties in de marketingsector hebben op het gebied van data en inzicht en de techniek die men al dan wel niet in gebruik heeft.
3. Proces
De processen binnen het model kun je zien als bindmiddel tussen ‘mens’ en ‘technologie’. In het DDMO 2024 valt op dat er bij grotere organisaties vaak een disbalans is tussen de business- en byte-kant van organisaties. De business-kant weet beter wat er met de data gedaan wordt dan de byte-kant. De byte-kant is daarentegen meer bekend met hoe en welke data verzameld wordt, maar blijkbaar mist hierbij de context over hoe data uiteindelijk wordt ingezet.
Opmerkelijk is dat over verschillende inzichten heen, middelgrote bedrijven minder uitdagingen lijken te hebben om goede inzichten te krijgen: zij kennen minder complexiteit, hebben een plattere organisatiehiërarchie, maar hebben wel de technische mogelijkheden. Dit laat maar zien dat het ‘mens’-perspectief een grote factor is waarbij rollen en verantwoordelijkheden goed moet worden vastgelegd met duidelijke proceseigenaren en communicatielijnen. De eerdergenoemde analytische vaardigheden en het communicatieve vermogen van medewerkers zijn hierbij van groot belang.
En hoe zit het nu met AI?
In het DDMO 2024 zien we dat AI het meest wordt toegepast bij relatief laagdrempelige toepassingen zoals contentcreatie (door 61% in meer of mindere mate toegepast) en digitale marketing (door 60% in meer of mindere mate toegepast). Opmerkelijk hierbij is dat ondanks de snelle technologische vooruitgang op AI, de complexere inzet echter nog wel beperkt is. Vooral als het gaat om het gebruik van eigen data in zogenaamde zelflerende modellen in toepassingen voor bijvoorbeeld Conversational AI (door 45% wordt dit (bijna) niet toegepast).
Ook hier spelen de uitdagingen op datakwaliteit: zonder goede data is de kans op fouten groot en dit zorgt ervoor dat veel organisaties proefondervindelijk de mogelijkheden en onmogelijkheden van AI stapsgewijs aan het ontdekken zijn.
Meer weten over de huidige inzet van AI? In een later artikel uit deze reeks gaan we hier uitgebreider op in, ook op de uitdagingen die hiermee gepaard gaan.
Over het Data-Driven Marketing Onderzoek (DDMO) 2024
Het DDMO is een onafhankelijk initiatief van branchevereniging DDMA en de DDMA Commissie Data, Decision & Engagement. Het jaarlijkse onderzoek brengt in kaart hoe de marketingsector in Nederland data verwerkt en gebruikmaakt van (klant) data, met als doel inzicht en advies te geven in hoe datagedreven de marketingsector is en waar kansen en uitdagingen liggen.
In drie deep dives zijn de belangrijkste inzichten van het DDMO 2024 verder uitgewerkt. Het eerste deep dive artikel zal ingaan op de beschikbaarheid, kwaliteit en toepassing van data door organisaties in de marketingsector. Gevolgd door de deep dive artikelen over het belang van soft skills binnen de marketingsector en de huidige toepassing en uitdagingen van AI.
Onderzoeksverantwoording
Methode en samenwerking
Kwantitatief onderzoek, uitgevoerd door middel van een online enquête in juni en juli 2024, in samenwerking met onderzoeksbureau GfK.
Doelgroep en steekproef
De steekproef bestaat uit 520 Nederlanders die werkzaam zijn binnen de marketingsector, geworven via het panel van GfK, die positief hebben geantwoord op de vraag of zij grotendeels marketing gerelateerde werkzaamheden uitvoeren. Daarnaast hebben 88 respondenten uit de achterban van DDMA deelgenomen. De genoemde resultaten zijn alleen op de onderzoeksdoelgroep (n=520) gebaseerd, behalve als dit expliciet wordt aangegeven.
Business- & byte-doelgroepen
Binnen de DDMO resultaten wordt specifiek aandacht besteed aan twee specifieke subdoelgroepen: de business- en byte-doelgroep, gebaseerd op de rolomschrijving van de onderzoeksdoelgroep. De business-kant van organisaties (n=178) omvat rollen als marketeer, product owner, marketingmanager of -coördinator en de byte-kant (n=69) rollen als analist, developer, programmeur, data scientist of -engineer.
Significantie-duiding
In het geval van verschillen in resultaten tussen twee of meerdere groepen is de significantie getoetst met een standaard betrouwbaarheid van 95%. Wanneer er sprake is van een significant verschil is dit geduid met een *. Bij vragen waarbij minder dan 30 waarnemingen beschikbaar zijn zullen deze niet met percentages worden aangegeven.
Auteurs
Werkgroep Data-Driven Marketing Onderzoek, onderdeel van de DDMA Commissie Data, Decisions & Engagement
Ronnie van Nieuwenhoven
Lydia de Haan
Mark van der Vlies
Monique Hartveld-Zwanenburg
Nanda Appelman
Ook interessant
Vacature: lid commissie Data, Decisions & Engagement (DDE)
Data-Driven Marketing Research 2024 – Deep Dive 3: Apparent contradiction; no widespread adoption of AI within the marketing sector yet