Category: Nieuws

Zo leidt data governance tot waardecreatie

Zo leidt data governance tot waardecreatie

Waarom moet een onderneming meer belang hechten aan haar data? Of nog beter: waarom moet ze investeren in data governance? Het antwoord is eenvoudig. Hoe efficiënter het bedrijf z’n data beheert en hoe beter het erin slaagt de data als een asset te benutten, hoe meer waarde het creëert. Zo leidt data governance tot waardecreatie.

En toch: voor data governance bestaat binnen een onderneming vaak weinig animo. Hoe dat komt? In de eerste plaats uit gebrek aan correcte informatie. Data goverance is log, duur en traag, zo wil het vooroordeel. Data governance zou vooral veel overbodige administratie creëren en daar bitter weinig resultaat tegenover plaatsen. Dat hoeft uiteraard helemaal niet zo te zijn. Data governance kun je namelijk ook op een agile manier benaderen, met een aanpak op basis van data collaboration. Daar hebben we het in vorige blogposts al uitvoerig over gehad.

Een andere reden waarom data governance op te weinig aandacht kan rekenen, is het feit dat er geen inzicht is in het einddoel van de hele oefening. Wie niet met data governance vertrouwd is, heeft de neiging het uitsluitend op een negatieve manier te omschrijven. Het is dan makkelijk om data governance weg te zetten als een stel bijkomende regels, bedoeld om het doen en laten van medewerkers te controleren. Data governance krijgt zo het verkeerde etiket opgekleefd: dat van een bijkomende drempel.

Vertrouwen

Maar als dat beeld zo fout is, wat brengt data governance dan wel bij? Simpel: data governance opent de deur naar waardecreatie. De sleutel tot succes zit in het hergebruik van data. De investering in databeheer brengt immers meer op naarmate de onderneming de data meer gebruikt. Maar hierin schuilt meteen ook een interessante paradox. Enerzijds doet de onderneming er alles aan om haar data zo grondig mogelijk af te schermen. Data zijn immers waardevolle assets. Anderzijds moeten medewerkers toegang krijgen tot die data, kwestie van ermee te kunnen werken en zo waarde te creëren.

Het kernwoord is vertrouwen. De onderneming moet vertrouwen hebben in de medewerkers die ze toegang verleent tot haar data. Die medewerkers moeten op hun beurt vertrouwen kunnen hebben in de data. Ze moeten er zeker van zijn dat ze met accurate en actuele data aan de slag gaan, dat ze hun tijd niet verspillen met foute of irrelevante data. Wanneer u zich dus afvraagt wat data governance aan uw onderneming bijbrengt, is dat het antwoord: data governance creëert vertrouwen in data en mensen.

Data werkers

Betrouwbare data creëert een onderneming door in te zetten op de monitoring van datakwaliteit, op data lineage (zodat de herkomst van de data duidelijk is) en op datawerkers: een netwerk van medewerkers waar collega’s met hun vragen over data terecht kunnen. Is aan die voorwaarden voldaan, dan kunnen de medewerkers met vertrouwen de beschikbare data inzetten. Maar wanneer ze haar data openstelt, moet de onderneming haar medewerkers kunnen vertrouwen.

Ook hier kan data governance helpen. Data governance gaat immers over beleid: een bundeling van haalbare, werkbare en meetbare doelstellingen. Wanneer die doelstellingen voor iedereen duidelijk zijn, is het makkelijker om te begrijpen – en desnoods te controleren – waarom een medewerker met bepaalde data aan de slag gaat en of daarmee de gestelde doelen worden behaald.

Raamwerk

Vertrouwen is wel degelijk een belangrijke drempel voor het grootschalige gebruik van bedrijfsdata. Door de juiste maatregelen te nemen, is het mogelijk dat vertrouwen te creëren. En eenmaal dat vertrouwen er is, beschikt de onderneming eigenlijk vanzelf over een raamwerk voor data governance. Dat laat haar toe de data meer en beter in te zetten, en zo de ultieme doelstelling te bereiken: de creatie van nieuwe waarde.

Meer weten over hoe data governance leidt tot waardecreatie? Contacteer ons!

Ben je nieuwsgierig naar wat we nog allemaal kunnen? Ontdek het hier!

Acht trends in data governance

Acht trends in data governance in 2020

Akkoord, data is hot. Maar niet zo heel lang geleden bleek het databeleid van een onderneming nog vaak een ondergeschoven kindje. Als er van een beleid al sprake was. Vandaag groeit het besef dat data een waardevolle asset is, dat we degelijk moeten omringen. Het QuaData team bekeek de evoluties van de voorbije maanden. We stellen je graag de acht trends in data governance in 2020 voor:

Self-service analytics

Nieuw is het gebruik van self-service analytics zeker niet. De benadering zit vaak al goed ingebed in een organisatie. De business is ermee vertrouwd. Net daarom neemt de nood aan data governance toe. Naarmate meer partijen data delen, blijkt almaar vaker dat lang niet iedereen die data op dezelfde manier interpreteert. Data governance zorgt voor een meer formele structuur, zodat partijen die data delen op dezelfde manier naar de data kijken.

