Ik zie dat er bij veel organisaties flinke stappen gezet worden in het omarmen van tools & platformen waarmee je data kunt omzetten in inzichten. Power BI is waarschijnlijk de meest bekende, omdat het je in staat stelt om eenvoudig goed uitziende rapportages & dashboards te ontwikkelen.
Toch merk ik dat het gebruik van Power BI vaak blijft hangen bij de IT afdeling en – als je geluk hebt - bij het projectteam dat belast is met de implementatie ervan. Het echte gebruik binnen de rest van de organisatie blijft vaak achter, en dat is zonde. Het doel is namelijk om de hele organisatie in staat te stellen om zelf rapportages te maken en analyses uit te voeren. De belofte van ‘self-service analytics’ wordt dus vaak niet waargemaakt.
Een gemiste kans, want als je Power BI goed inzet, kan het zorgen voor een enorme boost in het daadwerkelijk datagedreven werken binnen je organisatie. In deze blog licht ik 3 stappen toe die ervoor zorgen dat het gebruik van Power BI in jouw hele organisatie groeit. Gegarandeerd.
Stap # 1: Datageletterdheid
Investeer in de datageletterdheid van jouw medewerkers. Datageletterdheid kent net als vele andere termen veel definities. Wij hanteren de volgende definitie van Gartner:
"Gartner defines data literacy as the ability to read, write and communicate data in context, including an understanding of data sources and constructs, analytical methods and techniques applied, and the ability to describe the use case, application and resulting value." A Data Literacy Guide For D&A Leaders (gartner.com)
Met datageletterdheid bedoelen we de vaardigheid om te kunnen werken met de data die beschikbaar gesteld wordt en het kunnen gebruiken van de inzichten. Door het onderdeel te maken van de beslissingen die je maakt tijdens je dagelijkse werkzaamheden.
Op basis van wat ik bij klanten zie is het belangrijk de volgende zaken vanaf de start voldoende aandacht te geven:
Begrip van de datareis: van bron applicatie tot rapport. Het is belangrijk om te onderkennen welke “reis” data doormaakt vanaf de bron tot aan een rapport. Het begrijpen van de datareis geeft begrip van het bekende gezegde “Garbage in = Garbage out” en welke invloed jij hierop hebt. .
De context van wat je ziet: zorg ervoor dat iedere gebruiker van een rapport weet waar hij/zij naar kijkt en dat ze grafieken kunnen lezen & interpreteren. Maak hierbij gebruik van eenduidige definities, leg vast van welke bron de data komt en wie je kan benaderen als je meer over deze data wilt weten. Meer hierover straks bij de vindbaarheid van data.
Power BI training: Leer op welke wijze beschikbare data op een goede manier in Power BI kan worden gebruikt, geanalyseerd en gevisualiseerd. Het beste kan je dit ook leren met data die je aanspreekt. Data vanuit je eigen organisatie of bijvoorbeeld data die je zelf herkent. Zelf gebruik ik vaak Strava data of de transacties van mijn bankrekening.
Selecteer binnen je afdelingen "data champions". Dit zijn mensen met passie voor data en met enthousiasme om dit te delen. Zij helpen op een laagdrempelige manier collega's bij hun eerste vragen en zijn een toegankelijke manier om datageletterheid te verspreiden. Daarnaast inspireren zij met hun passie en enthousiasme wat zorgt voor meer gebruik van Power BI.
Stap #2: Datakwaliteit
Als de datakwaliteit niet op orde is, dan zal dat zeker leiden tot discussie en verliest de organisatie vertrouwen in wat er in rapportages wordt getoond. In het ergste geval kan het zelfs gevaarlijk zijn als er besluiten worden genomen op basis van inzichten die niet correct zijn.
Datakwaliteit kent een aantal eigenschappen zoals uitgebeeld in hieronder. Te veel om allemaal in dit blog te behandelen maar ik wil je meegeven dat het verder gaat dan waar we nu de focus op leggen: de invloed die de business heeft in de datakwaliteit.
Om datakwaliteit te borgen is een structureel proces nodig . Dit is een essentieel onderdeel van je datamanagement. Zoals bij alles is er technologie beschikbaar om je te helpen met het onderwerp datakwaliteit. Echter is het cruciaal dat datakwaliteit een verantwoordelijkheid is van de business en niet van de IT-afdeling. IT helpt bij het in kaart brengen en monitoren van datakwaliteit (tools en techniek), echter het oplossen ervan ligt bij de business. De reden hierachter is dat de business invloed heeft op de invoer van data. Zij hebben dus niet alleen belang bij betere datakwaliteit maar ook de invloed om dit aan te passen. Garbage in = Garbage out kan hier doorbroken worden.
