We leven in een VUCA-wereld (Volatile (snel veranderend), Uncertain (onzeker), Complex (ingewikkeld), Ambiguous (vaag, onduidelijk)) en de exponentiële groei van de hoeveelheid data in deze wereld draagt daar in hoge mate aan bij. Vrijwel geen enkele organisatie kan aan de exponentiële groei van data ontsnappen. Deze veelheid aan data biedt zowel kansen als bedreigingen. Het is goed de kansen te zien; data bieden namelijk nieuwe mogelijkheden om klantwaarde te realiseren, om processen te optimaliseren, om faalkosten te reduceren, etc. Maar het is ook zaak om de bedreigingen in ogenschouw te nemen, denk aan cybersecurity, schending van privacyregels, ethische aspecten bij het toepassen van algoritmes.
Wouter Hart introduceerde (in navolging van Jürgen Habermas) in zijn boek Verdraaide organisaties (2012) de systeemwereld en de leefwereld en toonde aan dat de denkrichting in organisaties vanuit ‘de bedoeling’ via de leefwereld naar de systeemwereld moet gaan en niet andersom.
Maar nu is er een derde wereld bijgekomen: de datawereld die zich dwars door die andere werelden wringt (fig. 1).
Wat betekent die datawereld voor de bedrijfsvoering van organisaties? Welke extra bouwstenen heeft een organisatie nodig om zichzelf aan te merken als een datagedreven organisatie? In dit artikel gaan we aan de hand van de PDCA cyclus nader in op deze voorwaarden en kenmerken en duiden we wat aanvullend nodig is ten opzichte van de huidige bedrijfsvoering.
Datagedreven werken is geen doel op zich maar een middel om een organisatie te helpen om zijn doelen te bereiken. Beslissingen die voorheen op een lager niveau in de organisatie genomen konden worden, zijn tegenwoordig boardroom kwesties.
Hoe ziet ons datamodel eruit? Welke voordelen biedt deze business case voor onze klanten? Welke voordelen biedt het onze eigen organisatie? Past deze aanpak wel in onze supply chain en ons business ecosysteem? Welke beveiligingsmaatregelen zijn nodig om datadiefstal te voorkomen? Gaan we juridisch correct om met persoonsgegevens? Is er geen bias in onze algoritmes? Zijn de resultaten van het toepassen van artificial intelligence verantwoord, uitlegbaar aan alle stakeholders en ethisch toelaatbaar? Wat zijn de voordelen van advanced analytics? Hoe kunnen we onze data toevertrouwen aan de cloud? Welke verhaal vertellen we?
Dit vraagt een ander soort leiderschap van de organisatie, digitaal leiderschap. Maar dit vraagt ook om een uitbreiding van eerder geformuleerde kritische succesfactoren en een verbreding van de eerder opgestelde risicoanalyses.
De digitale leider kenmerkt zich door kennis van de datawereld en is in staat om via experimenten op kleine schaal de organisatie bekend te maken met de mogelijkheden van nieuwe digitale technologieën en die te laten landen in alle facetten van de organisatie (processen, systemen en cultuur). Met zijn team is hij in staat om antwoorden te vinden op de vragen die de datagedreven organisatie stelt. Omdat het werken met data vaak ook specialistische kennis vraagt, is de inzet van data-experts (bijvoorbeeld een data scientist, een data analyticus of een machine learning specialist) in veel gevallen noodzakelijk. De digitale leider weet een sense of urgency te creëren als het noodzakelijk is om veranderingen in de organisatie aan te brengen.
Dit artikel is gebaseerd op hoofdstuk 2 van het boek 'De Kwaliteit van Data' van de sectie Data & Kwaliteit van het NNK. De beschouwing van dit hoofdstuk is ook te beluisteren in een podcast.
In 2018 richtte Arend Oosterhoorn de sectie Data en Kwaliteit van het NNK (Nederlands Netwerk voor Kwaliteitsmanagement) op. Onze missie is het gebruik van data en de bijdrage daarvan aan het leveren van kwaliteit in een snel veranderende omgeving voortdurend aanjagen en verbeteren. Een van de doelen was het publiceren over onze bevindingen. In de loop van 2020 ontstond het idee het verzamelde materiaal in een boek te verwerken. Arend heeft hieraan een belangrijke bijdrage geleverd. Na zijn overlijden begin 2022 heeft Kees de Vaal samen met de andere leden van de sectie het boek voltooid.
Het boek De Kwaliteit van Data bevat vijf delen: Het veranderende ecosysteem, Data verzamelen en beheren, Data analyseren met statistische methoden, Data analyseren met kunstmatige intelligentie en Data presenteren en duiden.
Het boek is verkrijgbaar via de webwinkel van uitgeverij Boekscout, bol.com, managementboek.nl en de boekhandel (ISBN: 9789464683721).