Real-time data

Meer dan ooit raakt ook de component ‘snelheid’ met data verweven. Meer en meer processen vragen dat je data altijd up-to-date is. Wanneer er in de data iets verandert, moet die wijziging onmiddellijk – in real time – beschikbaar zijn. Dat is vaak een grote uitdaging, want de legacy systemen van de onderneming zijn daar niet op voorzien. Bij een complexe data-architectuur is een correcte synchronisatie absoluut noodzakelijk. Ook hier is een goede data governance nodig.

Gegevensbescherming

Alles wat met de beveiliging en bescherming van data te maken heeft, stond twee jaar geleden sterk in de belangstelling. Toen stonden we in de aanloop naar de start van de GDPR. Vandaag blijft het thema actueel, onder meer door de incidenten met ransomware die de voorbije maanden uitgebreid in het nieuws waren. Data beveiliging vraagt om mensen en middelen, maar ook om doordachte keuzes. Een absoluut nul risico bestaat immers niet.

Data lineage

Data lineage is vergelijkbaar met het principe van traceerbaarheid uit de voedingssector. Het zorgt ervoor dat we het afgelegde traject van de data kennen. Eenduidige informatie over de bron en het traject van data is essentieel in het kader van compliance. Maar omdat de datavolumes snel blijven groeien, is het verzamelen en beheren van die informatie hoe langer hoe meer een ingewikkelde oefening. Ook hier maakt data governance het verschil.

Tools met artificiële intelligentie

Een zelflerende en zelfsturende database: wie droomt daar niet van? Er bestaan al heel wat praktische oplossingen om die droom in de praktijk te brengen. Denk bijvoorbeeld aan toepassingen om automatisch data te taggen. In die context is data governance onontbeerlijk, onder andere om ervoor te zorgen dat de systemen de juiste regels volgen.

Belang van datakwaliteit bereikt topmanagement

Slechte data liggen aan de basis van rework, boetes wegens inbreuken op wetgeving of reputatieschade door fout gelopen processen. Omgekeerd leiden data van hoge kwaliteit tot kostenbesparing. Ze zorgen voor meer efficiëntie en versterken de dienstverlening en goede reputatie van de onderneming. Al die argumenten zorgen ervoor dat in 2020 het topmanagement helemaal mee is met het belang van data governance.

Data-integratie over bedrijfsgrenzen heen

Vroeger was data een louter interne aangelegenheid. Die tijd is echter lang voorbij. Een organisatie wisselt continu data uit met klanten, leveranciers en andere partners. Ze werkt met aangekochte data, krijgt data van machines, etc. Niet alleen het datavolume op zich blijft toenemen, ook het aantal databronnen, types data, structuren, etc. Zonder integratie-strategie valt daar moeilijk waarde uit te puren. Afstemming en overleg zijn noodzakelijk om de juiste beslissingen te nemen: Een uitgelezen taak voor het data governance team.

Klein starten

Een paar jaar geleden werd data governance vaak opgestart als groots project. Intussen weten we beter. Wil je governance introduceren, doe dat dan door klein te beginnen. Zoek een eerste case, gekoppeld aan een concreet business vraagstuk en ga daarmee aan de slag. Een eerste succes zorgt voor de motivatie om de inspanningen rond data governance daarna stapsgewijs uit te breiden.

Weet je graag meer over data governance? Lees er hier alles over!

Wil je graag eens sparren over de acht trends in data governance in 2020? Contacteer ons!

Master data management en data governance

Master data management en data governance: het gaat niet om de tools

Elk bedrijf beschikt over master data, zoals klantgegevens en productdata. Het beheer en de governance van die data verdienen meer aandacht dan ze vaak maar krijgen. Problemen rond master data management blijven helaas dikwijls onder de radar. Maar het is niet omdat een probleem niet zichtbaar is, dat het er niet is. De oplossing hiervoor schuilt in de organisatie zelf. De implementatie van een tool komt ten hoogste op het tweede plan. Master data management en data governance: het gaat in de eerste plaats niet om de tools!

Schijn bedriegt. Ook al lijkt het alsof iedereen de mond vol heeft van tools voor master data management, toch zijn er vandaag wereldwijd nog altijd maar tienduizend licenties voor zulke applicaties verkocht. Wat we daaruit afleiden? Dat het vraagstuk van master data management en data governance wel degelijk realiteit is, maar dat het duidelijk niet om tools draait.

Bij kleine bedrijven is het probleem meestal niet erg prangend. De datavolumes zijn er overzichtelijk, wat het beheer ervan behapbaar houdt. Het gaat om tientallen klanten, niet duizenden, laat staan honderdduizenden. Dat ligt bij grote bedrijven vaak anders. Denken we maar aan telecom- en andere nutsbedrijven, die vaak – letterlijk – de data van miljoenen klanten beheren. In die context is een strakke aanpak van master data management en data governance overduidelijk een must.