Zorg ervoor dat het borgen van datakwaliteit vanaf het begin een onderwerp is op jouw data-agenda. Ontwikkel datakwaliteit checks die issues blootleggen en leg de verantwoordelijkheid voor het opvolgen hiervan bij de business.
Stap #3: Vindbaarheid van de data
Vindbaarheid van data zorgt ervoor dat mensen zelfstandig de juiste data kunnen vinden. Als ik dit vertel bij klanten hoor ik vaak reacties als “Het is toch logisch waar de data staat” of “De naam van het rapport omschrijft het al”. En ja, voor het projectteam is het vaak ook logisch. Maar we willen juist een grotere adoptie van hetgeen ontwikkeld is en -belangrijker- we willen dat de juiste mensen het kunnen vinden zonder dat ze dit moeten navragen bij een IT-afdeling.
De belangrijkste stap om te nemen als organisatie is het opzetten van een data catalog. Een data catalog geeft jouw organisatie inzicht in de beschikbare data, hoe deze te interpreteren, waar deze te vinden is, waar deze gebruikt wordt, hoe deze tot stand gekomen is en wie er verantwoordelijk voor is.
Dat is best een grote en krachtige uitspraak. Maar dit is wel de rol die de data catalog heeft. Laten we stap voor stap eens kijken wat ik ermee bedoel. In onderstaand figuur zie je een voorbeeld van een data catalog in Microsoft Purview waarin je door een interface gelijk aan een zoekmachine de data in jouw organisatie kan doorzoeken.
#1 Interpreteren
Hiermee bedoel ik, in deze context, de definitie van je data. Een gemis binnen veel organisaties is het beschikbaar hebben van de definities van data. Iets relatiefs simpels als “Aantal klanten” kan al vele betekenissen hebben, afhankelijk aan wie je het vraagt. Stel je bent een online retailer en je verkoopt kleding. Is een klant dan gelijk aan een adres? Of is een klant gelijk aan een email adres? En zijn klanten die al 12 maanden niets meer gekocht hebben nog onderdeel van jouw aantal klanten?
Volgens mij snap je waar ik heen wil. Alle antwoorden zijn goed, mits afgestemd en gecommuniceerd. De data catalog is DE plek om deze definities vast te leggen, te beschrijven en te vermelden wie er verantwoordelijk is voor deze definitie. En zo weet je hoe je data kan moet interpreteren en maak je het beschikbaar voor iedereen.
#2 Data verantwoordelijkheid
De inleiding hiervoor is hierboven natuurlijk al te lezen. Wie verantwoordelijk is voor een definitie hoeft echter niet altijd gelijk te zijn aan diegene die verantwoordelijk voor de data zelf is. Deze rol wordt vaak de data steward genoemd. En om eerlijk te zijn vind ik het meer dan een rol, het is juist een verantwoordelijkheid. Verantwoordelijkheid nemen over de data, de kwaliteit, de documentatie en dit door de tijd heen bijhouden. Doordat we weten wie er verantwoordelijk is voor specifieke data en definities weet jij ook waar je moet zijn met vragen en/ of verbeteringen hiervan.
#3 Vindbaarheid
In de data catalog kan je met een “zoekmachine” interface zoeken waar data die jij nodig hebt zich bevindt. Als voorbeeld nemen we een HR-medewerker die opzoek is naar verzuim cijfers. Deze medewerker kan in de data catalog zoeken op “verzuim”. De data catalog geeft terug waar verzuim data staat, in welk rapport of in welke Power BI dataset deze te vinden is.
Naast de rapporten en datasets kan je ook specifieke data punten terugkrijgen zoals “% Verzuim” of “% Langdurig verzuim”. Dankzij data stewards kan je hier lezen hoe je deze data moet interpreteren en welke jij nodig hebt.
Heb je nog meer vragen over deze data weet je ook wie de data steward is en kan je direct schakelen met deze persoon, allemaal zonder tussenkomst van jouw BI of IT-afdeling!
Hulp nodig om Power BI meer impact te laten maken?
Wil jij dus dat Power BI echt een tool van de organisatie wordt en niet blijft hangen bij IT of het projectteam? Dan zijn bovenstaande punten wat mij betreft een must.
Wij bij Beeminds maken dingen graag simpel, maar dat houdt niet in dat alles simpel is. Wil je aan de slag gaan met de adoptie van datagedreven werken in jouw organisatie? Dan hebben wij enkele versnellers die je daarbij kunnen helpen, zoals een de data awareness game en een data catalog in Microsoft Purview.
Neem contact op om verder te praten over onze versnellers en de juiste aanvliegroute die past bij de doelstellingen van je organisatie.
