Welcome at The House of Newpeople. For the best website experience we kindly ask you to insert your name and preferences.

Type of visitor:
Save / Close
Reset all saved cookies

Keep me posted about all the Newpeople news

Recap Data Directors intervisie

feature

“We zitten in de cowboy-fase met data science en nu komen de controle-mannen het veld in.”

 

Data. We kennen het allemaal, maar veelal weten we niet wat het nou precies omvat. Veelal, want dit gaat niet op voor de 15 Data Directors tijdens de door Newpeople georganiseerde Data Directors intervisie op 14 november. Deze groep data experts dook, onder leiding van Allard de Boer van Ebay, samen dieper in de materie en brak zich het hoofd over zes thema’s omtrent het onderwerp van de dag, de week en waarschijnlijk het jaar: data.

Thema 1
Wat is de businesscase van data?

Kijkend naar data is de eerste grote vraag; wat is data nou waard? Wat is de reden dat deze 15 Data Directors samen aan tafel zijn geschoven om het te hebben over dit onderwerp? Om het te hebben over data optimalisatie? Het antwoord is duidelijk; data is ontzettend veel waard. Er is veel vraag vanuit de markt naar de zekerheid die het kan geven, de mogelijkheid om een schets te maken van de toekomst, gebaseerd op de data van het verleden. 

Data is de grondstof waarmee je producten bouwt”
Maar ook,
“Data kost vooral veel als het niet goed geregeld is”
Jos Mulder, Fonq 

Data is dus zeker veel waard, maar enkel als het kwalitatief sterk is en juist wordt gebruikt. Essentieel hierbij is dan ook de interne organisatie. Zo wordt de nadruk gelegd op de noodzakelijkheid van een goede Business Owner die verantwoordelijkheid neemt voor de Customer Journey. Want les 1 in het werkende leven; als niemand zich verantwoordelijk voelt, wordt het niet gedaan en kunnen klanten verloren gaan. Ja, organisatie is key. Zo moet er een keuze worden gemaakt wat betreft de structuur waarin data wordt gemeten. Hoe meet je bijvoorbeeld succes? En de vraag die hier organisch op volgt; is het noodzakelijk om harde KPI’s in te zetten om succes te meten? Volgens de groep Directors verschilt dit per organisatie. Zo werken velen organisaties met een Return on Ads Spent (ROAS) methode. Een methode die meer duidelijkheid biedt dan het meten van de traffic. 

Thema 2
De organisatie van je datateam; centraal VS decentraal VS hybride

Zoals hiervoor genoemd is data enkel relevant en bruikbaar indien het goed wordt georganiseerd. Zo werkt het ook met je data team. Je kan wel de juiste mensen hebben, maar als zij niet goed samenwerken, behaal je nooit het volledige resultaat. Er is structuur nodig, en qua organisatie structuren werken we veelal met drie verschillende vormen: centraal, decentraal & hybride.

  • Een centrale teamstructuur houdt in dat het gehele team samenwerkt. Een interessante structuur voor het data team omdat ze de kans krijgen om organisatiebreed te werken. De kennis bevindt zich op één plek, maar door de afstand van het management staat het team ver van de business en duurt het lang om op de vragen van bovenaf een concreet antwoord te formuleren.
  • Een decentrale teamstructuur houdt in dat het data team verspreid over de organisatie werkt. De data stroomt over, er is een gebrekkig teamgevoel en onderling is er weinig tot geen kennisdeling.
  • Een hybride teamstructuur houdt in dat er zowel organisatiebreed als multidisciplinair gewerkt wordt. Data is ingebed in teams, maar er wordt gerapporteerd aan een teamhoofd.

Maar sprekend over team structuren wordt de vraag gesteld: Hoort data bij IT? En als het komt tot centralisatie, aan wie rapporteert het data team dan? De CEO, CFO, CDO, CTO of toch de CIO? Concluderend lijkt de organisatie van teams te verschillen van moment op moment en van situatie op situatie. Soms sluit decentraal beter aan, soms centraal en soms zelfs een hybride vorm. “If your organisation grows your business model should grow as well”

Thema 3
Hoe link je data uit verschillende silo’s en systemen?