Toch lopen ook de grotere kmo’s meer en meer tegen hun limieten aan. Master data management gaat er hand in hand met een verbeterde operationele efficiëntie. Want ook dat is de realiteit: inefficiëntie blijft vaak onder de radar. Zo zal de financiële manager bij elke maandafsluiting wellicht wel enkele manuele tussenkomsten moeten doen om een rapport af te werken, of moet de marketingafdeling bij elke mailing een gebruikte databestand handmatig bijsturen.

Geen technisch vraagstuk

Op het bestaan van al dat soort work-arounds is er meestal weinig zicht. Dat is begrijpelijk. Wanneer trekt iemand aan de alarmbel? Wanneer de inefficiëntie flagrant zichtbaar is, zo blijkt, of de hoeveelheid manuele interventies al te zwaar begint door te wegen op de algemene werkbaarheid van een afdeling. Maar dan nog, los van hoe het initiatief om daar iets aan te doen tot stand komt, het antwoord is per definitie nooit technisch. De oplossing schuilt in de organisatie zelf, waarbij een tool aansluitend voor bijkomende ondersteuning kan zorgen.

Het doel bestaat erin het beheer van de master data te verbeteren. Dat doel bereikt de organisatie het snelst wanneer ze vertrekt vanuit de pijn van de business. Er een IT-project van maken, is niet de aangewezen manier. Wel: meer overleg over data organiseren, meer begrip ontwikkelen over het gebruik van data (data literacy), de documentatie over data en het gebruik van data verbeteren, data stewards aanduiden, enzovoort.

Master data management en data governance: stap voor stap

Zoals dat eigenlijk bij ieder project het geval zou moeten zijn, luidt het advies ook hier om te beginnen met een quick win. Dat laat toe snel resultaten te boeken, waardoor er draagvlak ontstaat om de reikwijdte van het project stap voor stap uit te breiden. Wat begon als een quick win, mondt op termijn zo uit in een big win. Die aanpak op basis van incrementele verbetering, zorgt ervoor dat de kwaliteit van master data management en data governance op een gestroomlijnde, bijna geruisloze manier stijgen. Het is een aanpak die alvast onverwachte schokken en confrontaties vermijdt en tegelijk ook de geleidelijke culturele verandering van de omgang met data het best ondersteunt.

Meer weten over master data management en data governance? Ontdek het hier!

Wil je graag informatie over onze aanpak? Contacteer ons!

Data Governance: een goede voorbereiding

Data Governance: een goede voorbereiding is het halve werk.

Er is niemand die het belang van data governance en data collaboration vandaag nog in twijfel trekt. Maar waar staat jouw onderneming vandaag? En hoe pak jij een data traject aan? Data Governance: een goede voorbereiding is het halve werk!

Meten is weten, dat is op het vlak van data governance niet anders. Daarom starten we bij QuaData vaak projecten met een aantal assessments. Zo helpen we je om snel een beeld te krijgen van de drijfveren voor data governance. Maar ook van de bedrijfscultuur en de actuele stand van zaken rond data governance. Zo beschikken we over een sterke basis waarop je je data governance strategie verder vorm geeft.

Assessment 1: drijfveren voor data governance

Een eerste assessment is erop gericht zicht te krijgen op de drijfveren voor een project rond data governance. Hiervoor ontwikkelden we een vragenlijst die de scores op de belangrijkste drivers makkelijk capteert.

Datakwaliteit en vertrouwen in data

Soms stel je als bedrijf vast dat de gehanteerde data van een onvoldoende kwaliteit is. Dat inzicht is een valabel startpunt voor een project dat de kwaliteit verbetert. Een aanverwant verschijnsel is dat de datakwaliteit objectief gezien wel goed is, maar dat de medewerkers er toch geen vertrouwen in hebben.

Compliance en security

Wetgeving vormt mogelijk een concrete drijfveer voor een dataproject. GDPR is hier wellicht het bekendste voorbeeld, maar het gaat even goed om BCBS 239 (banksector), Solvency II (verzekeringen) en EU1169 (voeding).

Efficiëntie

Naarmate een onderneming groeit, neemt het belang van efficiëntie toe. Zo wordt het bijvoorbeeld interessant om administratieve processen te automatiseren. Daarbij is een voldoende hoge datakwaliteit een minimale vereiste.

Beschikbaarheid

Als bedrijf wil je ook aan de slag gaan met de grote datavolumes, die nog vaak opgesloten zitten in operationele systemen.

Wendbaarheid en aanpasbaarheid

Data moet ruim en snel beschikbaar zijn in het kader van digitale transformatie. Als bedrijf verwacht je immers snel een antwoord op vragen.

Het assessment laat toe om een programma op te stellen dat de juiste prioriteiten stelt. Dat maakt van een traject rond data governance een praktische, tastbare oefening. Dankzij het assessment krijg je als bedrijf zicht op je behoeften en onderneem je op de gepaste manier actie.

Assessment 2: bedrijfscultuur

De aanpak van een traject rond data governance heeft naast een inhoudelijke component (zie assessment 1) ook een cultureel aspect. Om uit te vissen bij welk type aanpak je als bedrijf het meest gebaat bent, laat je best een assessment rond de bedrijfscultuur uitvoeren. Dat resulteert in een benadering die nauw aansluit bij de cultuur van het bedrijf.

