3 min leestijd
Waarom organisaties nog steeds dashboards bouwen voor de vraag van gisteren
- EIFFEL
Vrijwel iedere organisatie wil datagedreven werken. Er wordt geïnvesteerd in dashboards, rapportages en nieuwe tools. Toch ziet BI Specialist Christianne Bloem dat veel organisaties tegen hetzelfde probleem aanlopen: er zijn dashboards genoeg, maar zodra er een nieuwe vraag ontstaat, begint het proces opnieuw.
"Iedereen presenteert graag dat ze ver zijn met data. Maar als je als consultant bij een nieuwe organisatie start, blijkt dat vaak toch tegen te vallen. Veel oplossingen zitten nog behoorlijk houtje-touwtje in elkaar."
Dat betekent niet dat dashboards het probleem zijn. Het betekent dat het fundament eronder ontbreekt.
Organisaties lossen symptomen op
Wanneer een organisatie meer inzicht wil in omzet, capaciteit of klanttevredenheid, volgt vaak dezelfde oplossing: er wordt een dashboard gebouwd. Dat dashboard geeft antwoord op de oorspronkelijke vraag. "Maar wat als de volgende vraag ontstaat? Dan moet er een nieuw rapport komen. Dat kost opnieuw tijd, geld en capaciteit."
Volgens Christianne lossen organisaties daarmee vooral symptomen op. Voor iedere nieuwe informatiebehoefte komt er een rapport of dashboard bij, terwijl de onderliggende manier van werken onveranderd blijft. Daardoor blijft de organisatie afhankelijk van ontwikkelaars, BI-specialisten of zelfs individuele medewerkers die weten hoe de cijfers tot stand komen.
Het echte probleem zit onder de motorkap
Dat wordt vaak zichtbaar wanneer verschillende afdelingen met verschillende cijfers werken. "De één zegt dat er 100 auto's verkocht zijn. De ander komt uit op 20. Dan ontstaat direct de vraag: wat is de waarheid?"
Het probleem is niet dat iemand fouten maakt. Het probleem is dat definities, systemen en databronnen van elkaar verschillen. Dat ziet Christianne vrijwel overal terug. Marketing kijkt anders naar data dan Finance. Operations gebruikt andere systemen dan Sales. Iedereen werkt vanuit zijn eigen werkelijkheid.
Het gevolg? Vergaderingen gaan niet over wat organisaties kunnen leren van de cijfers, maar over welke cijfers eigenlijk kloppen.
Daarom lopen veel self-service BI-trajecten vast
Juist daar ontstaat een veelvoorkomend misverstand. Veel organisaties denken dat self-service BI betekent dat gebruikers zelf dashboards gaan bouwen. Maar meer dashboards zijn niet de oplossing.
De kern van self-service BI is dat medewerkers zelfstandig antwoorden kunnen vinden op nieuwe vragen, zonder telkens afhankelijk te zijn van een specialist. Dat lukt alleen wanneer er onder de motorkap al overeenstemming bestaat over definities, databronnen en KPI's. Pas dan ontstaat één gedeelde waarheid waarop gebruikers zelf verder kunnen bouwen.
"Het doel is dat iemand morgen zelf antwoord kan geven op een nieuwe vraag, zonder dat daar eerst een heel nieuw ontwikkeltraject voor nodig is."
Pas wanneer dat fundament staat, ontstaat er ruimte voor de volgende stap: AI. Veel organisaties zien AI als dé oplossing om sneller inzichten uit data te halen. Maar zonder betrouwbare data en eenduidige definities bouw je ook met AI verder op drijfzand.
Waarom AI dit probleem niet oplost
Veel organisaties hopen dat AI de volgende stap is in hun datavolwassenheid. Volgens Christianne is dat begrijpelijk, maar ook risicovol. "Ik vergelijk het vaak met de komst van een rekenmachine. Die heeft rekenen makkelijker gemaakt, maar niet overbodig. Je hebt nog steeds mensen nodig die begrijpen wat er gebeurt."
AI kan analyses versnellen, patronen herkennen en rapportages samenvatten. Maar wanneer definities verschillen, data niet betrouwbaar is of er geen gedeelde waarheid bestaat, lost AI die problemen niet op. Sterker nog: het vergroot soms alleen de snelheid waarmee verkeerde conclusies worden getrokken.
Begin niet met technologie
Wat moeten organisaties dan wél doen? Volgens Christianne begint dat niet met dashboards, AI of nieuwe tooling. Het begint met een fundamentele vraag: wat wil je als organisatie eigenlijk bereiken?
Veel organisaties denken eerst na over de technologie en pas daarna over besluitvorming. Dat zou precies andersom moeten zijn.
- Welke keuzes wil je beter kunnen maken?
- Welke inzichten zijn daarvoor nodig?
- En welke definities horen daarbij?
Pas daarna volgt de vraag welke technologie daarbij past.
“Het heeft geen zin om een data scientist aan te nemen als je basis niet op orde is.”
Een dashboard bouwen is niet het doel
Volgens Christianne wordt datagedreven werken nog te vaak verward met rapporteren. Een dashboard bouwen is een ding, maar een organisatie inrichten die zelfstandig nieuwe inzichten kan creëren, is een stuk lastiger. Toch zit daar de echte waarde.