Data zou toch de nieuwe olie zijn?

  3 minuten

Data als nieuwe olie. Deze vergelijking is al talloze keren gemaakt maar lijkt geen logische, behalve de belofte om veel en snel geld verdienen. Toch blijkt deze uitdaging groot. En hoewel er minder fysiek risico is bij data, is er veel voor nodig om data om te kunnen zetten in waarde. We nemen je daarom graag mee in het productieproces van data langs de lijnen van olieproductie. Zo wordt duidelijk met welke facetten je te maken krijgt om data ook echt de nieuwe olie te laten zijn. Want wat komt er nou allemaal bij kijken om data in je organisatie te laten werken?

Alleen waarde bij mogelijkheid tot toepassing

Het belangrijkst is een doel voor je data. Net zoals olie weinig nut heeft zonder toepassing ervan voor plastic of transport, moet je ook een duidelijke toepassing voor ogen hebben voor je data. Nog beter: door de AVG is het nu zelfs verplicht de relevantie van dataverzameling inzichtelijk te hebben. Waar wil je het voor gebruiken? Hoe vaak wil je het gebruiken en wie is hierbij betrokken? Het verzamelen van vertrouwelijke data die je niet nodig hebt is zonde van de tijd en bovendien verboden.

Data als grondstof, maar waar begin je met graven?

Data is overal en dit wordt alleen maar meer de komende tijd. Bij iedere website die we bezoeken laten we een spoor enen en nullen achter. Waar systemen gebruikt worden, ontstaat data. Onze collega’s Hugo en Theo hadden daar al een mooi artikel over. Elke keer als een medewerker een veld in een systeem invult, is dat weer een toevoeging van de grondstof data binnen een organisatie. De olie lijkt zo voor het oprapen te liggen, maar zit toch vaak diep in de systemen en is nog erg ruw.

Data lijkt dus eenvoudiger te winnen dan olie, maar het is de valkuil dat het ook altijd mensenwerk blijft. Wanneer mensen niet doorhebben dat hun werk in een systeem zorgt voor nieuwe data kan het zijn dat er veel vervuilde of onvolledige data in systemen terecht komt. Als dit niet goed opgepakt wordt dan wordt de brandstof steeds ruwer, tot deze niet meer bruikbaar is. Olie heeft alleen waarde als het rendabel verwerkt kan worden tot iets bruikbaars. Bij data is dit niet anders.

Verwerken van data

De data in systemen zijn niet meteen bruikbaar om analyses op los te laten. Daarvoor moet je brondata eerst ruw uit de systemen halen. Een datascientist moet checken met wat voor data je te maken hebt: is de data bereikbaar genoeg om het te binnen afzienbare tijd te ontginnen? Wat is de kwaliteit ervan en is het veilig voor gebruik? Hebben we de juiste tools om de data te verwerken en presenteren? Is de data voldoende om het doel te bereiken?  Als de data eenmaal ruw is binnengehaald is het daarom van belang om het zo te bewerken dat de data-analisten ermee aan de slag kunnen.

Net als bij olie moet je bij data dus goed op de locatie van een boorplatform letten en de kwaliteit van de olie wanneer je de afweging maakt om het op te pompen. Het kan duur zijn om veel tijd te investeren in data wat niet goed genoeg is om de business mee te bedienen. Daarom is het zaak om altijd kritisch te kijken naar data die je klaar wilt zetten voor de business analisten.

Bruikbaar maken van data

Zonder een benzinepomp is het lastig om te tanken, daarvoor moet de brandstof eerst handig getransporteerd moeten worden en passend gemaakt worden voor het doel. Business analisten en data analisten kunnen met bewerkte brondata aan de slag om de business te ondersteunen en vragen te beantwoorden. Ze kunnen met behulp van grafieken, tabellen en infographics de informatie versimpelen tot de kern.  De data kan pas nuttig gebruikt worden zodra deze ook echt antwoorden geven op de vragen of tot goede nieuwe inzichten leidden buiten de vraag om.

Conclusie: is data nu wel echt de nieuwe olie?

Waar olie na verwerking in een product alleen nog naar de juiste plek hoeft te worden getransporteerd voor gebruik, blijft er bij data altijd de uitdaging om het om te zetten in brandstof voor de business. Hiervoor is het van belang dat er mensen zijn die zowel de data begrijpen als de wensen uit de business kunnen vertalen naar toetsbare hypothesen.

Net zoals er nu hard gewerkt wordt aan een elektrische infrastructuur voor nieuwe auto’s, moet deze data-infrastructuur gebouwd worden binnen de organisatie. Dit gaat verder dan data alleen, maar gaat ook om de benoemde verantwoordelijkheden, gedefinieerde processen en de kennis van de medewerkers.

Zeg eens eerlijk, hoe staat het met de data-infrastructuur van jouw organisatie?

New call-to-action
Deel dit artikel