Het assessment geeft scores op diverse assen:

  • Een rigide versus een wendbare organisatie
  • Een horizontale versus een verticale hiërarchie
  • En een individueel ingestelde of op samenwerking gerichte cultuur

Assessment 3: stand van zaken

Om een project het juiste startpunt mee te geven, is het essentieel om een duidelijk zicht te hebben op je actuele stand van zaken. Daarom brengt het derde assessment formeel de bestaande inspanningen rond data governance in beeld. Dat zorgt bij alle betrokken partijen voor consensus over de situatie ‘as is’, als vertrekpunt voor het traject richting ‘to be’.

Drie invalshoeken

De resultaten van de drie assessments zorgen voor drie invalshoeken. Voor drie manieren om de behoeften en ambities van je organisatie te bekijken en een passende aanpak te definiëren. De assessments vormen een even grondige als onmisbare voorbereiding op het eigenlijke datatraject. Die voorbereiding vermijdt dat je als bedrijf je blindelings in een traject stort dat – bij gebrek aan inzicht en richting – alleen maar op een teleurstelling uitdraait. Data Governance: een goede voorbereiding is het halve werk!

Meer weten over het data governance framework van QuaData? Lees het hier!

Wat hebben we nog in ons aanbod? Ontdek het snel!

Data catalog

Data catalog: de juiste informatie over je data binnen handbereik

Een data catalog biedt een centraal overzicht van alle documentatie en context die over je bedrijfsdata beschikbaar zijn. Zo vormt het een belangrijk instrument voor de data governance van een bedrijf. Maar wanneer is de implementatie ervan concreet aan de orde? En welke voordelen haal je eruit?

Een data catalog omvat een overzicht van de data die een bedrijf beheert, aangevuld met metadata. Dat is extra informatie over die data. Dikwijls gaat het om technische informatie. Denk hierbij aan aanduidingen van data formaten of de omschrijving van de locaties waar de data zich bevindt. Even goed is in de data catalog contextuele informatie beschikbaar. Wie zijn de owners van bepaalde data, wie treedt op als data steward, etc.

Verder omvat het dikwijls ook informatie over het kwaliteitsniveau van de data. Alsook over de classificatie rond confidentialiteit. Tot slot is het aangeraden de data catalog te voorzien van een business glossary. Dat stuk van de data catalog omschrijft de inhoud van de data. In de business glossary zitten typisch de definities en formules van de bedrijfsterminologie en de data die een bedrijf hanteert.

Data gedreven

Kort samengevat, het zorgt ervoor dat de vorm en de betekenis van de data eenduidig vastligt. De data catalog doet dat door informatie samen te brengen die zich anders vaak in allerlei documenten bevindt. En verspreid zit doorheen het hele bedrijf. De stap ernaartoe is aan de orde naarmate je meer data gedreven processen en analyse hanteert.

Analytische omgevingen als een data warehouse of een data lake hebben bij uitstek nood aan een data catalog. Wil je overzicht houden over de data die voor analyse en data science beschikbaar is in je bedrijf? En die je ervan verzekert dat die data steeds op de juiste manier wordt geïnterpreteerd? Dan kan je niet zonder.

Ook GDPR en andere data-gerelateerde regelgevingen een mogelijke drijfveer. De data catalog omschrijft immers precies welke data persoonsgebonden zijn en waarvoor het kader van de GDPR geldt.

Meer transparantie, minder fouten

Het gebruik zorgt voor transparantie en beperkt het risico op foute interpretatie van data. De gebruikers van de data raadplegen hierin alle contextuele informatie. Dat zorgt voor enorme tijdwinst. Ze hoeven niet langer te vragen hoe ze bepaalde data moeten lezen. Zo houdt de data catalog de drempel voor meer data gedreven innovatie laag. Tegelijk houdt het gebruik van de data minder risico in.

Daarnaast vermeldt de data catalog het niveau van confidentialiteit van de data. Hierdoor weet de gebruiker meteen welke data hij kan inzetten, zonder dat hij hiervoor bij de business inlichtingen moet opvragen. Er is geen excuus meer om – al dan niet onder de tijdsdruk van een project – te ‘vergeten’ die informatie op te vragen. Minstens even belangrijk, het zorgt voor transparantie over waar het bedrijf welke data gebruikt. Dat maakt het makkelijker om de impact te beheren wanneer er naderhand iets aan de data of de data flow verandert.

Start met kritische data

Is de implementatie ervan moeilijk? Niet noodzakelijk. Uiteindelijk gaat erom bestaande informatie op te sporen en samen te brengen. Een stapsgewijze aanpak biedt de beste kansen op succes. Start met de meest kritische data: de data die de grootste impact heeft op de werking – en de winst – van de onderneming. Van daaruit laat het gebruik van de data catalog en zijn business glossary zich stap voor stap uitbreiden, eventueel ondersteund met de tools die het best bij uw doelstellingen aansluiten.