In een reeks artikelen bespreken leden van de NNK-sectie Data en Kwaliteit onderwerpen uit het boek.
Lees ook: De reis naar een datagedreven wereld, De jager-dataverzamelaar, De data waardeketen en en Is er sprake van digitale soevereiniteit?
Beluister ook de NNK-podcast waarin hoofdstukken uit het boek 'De kwaliteit van data' worden besproken.
Elke organisatie kent kritische succesfactoren die voortvloeien uit de strategie van de organisatie. De transformatie naar de digitale wereld voegt daar mogelijk nog een aantal aan toe (Atos, 2021):
Een datagedreven organisatie doet er goed aan zijn risicoanalyses op organisatieniveau uit te breiden om zo een goed inzicht te krijgen in de risico’s die nieuwe datatechnologieën met zich meebrengen.
Een risicoanalyse op organisatieniveau kan bijdragen aan het inzicht van bestuur en management in waar mogelijke knelpunten zitten. Het gaat daarbij om risico’s van strategische en operationele aard.
Mogelijke aanvullende aandachtspunten bij een risicoanalyse:
Realiseer je dat veel data ‘ongestructureerd’ is (documenten, presentaties, social media-berichten), identificeer de kritische data waar processen gebruik van maken, bepaal d.m.v. audits en data-analyses of beschikbare data het benodigde kwaliteitsniveau hebben;
Stel vast welke informatiestromen door bedrijfsprocessen lopen, zorg ervoor dat deze op elkaar zijn uitgelijnd, koppel de waarde van de informatie aan informatieveiligheid (beschikbaarheid, integriteit, vertrouwelijkheid);
Bepaal op welk volwassenheidsniveau m.b.t datastrategie, -governance en -infrastructuur de organisatie zich bevindt;
Voer een Data Protection Impact Assessment uit, ontwikkel een gedragscode voor omgaan met persoonsgegevens;
Voer een Artificial Intelligence Impact Assessment uit, ontwikkel een gedragscode voor de ethische aspecten.
Invulling geven aan beleid en strategie van een datagedreven organisatie vraagt om de juiste attitude. Om een datagedreven organisatie goed te laten functioneren is een datagedreven cultuur nodig waarin iedereen besef heeft van de waarde en risico’s van data (Stam et al., 2020).
In een datagedreven cultuur past een datastrategie en datavakmanschap: kunnen omgaan met data, analyseren van data, presenteren van data, het verhaal achter de data vertellen, kortom een zekere mate van datageletterdheid. Alle medewerkers beschikken over basiskennis en basisvaardigheden betreffende data en computers, gebruiken passende tools om data te analyseren en te presenteren. Er zijn voldoende specialisten aanwezig om de stappen in de data waardeketen in te kunnen vullen. Besluitvorming vindt plaats op basis van data.
In die cultuur past ethisch gedrag van medewerkers. Alleen die data worden verzameld waarvoor toestemming is verkregen, alleen die resultaten worden gepresenteerd waar een verantwoorde analyse op uitgevoerd is. Het is ook een cultuur die op samenwerking is gericht en waarin – we hebben het tenslotte over nieuwe technologie – het veilig is om fouten te maken en daarvan te leren.
Een datagedreven cultuur vraagt om risicobewustzijn. Er is een data governance structuur aanwezig waardoor data in een beveiligde omgeving verzameld en opgeslagen worden en datamanagement geborgd is. Daarmee wordt ook de democratisering van data bevorderd. Data zijn zoveel mogelijk vrij beschikbaar: op de werkvloer geven data real-time informatie over end-to-end procesprestaties, voor de leidinggevenden zijn dashboards met actuele data beschikbaar, productiesystemen melden hun statusgegevens aan onderhoudsafdelingen die met advanced analytics deze data analyseren om bijvoorbeeld predictive maintenance te plannen.
Een datagedreven cultuur ontstaat niet vanzelf. Leiders in een organisatie moeten overtuigd zijn van nut en noodzaak en het belang ervan uitstralen in hun dagelijks handelen. Medewerkers moeten getraind worden in bewustwording van mogelijkheden van en grenzen aan alles wat met data te maken heeft: data-analytics, artificial intelligence, presentatie en interpretatie van data. Vanuit die bewustwording ontstaan mogelijkheden om toepassingen te ontwikkelen die (primaire) processen effectiever en/of efficiënter kunnen maken. Als medewerkers van het begin betrokken worden bij het ontwikkelen van toepassingen, kunnen zij als domeinexperts bij uitstek een rol spelen bij het automatiseren van processen en taken en ‘in control’ blijven.
Datageletterdheid is een nieuwe term die nog niet eenduidig is beschreven, de volgende aspecten vallen er mogelijk onder (Oosterhoorn, 2020):
Daan van Beek (2019) heeft een model ontwikkeld om de datageletterdheid in beeld te brengen. Hij onderscheidt daarbij vier factoren die van belang zijn: toegang tot data, houding tot data, vaardigheden en kritisch denken. Zijn scoringstabel ziet er – vereenvoudigd - uit zoals weergegeven in de tabel.