Eigenlijk draait ook dit thema om organisatie. Hoe houd je al de data bij en deel je deze met je team, opdrachtgevers en anderen zonder de kwaliteit te verliezen? Want als we een ding zeker weten is het dat datakwaliteit in orde moet zijn, indien dit niet het geval is kan je er tenslotte niets aan aflezen. En laat dat nou juist de waarde van data zijn. Om de data juist te kunnen linken moet het daarom reactief worden bijgehouden. Hoe je dit doet? Nou bijvoorbeeld aan de hand van Data Stewards die verantwoordelijk zijn voor de kwaliteit van de data. Maar dit kan ook aan de hand van een ‘golden source’; een soort data poel die door alle afdelingen wordt gebruikt. En zo beginnen we toch richting een centrale organisatiestructuur te neigen.

Thema 4
Hoe ga je om met data van derde partijen?

De meeste data die we gebruiken komt van externe partijen (Google, Facebook RTL etc.), maar dit is geaggregeerde data. Vervelend, want de data is al verwerkt en niet van jezelf. Hoe ga je hiermee om? Niet, dit is helaas de data waar we nu mee moeten werken. Nu we hier redelijk snel een antwoord op hebben beweegt de discussie een andere richting in. Richting de vraag; waarom wordt  data steeds negatiever benadert? Zie bijvoorbeeld de argwaan rondom cookies. En laat Nederland nou een van de voorlopers zijn op het gebied van ad-blockers. Voor nu is het voor deze groep Data Directors een kwestie van wachten op nieuwe manieren van meten (zoals bijvoorbeeld via de server). Het is constant water bij de wijn gieten en denken in oplossingen. Het is meten met de toegestane maten.

Thema 5
Hoe ontwikkelt data zich? En belangrijker nog; hoe realiseer je ontwikkeling op data science vlak?

Pratend over de optimalisatie van data kom je snel terecht bij de toekomst van data. Hoe innoveert data? Hoe innoveer je als bedrijf? En hoe speel je in op al deze ontwikkelingen? Beter nog; hoe moedig je deze ontwikkelingen aan? 

Nou, bijvoorbeeld door na te denken over een toekomstbestendig businessmodel waar data science en AI een middel in kunnen zijn. Een mooie optie, hoewel velen aan tafel van mening zijn dat er teveel kapot wordt gereguleerd, zie GDPR, en we juist een vrijere aanpak moeten aannemen. Zo worden er ook lossere, innovatieve initiatieven geopperd. Denk bijvoorbeeld aan een data science lab waar je als grote organisatie kan experimenteren met innovatieve technieken om te kijken hoe dat waarde kan creëren voor jouw organisatie. Daarbij is ook belangrijk: data science of AI is geen doel op zich. Het is een middel waarmee je een bepaald doel kan bereiken. Als je weet wat AI/Data science kan, weet je dat dat een oplossing kan zijn voor uitdagingen van de business.

Thema 6
Hoe behoud je data talent? Wat motiveert en bindt een data scientist aan jouw organisatie?

Data. We hebben het uitgebreid besproken. Je weet nu hoe je data goed gebruikt en binnen de organisatie organiseert. Je hebt het allemaal, het geweldige team, de organisatie, maar hoe houd je dit nu vast? Het antwoord blijkt simpel; biedt uitdaging en betrek je team bij het beslissingsproces. Neem je team mee naar events, biedt uitdagende trainingen, betrek je team bij de business side van het vak en blijf ieder resultaat belonen. Data scientists willen blijven leren. En vergeet niet,  kies voor een centrale structuur, want samen is je data team sterker dan verspreid. Data, het blijft tenslotte een vak op zich.

Let's talk! Contact Daniel Keates

Consultant Interim Digital Analytics & Data
I’m an employer, please call me back.I’m an employee, please call me back.