Meer weten over wat een data catalog voor jouw organisatie kan betekenen? Contacteer ons!

data steward

Opleiding: de data steward verdient een bredere rol

Op 12 en 13 maart ’20 starten we met een tweedaagse opleiding voor de data steward. Meer en meer bedrijven zetten wel in op data governance. Maar in de praktijk worstelen ze daarbij vaak met de concrete invulling van deze rol.

Als een bedrijf met data governance van start gaat, is het takenpakket van de data steward vaak het eerste dat ze daarbij bepaalt. Tot zover het goede nieuws. In de praktijk blijkt de invulling van deze rol vaak heel uiteenlopend van aard. De data steward krijgt nogal dikwijls een bijzonder operationele opdracht toegewezen, vooral gericht op de input en correctie van data.

Nochtans verdient de data steward een veel ruimere rol. Deze persoon staat enorm dicht bij de data en merkt snel de almaar weerkerende problemen met data op. Daardoor is hij/zij bijzonder goed geplaatst om aan te geven waar er ad hoc een ingreep nodig is, dan wel of een structurele aanpassing zich opdringt. Maar hoewel de data steward zich door zijn nabijheid bij de data in een unieke positie bevindt, blijft zijn rol in de praktijk vaak erg beperkt. Het zorgt ervoor dat de data steward – ondanks zijn grote expertise rond data – nauwelijks de kans krijgt om data fundamenteel te verbeteren en van data een echte asset te maken in zijn/haar organisatie.

Tweedaagse opleiding

Met deze tweedaagse opleiding willen we de data steward voorbereiden op een breder takenpakket en verantwoordelijkheid. Daarbij is er extra aandacht voor de monitoring van de datakwaliteit en voor voorstellen rond de structurele verbetering van de data beheersprocessen (bijvoorbeeld rond automatische controle bij de data input). De opleiding staat ook stil bij procesverbeteringen in het algemeen, aangezien problemen met data heel vaak het gevolg zijn van problemen in het proces. Tot slot gaan we ook aan de slag met data policies als middel om data binnen de organisatie te stroomlijnen en standaardiseren.

Data steward zorgt voor toegevoegde waarde

Met onze opleiding willen wij in de eerste plaats handvaten aanreiken. Het gaat erom de deelnemers wegwijs te maken rond thema’s als datakwaliteit. Wanneer zijn data bruikbaar? Hoe kun je dat meten? Welke tools bestaan daarvoor? Je krijgt best practices mee voor master data management, de toegevoegde waarde van een business glossary of data catalogus, aan de slag met dataprocessen, richtlijnen en afspraken uitwerken, etc. Het algemene doel van de opleiding is om jouw onderneming toegevoegde waarde te bezorgen door de data steward een grotere rol toe te kennen.

Wil je deelnemen aan onze opleiding? Schrijf dan hier in!

Benieuwd naar wat we nog allemaal voor jou kunnen betekenen? Lees het hier.

AI

Wat betekent AI voor datakwaliteit en data governance?

Het gebruik van artificiële intelligentie (AI) en machine learning (ML) duikt straks meer en meer op in toepassingen voor datakwaliteit en data governance. Dat lijkt ons een logische stap, want die tools steunen nu al voor een groot deel op algoritmes.

Applicaties voor datakwaliteit zetten onder meer fonetische algoritmes in. Die slagen erin om woorden, zoals namen en adressen, te herkennen die met een afwijkende schrijfwijze zijn ingevoerd. Andere types algoritmes zijn gericht op de matching van bestanden of op herkenning van patronen. Ze hebben echter allemaal een kenmerk gemeen. Het zijn namelijk statische algoritmes. Bij de implementatie van een tool is een manuele configuratie nodig om de algoritmes een specifieke opdracht te laten doen.

Zelflerende oplossingen

Bedrijven die tools voor datakwaliteit ontwikkelen gaan op zoek naar zelflerende algoritmes. Die moeten op basis van een of meer bestanden zelf de best mogelijke regels voor datakwaliteit of matching van records bepalen. Maar dat is uiteraard niet evident. Leveranciers zetten al wel het gebruik van AI in de roadmap van hun tools, maar in de praktijk zijn er vandaag nog maar weinig oplossingen op de markt die AI ook al echt in een productie-omgeving gebruiken. Wat AI in realiteit bijdraagt, blijft daarbij vaak nog vrij onduidelijk.

Salesforce is een voorbeeld van een leverancier die AI inzet in zijn software, ook voor het verbeteren van de datakwaliteit. Salesforce gebruikt AI onder meer om dubbele records in CRM-applicaties op te sporen. Vaak zijn dat toepassingen die uit veel manueel gecreëerde data bestaan. Het gaat bovendien om data die bijna per definitie van heel wisselende kwaliteit is. De automatisering van manuele processen door de inzet van AI is dan zeker een zinvolle piste.

AI versnelt automatisering

Een ander mogelijk toepassingsgebied voor AI is dat van tools die data catalogeren en categoriseren. Dat is vooral interessant voor bedrijven die grote volumes data, meestal afkomstig uit operationele processen, willen inzetten voor analytische en marketing doelen. Die data komt vaak uit verschillende bronnen, is beschikbaar in uiteenlopende formaten en heeft een wisselend kwaliteitsniveau. Het is een gigantisch werk om al die data op een overzichtelijke wijze te catalogeren en de eigenschappen van elke dataset te capteren.

