Data is een woord dat we allemaal gebruiken, maar waar iedereen een eigen betekentis aan lijkt te geven. Wat is uw definitie?
Data is een ongelooflijk ruim begrip dat letterlijk alles wat om ons heen beweegt beslaat, van onze hartslag, de foto’s die we nemen en programma’s die we kijken tot waar we naartoe lopen, rijden of vliegen en hoe we met elkaar communiceren. Als mensheid hebben we naar schatting inmiddels 175 zettabyte aan data verzameld, een getal met 21 nullen. Om je een voorstelling te geven van hoe gigantisch veel dat is: op de laptop waar ik nu op werk zit een harddisk van zeven millimeter dik en een terrabyte groot. Om al die informatie op dat soort schijven te zetten zou je een stapel van 1,2 miljoen kilometer moeten maken. Dat is van hier naar de maan en terug, en weer heen.
Het punt is alleen dat het leeuwendeel van die informatie volstrekt ongestructureerd is. Daardoor wordt data door veel managers min of meer gelijkgeschakeld aan programmeercode en gezien als het domein van IT’ers, in plaats van iets dat het leven in de organisatie zuurstof geeft. Dat is ook de reden dat 87 procent van de data-initiatieven mislukt. Mensen zien vaak letterlijk door de bomen het bos niet meer.
Daar komt nog bij dat de technologische ontwikkelingen sneller gaan dan ooit tevoren.
Uit recent onderzoek van de technische universiteit MIT blijkt dat de data-geletterdheid in de top management teams van ondernemingen met meer dan 3 miljard dollar omzet ernstig tekort schiet. Zo beschikt slechts 47 procent van de Chief Technology Officers, 45 procent van de Chief Information Officers, 23 procent van de Chief Executive Officers, en slechts 12 procent van de Chief Financial Officers over voldoende kennis om de organisatie te sturen op het gebied van data.
De mensen die de echt grote beslissingen moeten maken hebben een nieuwe skillset nodig. Zij moeten er op zijn minst voor zorgen dat iedereen in de organisatie toch enige data-saviness heeft. Zodat ze die kennis vervolgens kunnen gebruiken om een datacentrisch power house te bouwen.
In Why Data Wins beschrijf ik hoe je erachter kunt komen welke data je daarvoor nodig hebt en hoe je die dient op te slaan. Daarnaast vertel ik hoe je daar vervolgens inzicht uit vergaart, die visualiseert en omzet in actie. Tenslotte deel ik hoe je die datageletterdheid in je bedrijscultuur integreert. Het is dus ook een cultureel probleem. Maar anders dan veel mensen denken proces begint niet met het verzamelen van data, maar met het stellen van de juiste vraag.
Waarom?
In het AI-tijdperk werkt iedereen momenteel met dezelfde modellen en prompts, waardoor we allemaal op dezelfde antwoorden uitkomen. Het is daarom de vraag die de meeste waarde toevoegt. Het idee is om van data driven decision making, datagestuurde besluitvorming, naar besluitgestuurde data-analyse, ofwel decision driven data analytics te gaan. Dus je kijkt eerst naar welke beslissingen voor je liggen, om vervolgens te bepalen welke informatie je nodig hebt om die beslissing beter te kunnen maken.
Welke vaardigheden heb je daarvoor nodig?
Het is belangrijk dat leiders zich niet langer uitsluitend onderscheiden door hun analytische intelligentie, maar ook door het zogeheten ‘imagination quotiënt’: het vermogen om de juiste vragen stellen, bestaande aannames doorbreken en nieuwe mogelijkheden zien - samen met AI.
Daarbij is data niet het einddoel, maar de vonk die de verbeelding doet ontbranden. Denk aan vragen als: wat als we het proces vanaf nul zouden kunnen herontwerpen? Winnen met data is bovenal een kwestie van nieuwsgierigheid, en het brein kan nog steeds associatief werken op een manier die een machine misschien wel nooit onder de knie zal krijgen. Waarmee dataleiderschap een rekensom wordt van logica (logos) maal empathie (pathos) maal geloofwaardigheid (ethos), vermenigvuldigd met verbeeldingskracht.
Hoe kies je daar de juiste data bij?
Het is verleidelijk om alles te verzamelen in de hoop dat je er uiteindelijk wel iets uit kunt destilleren. Het probleem is alleen dat het merendeel daarvan waarschijnlijk niet relevant zal zijn. Je kunt je hele leven je dan wel hartslag op je smart watch meten, maar uiteindelijk gaat het alleen maar om die paar seconden waarin bijvoorbeeld een voorkamerfibrillatie niet wordt opgemerkt.
Om die data eruit te kunnen filteren moet je dus eerst bepalen welke informatie je überhaupt nodig hebt. Als jij als manager van een lokale Starbucks je omzet wil maximaliseren en het wordt morgen mooi weer, dan is het bijvoorbeeld van belang hoeveel om te weten hoeveel cappuccino-drinkende klanten op welke tijdstip hun bestelling zullen omzetten in een smoothie.
Zodat je met data niet alleen het verleden leert te begrijpen, maar ook om de toekomst kunt voorspellen.
Data beginnen pas te leven als ze relaties opbouwen met andere data. Ik noem die magische transformatie, waarbij de waarde van je data exponentieel stijgt ‘information emergence’. Dat is het moment waarop de onderling verbonden data haar geheimen prijsgeeft en je plotseling verbanden ontdekt in iets waar je al die tijd naar hebt zitten kijken.
Om het in de woorden van Johan Cruyff te stellen: je gaat het pas zien als je het doorhebt.
Precies. En dat maakt de daaropvolgende stap van visualisatie ook zo belangrijk. Want een inzicht heeft pas waarde als anderen het ook begrijpen en ernaar handelen. Een goede visualisatie maakt zichtbaar wat voordien verborgen bleef. Ik moet daarbij altijd denken aan een scene in de film The Matrix, waarbij een jongen met zijn geest een lepel lijkt te buigen. Hij zegt tegen de hoofdpersoon Neo dat als je dénkt dat die lepel gebogen is, dan is hij dat ook. Daarmee bedoelt hij dat de lepel geen realiteit is, maar een interpretatie van de werkelijkheid.
Met data is het niet anders: dezelfde cijfers kunnen een totaal ander verhaal vertellen, afhankelijk van welke verbanden je ontdekt en hoe je ze zichtbaar maakt. Maar daar mag het niet stoppen. Het doel is niet om meer data te verzamelen, mooiere dashboards te bouwen of indrukwekkendere AI-modellen te gebruiken, maar om betere beslissingen te nemen en daar ook naar te handelen. Daar ligt de uitdaging voor leiders. Want steeds meer bedrijven zullen toegang hebben tot dezelfde krachtige AI. Het verschil zal worden gemaakt door de kwaliteit van hun eigen data én wat ze ermee doen.