In datagedreven organisaties is meten van prestaties grotendeels gedigitaliseerd. Op de werkvloer is real-time inzicht in de procesprestaties, zodat onmiddellijk kan worden bijgestuurd als de processpecificaties niet worden gerealiseerd.
Leidinggevenden kunnen via dashboards overzicht houden over de systeemprestaties en analyses maken. Voor bestuur en management zijn balanced scorecards waarmee vanuit verschillende perspectieven informatie wordt verstrekt over de prestaties van de organisatie, waarbij waarde toevoegen voor klant en andere stakeholders het uitgangspunt is. "Het belang van audits neemt af. Het gaat steeds minder om het vaststellen of volgens de gemaakte beschrijvingen wordt gewerkt en steeds meer over de vraag of we in staat zijn adequaat (agile) te reageren op de informatie die uit het proces komt." (Oosterhoorn, 2019).
We zien een drietal ontwikkelingen in auditeren waardoor de audits beter passen in een moderne, datagedreven organisatie.
Waarderend auditeren is gebaseerd op waarderend onderzoeken (appreciative inquiry) waarvoor David Cooperrider in het midden van de jaren ’80 de basis legde. Het stellen van waarderende vragen zorgt voor een positieve ontwikkeling in teams en organisaties en nodigt uit tot een positieve dialoog (de Vaal et al., 2023).
Bij waarderend auditeren kijken we niet in de eerste plaats naar problemen en tekorten van een proces of een organisatie. Het uitgangspunt is meer, wat het doel van het proces of van de organisatie is. Dan komen ‘vanzelf’ de belemmeringen naar voren die ons hinderen om dat doel te bereiken. Die worden met een positieve blik verder onderzocht: ‘Wat zijn jullie ideeën om deze werkwijze te verbeteren?’. Dit soort vragen wordt ook wel ‘feedforward’ vragen genoemd om ze te onderscheiden van de bekende feedbackvragen die meer gericht zijn op resultaten in het verleden.
Het leereffect is direct verbonden met de waarderende auditaanpak:
De Leanfilosofie richt zich primair op waarde toevoegen voor de klant. Lean auditeren kan organisaties helpen om processen slimmer in te richten (Diepenmaat et al., 2013). Bij een Lean-proces wordt al regelmatig gekeken naar het reduceren van verspillingen, maar Lean auditeren kijkt vanuit een breder perspectief naar het proces. De audit start met het concretiseren wat klanten echt willen en welke reis de klant maakt als hij een dienst afneemt. Tijdens de audit wordt een waardestroomanalyse opgesteld, een verspillingswandeling gemaakt en een oorzakenanalyse uitgevoerd. De audit is diagnosticerend van aard en de auditor is vooral procesbegeleider want de procesmedewerkers zijn de spil van de audit.
Technologische ontwikkelingen in datagedreven organisaties maken een geheel andere aanpak van audits mogelijk en soms zelf noodzakelijk.
Dit is nog maar een greep uit de digitale toolbox, maar duidelijk moge zijn dat er veel ontwikkelingen gaande zijn die tot een fundamenteel andere wijze van auditeren kunnen leiden.
Tenslotte dient de PDCA cirkel in de ACT fase te worden gesloten. Wat kan worden geleerd vanuit de check fase en hoe leidt dit tot het bijstellen van de doelen van de organisatie. Hoe is het lerend effect geborgd? De digitale wereld vraagt om andere leerprocessen. Natuurlijk zijn er kritische processen waar alleen na zorgvuldige analyse, proefopzetten en validaties een proceswijziging mag worden aangebracht, maar we zien steeds vaker werkwijzen waar juist geëxperimenteerd mag worden met kortcyclisch verbeteren onder het motto: ‘act fast, fail fast, correct fast, learn fast’. Leren van ervaringen leidt veelal tot verbeterprojecten die de effectiviteit of efficiëntie van processen of diensten zullen verbeteren. Veel van die projecten resulteren in feitelijke verbeteringen.
Literatuur
Auteur
Natascha Grundeken-Wallaard is na haar studie Biologie aan de Universiteit Leiden sinds 2001 werkzaam op het gebied van Kwaliteits- management en Milieu. Zij heeft in 2019 haar Master Kwaliteitsmanagement behaald bij Schouten& Nelissen University of Applied Sciences. Zij is lid van het Nederlands Netwerk Kwaliteits- management (NNK.nl) en sinds de oprichting actief in de sectie Data en Kwaliteit. Haar huidige functie is Coördinator Integraal kwaliteitssysteem en veiligheid bij het Commando Materieel en IT van het ministerie van Defensie.
Dit artikel verscheen in Kwaliteit in Bedrijf, mei-juni 2023.