AI kan dat proces helpen automatiseren. Bovendien is AI bruikbaar om de data te classificeren. Dat zou ook tijdswinst opleveren bij bedrijven die in het kader van de GDPR het gebruik van persoonsgegevens in hun organisatie onder controle willen houden. Beide voorbeelden voeden dus onze overtuiging dat AI in de nabije toekomst een groeiende rol zal spelen bij verschillende aspecten van Data Governance.

Wil je meer weten over Data Governance? Check het hier.

Op zoek naar inzicht in toepassingen die voor jouw bedrijf de moeite waard zijn? Stuur ons gerust een bericht!

Marketing Automation

Marketing Automation, of hoe data de basis is voor een sterke customer experience.

Marketing Automation wordt alsmaar hipper. Bedrijven doen er alles aan om hun marketingbudget efficiënt in te zetten om zo beter klanten te bereiken. Hierbij wordt Marketing Automation meestal als de heilige graal gezien. Maar is dat effectief ook zo? Vaak wel, maar toch bestaan er nog heel wat misverstanden rond Marketing Automation. Die we lichten graag even toe.  

Marketing Automation is het sturen van een reactie op een actie van een klant of prospect

Daar loopt het eigenlijk al een beetje mis, want een actie-reactie flow is eigenlijk gewoon triggering. Het is slechts een momentopname, wat het werk alvast wat makkelijker maakt. Maar van een echte ‘customer journey’ kunnen we hier nog niet spreken. Want je wil mensen meenemen in een verhaal, hen correct en blijvend opvolgen, via het juiste kanaal, op het moment dat zij er klaar voor zijn. Voor de vaktermliefhebbers: de push-strategie wordt vervangen door een pull-strategie.

Marketing Automation is een manier om je klanten digitaal op te volgen en hen via digitale kanalen een geweldige Customer Experience te geven

Ook dat spreken we deels tegen. Marketing Automation is niet alleen digitaal. Als je het écht heel waardevol wil maken, verbind dan naast de digitale voetstapjes van je klant ook alle andere punten in je organisatie die je hebt (en die uiteraard van toegevoegde waarde kunnen zijn). Reken dan ook het aantal klachtentelefoontjes mee. En of je klant tijdig betaalt. Wanneer hij z’n product heeft ontvangen door de logistieke afdeling. En nog zoveel meer.

Je merkt het al, je betrekt hier makkelijk je hele organisatie bij. Want zoals je al weet, hebben al deze aspecten invloed op hun klantbeleving, de manier waarop ze aankopen en wanneer ze terug zullen kopen. Heel wat valabele info dus. Check dus zeker ook je datakwaliteit en zorg voor een éénduidig en correct klantbeeld waar alle afdelingen doorheen je organisatie gebruik van kunnen maken. Data Quality en Master Data Management opnemen in je budget is hier zeker een aanrader!

Een tip? Behalve je klanten enkel te spammen met talloze e-mails, zijn er heel wat meer kanalen die je kan inschakelen om hen op een originele manier hun customer journey te laten beleven. Wat dacht je van een accountmanager inzetten voor B2B-klanten, een telefoontje door de klantendienst, een leuke direct mailing, een Facebookberichtje, etc. Kanalen genoeg dus binnen je organisatie die een juiste plaats kunnen innemen in de weg die je gemiddelde klant aflegt voor, tijdens en na z’n aankoop. Een ding staat als een paal boven water: je moet je klanten een customer experience geven die bijblijft. Daar draait het om.

Marketing Automation implementeer je meteen want je hebt toegang tot hun e-mailadressen en aankoophistoriek

Twee misverstanden in één klap. Allereerst is Marketing Automation ontzettend moeilijk om ‘meteen’ te implementeren. Het is een proces, een strategie die je uitschrijft en daarbij aan aantal keuzes maakt. Ten tweede ga je niet met de eerste beste data aan de slag. Je moet weten waarom je aan Marketing Automation wil doen. En vooral welke data hiervoor in aanmerking komt en bovendien van hoogwaardige kwaliteit is.

Niets is zo dodelijk als je customer journey beginnen met een fout. Want dan stapt een klant wel héél snel af van z’n reis! Maak daarom een goede inventaris van welke data je graag wil gebruiken, of deze accuraat is, wie hier verantwoordelijk voor is en of deze eenvoudig in te zetten is. Je geraakt via 100 omwegen naar Brussel, maar liefst neem je de snelste route, toch? Benoem daarom ook voor elke customer journey een verantwoordelijke. Misschien zelfs best een business owner, die de noodzaak van zo’n journey ziet.

Marketing Automation mag je sowieso bij al je klanten doen

Mmm, niet meer zo makkelijk sinds de GDPR-wetgeving. Klant zijn is geen vrijgeleide om met hun data te doen wat je wil. Hou zeker rekening met de bewaartermijnen. Tot wanneer is iemand klant? Hoe lang ga je data bijhouden volgens je privacybeleid? Hou ook rekening met de opt-outs vanuit de verschillende kanalen: direct mailing, outbound calling, social media, sms, cookies, etc.

