De kloof tussen data en business
De business kijkt doorgaans heel anders tegen de mogelijkheden en kansen van data aan dan de datakant. En die kloof is best lastig navigeren, aldus Renske. ‘Feitelijk spreek je een andere taal. Ondanks dat je hetzelfde doel wilt bereiken, zorgt die kloof ervoor dat expertises moeilijk bij elkaar zijn te brengen. Bijvoorbeeld bij data science-projecten: de business schiet al snel in de kramp omdat dataverhalen al snel hun pet te boven gaat. Vaak wordt de business juist om deze reden laat bij het project betrokken. Dan loop je vervolgens het risico veel energie en moeite te verspillen. Data science doet bijvoorbeeld hele toffe dingen, maar als je een model niet koppelt aan iets wat je gaat oplossen in de business, kan alles voor niets zijn geweest. Ik heb ooit een keer een regressiemodel gebouwd dat ik met vol overgave heb gepresenteerd; mensen hadden geen flauw idee waar ik het over had. Je moet de business hier echt goed in begeleiden en laten zien wat zij eruit kunnen halen.’
De vertaling naar de business is dus een belangrijk onderdeel van de datakant. Aan de businesszijde kun je er niet veel aan veranderen. Je moet een category of brand manager dan ook zeker geen datacursus laten volgen, stelt Renske. ‘Dat heeft geen zin. Dat het is hetzelfde als een data scientist vragen om te leren een reclamecampagne te creëren of een mediakalender op te stellen. Het creëren van wederzijds begrip is wel cruciaal, maar dat gaat meer om de dialoog met elkaar aangaan, zodat de synergie uit beide vakgebieden tot uiting komt. Dat beiden snappen waar de samenhang zit en wat ze elkaar te bieden hebben. Uiteraard moet de business wel basiskennis hebben over bijvoorbeeld kernmetrics, maar ze hoeven geen regressies te doorgronden. We moeten de krachten van elkaars vak herkennen en zien waar die samenkomen.’
Denken vanuit de business voelt oncomfortabel, maar levert uiteindelijk toepassingen op met veel meer tractie
Een groot project waar Renske’s afdeling de afgelopen anderhalf jaar mee bezig is geweest, is de herstructurering van dashboards. Niet per se een businesscase, maar wel een heel duidelijk voorbeeld hoe je de business een rol kan laten spelen in de oplossingen die je bouwt, aldus Renske. ‘We merkten dat onze dashboards volledig vanuit een dataperspectief waren ingericht. En niet vanuit de business, die de dashboards uiteindelijk gebruiken. We hebben het daarom helemaal omgedraaid. We zijn begonnen met het in kaart brengen van business-needs, use cases, business-rollen en -functies. Hoe zou je dashboards vanuit die perspectieven moet vormgeven om ze makkelijk te kunnen navigeren? Een ontzettend leuke uitdaging. We zitten inmiddels aan de vooravond van de grote lancering en het begint nu al enorm tractie te krijgen binnen onze organisatie.’
Waar Renske en andere betrokken dataexperts in dit proces tegenaan liepen was het feit dat je alles heel simpel aan het maken bent. Renske: ‘Dat voelt zo oncomfortabel, omdat je ergens in je hooft denkt dat de waarde juist in zit in next-level datatoepassingen en machine learning. De waarde zit echter juist in het transparant en makkelijker maken van datatoepassingen. Als je denkt vanuit de businesszijde, dan kom je erachter dat juist deze toepassingen veel tractie vinden binnen je organisatie.’
Neem als datateam je verantwoordelijkheid en neem het einddoel als startpunt
Aan het einde van het gesprek benadrukt Renske nog een keer de rol die je als dataexpert binnen een organisatie moet claimen. ‘Neem als datateam je verantwoordelijkheid. Datagedreven werken betekent niet dat je uitsluitend data aanlevert, maar dat je het verder brengt en je jezelf als businesspartner opstelt. Neem daarbij het einddoel als startpunt zodat je weet wat je moet oplossen en wat je ervoor nodig hebt. En dat is tegenwoordig meer dan alleen de harde dataskills. Om echt een brug te kunnen slaan moet je als team over de capaciteiten beschikken om het dataverhaal naar de business te vertalen. Een soort analytics translator die makkelijk het gesprek met de business aan kan gaan. Dit wordt uiteindelijk een cruciale rol binnen het datateam van de toekomst.’