Weet ook dat je gegevens van prospecten standaard niet mag gebruiken voor commerciële doeleinden, enkel als je hier toestemming voor krijgt. Reken ook de regels rond profilering mee, want zowel je toegestemde prospect als je klant mag zich hiertegen verzetten. En heel belangrijk: je mag niet altijd alle categorieën van data gebruiken voor automatisering en ook niet van iedereen!

Zoals je merkt, houdt Marketing Automation heel wat aspecten in die met het beheer van data te maken hebben. We weten dat het best pittig is om al deze aspecten continu in de gaten te houden. Daarom begeleiden we je graag tijdens het uittekenen van je customer journey. Zo steven je snel en correct af op business succes! Contacteer ons gerust!

Ben je benieuwd naar wat we nog allemaal voor je kunnen betekenen? Scan dan hier ons aanbod.

Inès Herbosch
Data Governance Consultant, DPO & Marketing Automation specialist

carrièreswitch

Loop je een beetje verloren? Getuigenis van een carrièreswitch.

Een tijdje geleden kwam ik tot het besef dat het al een jaar geleden was dat ik een carrièreswitch maakte. Vele mensen uit mijn omgeving waren bang dat ik de verkeerde keuze maakte. Wel, dat was niet het geval.

Doelbewust versus toevalstreffers

Na mijn doctoraat zat ik vastgeroest in het idee dat ik mijn specialisatie in wormpjes-in-landbouw moest verderzetten, wat eigenlijk het gevolg was van toeval: Ik had de verkeerde contactgegevens neergepend uit een ellenlange lijst met thesisonderwerpen, en dit deed me belanden in landbouwonderzoek in plaats van de biotechnologie.

Het grote toeval dat me doet afwijken van geijkte paden achtervolgt me al heel mijn leven. Per ongeluk beland ik ergens en dat blijkt dan plots super interessant te zijn – Het gevolg van een breed interessegebied. Echter, tijdens mijn doctoraat begon ik dit breed enthousiasme voor alles en nog wat te beschouwen als een hinderpaal om te komen tot specialisatie. Want specialisatie was de heilige graal in mijn omgeving. De logica achter het belang van specialisatie deed me geloven dat ik enkel in de landbouwsector terecht kon. Dat was namelijk mijn hoogste diploma en mijn andere studies waren een onsamenhangend allegaartje.

Dus zocht ik een job in deze sector in de hoop een thuis te vinden, maar daar slaagde ik niet echt in. Na weer een slechte match, dacht ik: fuck it (want ik vloek in het Engels). Het is niet logisch om altijd hetzelfde te blijven doen, enkel en alleen omdat je er al veel tijd aan hebt gespendeerd.

Zogenaamde zwakheden betekenen een meerwaarde elders

Maar wat is dan de volgende stap? Dat was voor mij een job coach. En na enkele gesprekken werd het duidelijk voor mij. Mijn breed interessegebied was net een pluspunt! Waar de meeste mensen gelimiteerd zijn door hun beperkte interesse, kon ik eigenlijk gewoon kiezen tussen vele sectoren. Dus eigenlijk had ik de luxe om te focussen op een werkomgeving waar ik het gelukkigst zou zijn.

Mijn volgende stap was mijn CV verspreiden, samen met een motivatiebrief. Daarin stond wie ik was, wat ik wou, wat mijn waarden waren en mijn persoonlijke doelstellingen. Dit met het idee dat er misschien wel bedrijven waren die mensen aanwerven op waarden en talenten in plaats van skills & competences (good luck with that, trouwens).

Wat zijn je kernwaarden, wat stuwt je voort?

Ik werd vrij snel opgepikt door QuaData. Geen idee wat ze deden! Zelfs na google en een eerste gesprek bleef het abstract, zelfs voor een ivoren-toren-mens als ik. Maar het voelde goed! Vlug genoeg ontdekte ik wat QuaData precies doet: problemen oplossen. Laat nu net zijn dat ik van problemen hou! “Never waste a good crisis” is wat ik heb geleerd van verschillende memes op het internet, al dan niet gelinkt met Game of Thrones.

In elk geval, ik heb me sinds mijn carrièreswitch altijd goed gevoeld. De afstemming van waarden en normen geeft een bodem waarin de vertrouwensrelatie tussen werknemer en werkgever groeit. Respect, diversiteit, persoonlijke groei en ontwikkeling, samenwerking en openheid: dat zijn mijn kernwaarden. Ze klinken behoorlijk vaag en universeel, maar je moet wel moeite doen om verder te gaan dan enkel deze welluidende termen. Hoe uit zich dit? Waar sta je écht voor? Een kleine hint? Benoem eerst de dingen die je echt niet wilt.

Toestemming om te groeien

Persoonlijke groei gaat uit van de veronderstelling dat er nog ruimte is om te groeien. En een eerste jaar in een nieuwe job houdt soms/vaak een spiegel voor en toont pijnlijk aan waar die ruimte te vinden is. Ik heb fouten gemaakt en je mag zelfs spreken van domweg falen op gezette tijden. Mijn ego werd wel wat gekneusd, maar dankzij de openheid en de kans om dit luidop te bespreken en te analyseren met mijn manager, zonder haar steun te verliezen, maakte dat ik beter werd in wat ik doe. Ik mocht namelijk falen! Daardoor groeide ik hard, wat ook doorsijpelde naar mijn persoonlijk leven. Hierdoor heb ik ook het gevoel dat mijn werkomgeving een goede invloed heeft op alle aspecten van mijn leven.

Ik groei nu nog steeds, omdat mijn bedrijf dit actief aanmoedigt. Dat is voor mij een teken van vertrouwen. Het is dus een goede match!

Nele Schouteden, Data Governance Consultant

Wil jij ook deel uitmaken van ons team? Laat ons dan kennismaken!

Key take-away: een carrièreswitch is best ok, hoor!*

*Eigenlijk, “veranderen” is wat onze soort zo succesvol maakt: wij zijn heus niet de sterkste, snelste of puntigste diersoort, maar we passen ons extreem goed aan. En hiermee doel ik niet op Darwin’s “seksuele-reproductie-zorgt-voor-genetische diversiteit”**, maar op ons geweldige brein***! We hebben de macht om continu bij te leren. Dus deuhh, ga maar voor die carrièreswitch, je brein ondersteunt het.

**De mens aborteert elke foetus die niet de exacte mens-blauwdruk volgt, FYI.

***En epigenetica, maar dat is voor een andere keer.

Data Collaboration is een rollenspel

Met de rollen van data steward en data owner ben je intussen wellicht vertrouwd. Maar weet je ook wat een data watcher, data broker, data influencer en data facilitator voor Data Collaboration binnen je bedrijf kunnen betekenen?

Functies en rollen

De werking van je bedrijf steunt op functies en rollen. Iemands functie omschrijft nauwkeurig zijn verantwoordelijkheid. Maar een functie omvat ook verschillende rollen die zowel aan technische als business aspecten verbonden zijn. Data Collaboration is gebaseerd op een geheel van rollen. Zo gebeurt het dat iemand met de functie van project manager binnen het kader van het databeleid van je bedrijf de rol van data owner opneemt.

Traditionele aanpak

Bij de traditionele aanpak van Data Governance treden er meestal twee kernrollen op de voorgrond. Dat zijn de rollen van data steward en data owner. De data steward draagt een uitvoerende verantwoordelijkheid, terwijl de data owner een beslissende verantwoordelijkheid opneemt. Het zijn bij uitstek twee business rollen, al heeft de data steward soms een iets meer technisch profiel. Bij een eerder operationele invulling van de rol staat de data steward onder meer in voor de data input. Maar even goed begeeft de data steward zich meer op business terrein, via de analyse van data of door mee te werken aan de ontwikkeling van het ruimere databeleid.

Extra data rollen

Data Collaboration gaat een stuk verder dan traditionele Data Governance. Want elk departement binnen je bedrijf heeft andere databehoeften. Dat vraagt om goede afspraken en sterk overleg rond de status, het beheer en het gebruik van data binnen de diverse afdelingen van je organisatie. Om Data Collaboration succesvol uit te bouwen is er, naast de klassieke business rollen van data steward en data owner, nood aan andere ondersteunende data rollen. De invulling van die rollen hangt af van de doelstellingen die je bedrijf voor ogen heeft, bijvoorbeeld op het vlak van compliance of datakwaliteit. We geven alvast een paar voorbeelden.

Data watcher

De data watcher waakt over de verschillende aspecten van compliance. Hij staat onder meer in voor de transparantie van de data bij de eindgebruiker in functie van de GDPR.

Data broker

Op vraag van de business bezorgt de data broker de gewenste data. Dat gebeurt in nauwe samenwerking met de teams voor Data Governance en BI.

Data influencer

De data influencer versterkt de data awareness binnen je bedrijf. Hij legt aan de business uit welke opportuniteiten dataprojecten bieden en helpt business cases opstellen. De rol van data influencer is cruciaal voor de digitale transformatie van een organisatie.

Data facilitator

De data facilitator is de onmisbare data coach. Hij vormt binnen je bedrijf het aanspreekpunt voor elke vraag rond data, ook op management niveau.

Aan de slag

Zoals je merkt, stopt de data strategie van een bedrijf niet bij het aanduiden van data owners en data stewards. Wie de vruchten wil plukken van succesvolle Data Collaboration, moet z’n behoeften rond data in kaart brengen, om daar dan de juiste data rollen aan toe te wijzen: business rollen en ondersteunende rollen. Zorg dus eerst voor een nauwkeurige, inhoudelijke omschrijving van de rollen en ga daarna op zoek naar de juiste mensen.

Benieuwd hoe jij Data Collaboration in de praktijk brengt in jouw onderneming? QuaData helpt je de juiste rollen definiëren en toewijzen. Bekijk hier ons aanbod!