Datastrategie expert interview: een gouden berg aan data

Marcel ontwikkelde een data analytics capability voor productoptimalisatie als Team Lead Digital Analytics bij KLM. Daarna werkte hij drie jaar als Project Lead Data Strategy in New York. Sinds hij terug is in Nederland, is hij Product Manager Data bij het financiële technologiebedrijf Adyen.

Hoe heb jij de ontwikkelingen binnen het datadomein in de afgelopen jaren ervaren?

In 2015 werkte ik bij een organisatie die events organiseerde over data. Zo kwam ik in aanraking met data en strategie vanuit een business context. Het vakgebied stond toen nog in de kinderschoenen. Twee jaar later ging ik zelf aan de slag met het onderwerp datastrategie als onderdeel van de digitale transformatie van KLM.

Op dat moment ging het vooral over de praktische keuzes die we als organisatie maakten op het gebied van datastrategie. Omdat het een vrij nieuw onderwerp was, pakten we het decentraal aan. Business experts dachten na over hoe datagedreven werken impact kon hebben op specifieke onderdelen. De overtuiging was namelijk dat operationele experts het best kunnen beoordelen hoe je bijvoorbeeld vliegtuigonderhoud kunt voorspellen.

Tegelijkertijd werd er ook een centralisatieslag gemaakt, vooral op het gebied van de data zelf. Het ging hierbij vooral om de opslag, minder over de waarde die geleverd moest worden. Data moest centraal opgeslagen worden. Termen als datalake en big-dataplatform vlogen je om de oren. ‘Als je maar zoveel mogelijk data hebt, ga je er wel gave dingen mee doen’, was de gedachte. Daarmee werd data verzamelen een doel op zich.

Het doel van datagedreven werken is altijd om businesswaarde te creëren. Ik vergelijk het met een berg bouwen en goud uit de berg halen. Je kunt een mooie berg bouwen, maar als je het goud er niet uithaalt, heb je er niks aan. Dan ben je vooral resources en geld aan het weggooien.

De afgelopen jaren kwam er steeds meer focus op de business inzetbaarheid van data. In de VS lopen ze voorop en sommige Nederlandse organisaties, zoals Adyen, zijn hier al volop mee bezig. De focus is nu op het laten groeien van de berg terwijl de data slim wordt ingezet. Hierbij moeten we nog veel leren. We proberen een wild dier te temmen en tegelijkertijd kunstjes te leren. Dat is lastig combineren!

Op corporate niveau worden steeds meer core (leadership) teams gevormd op het gebied van data. Dit is twee jaar geleden gebeurd binnen Adyen, het gebeurt nu ook bij KLM en ik zag dezelfde ontwikkeling als consultant bij Amerikaanse bedrijven.

Ik zie overigens nog weinig CDO’s bij bedrijven. Wat mij betreft is een CDO ook niet essentieel, dit ligt aan de opzet van je bedrijf. Hoe hiërarchischer, hoe belangrijker de titel. Als er maar iemand verantwoordelijk is voor de data. Hierbij is het belangrijk om te bepalen of diegene een gatekeeper is of echt verantwoordelijk voor hoe de data wordt ingezet binnen de gehele organisatie. Dit is wat mij betreft het kernpunt van een datastrategie: weten waar je data gepositioneerd is binnen een bedrijf.

Wat is jouw definitie van een datastrategie?

Een datastrategie is een combinatie van keuzes over hoe de organisatie omgaat met de data die het (in)direct bezit om business doelstellingen te behalen.

Hoe ik ernaar kijk: je datastrategie bepaalt de keuzes die je maakt en welke richting je opgaat. Zo geeft je strategie sturing in wat je wel en niet doet. Hoe ga je de data die je tot je beschikking hebt gebruiken en hoe link je het aan je bedrijfsproblemen? Zet je het in om de toegevoegde waarde van je huidige product(en) beter in kaart te brengen? Of zijn er kansen om de data die je bezit te productionaliseren en zet je daar vol op in?

Waarom is het zo complex om een datagedreven mindset te ontwikkelen?

De complexiteit en volumes van nu hadden we 30 jaar geleden nog niet. Er zijn weinig ervaren mensen omdat het vakgebied nog relatief jong is. Om anderen te leren over de toepassingen en mogelijkheden van data, moet je zelf wel genoeg kennis van zaken hebben.

Mensen meekrijgen is heel lastig én heel makkelijk tegelijkertijd. Het is enorm complex omdat het onderwerp steeds nieuwe elementen toevoegt en de wereld zoals mensen hem nu kennen, tot stand is gekomen zonder data als basis van de besluitvorming. Aan de andere kant kan niemand om de grote techbedrijven die van data hun businessmodel hebben gemaakt heen en is iedereen er wel van overtuigd dat ze er iets mee moeten. Ondertussen ben je zelf nog continu aan het leren en ontdekken wat je allemaal met je data kan.

Ook lopen de kosten voor de baten uit als je het over data hebt. Je moet eerst de juiste data zien te verzamelen, goed opslaan en er inzichten uit zien te halen. Kortom: goud zien te vinden in de berg. Je moet jezelf afvragen: hoe kan ik mijn data gebruiken om mijn businessmodel te transformeren?

Wat zijn de belangrijkste uitdagingen bij de implementatie van een datastrategie?

Het belangrijkste obstakel is de investering die je moet doen zonder dat je kunt bewijzen dat het werkt. Er zijn nog niet genoeg succesverhalen over data die bewijzen dat het echt wat opbrengt. Het is makkelijk om naar big techbedrijven te wijzen, maar hoe werkt het voor een traditionele airline als KLM die niet zomaar alle bedrijfsprocessen opnieuw kan opbouwen?

Ondertussen is je data-organisatie nog steeds aan het pionieren. Soms levert een project niet de waarde die je vooraf verwacht. Je moet dit zien als het betalen van leergeld: je haalt hier namelijk wel inzichten uit die je kunt meenemen bij je volgende project. Omdat het nieuw is, kun je een data-initiatief qua opportunisme vergelijken met een startup. Falen is onderdeel van het proces.

Sponsorship vanuit het hoger management is belangrijk. Je vraagt echter veel van ze. Datagedreven werken is op korte termijn high risk, maar ook high reward op lange termijn.

Niet iedereen is daartoe bereid, maar het is wél een belangrijke voorwaarde voor succes. Het hoger management kan ook mensen net eronder empoweren om de vrijheid te nemen die er is.

Kun je een paar succesverhalen met ons delen?

Adyen is van origine een payment service provider, maar heeft zich ontwikkeld tot een financial technology platform. Dit gaat verder dan alleen betalingen. Omdat ze hier zoveel over weten, kunnen ze andere producten ontwikkelen. Hierbij wordt, vanuit een centrale data-afdeling, gekeken naar de data die er al is en hoe deze kan worden toegepast.

Verschillende van onze financial technology services leggen zich goed uit aan de hand van het voorbeeld van een donutwinkel. Stel dat een leverancier van de donutwinkel vandaag betaald moet worden, maar dat de donutwinkel geen cash beschikbaar heeft. Op basis van betalingsdata kan Adyen zien of het om een tijdelijk tekort aan cashflow gaat en zo ja, de reguliere uitbetalingstermijn aan de donutwinkel versnellen naar vandaag.

En wat als deze winkel wil uitbreiden, door naast donuts ook goede cappuccino aan te bieden? Dan kan Adyen een lening verschaffen voor een koffieapparaat, waarbij datamodellen het kredietrisico voor Adyen bepalen. Je kan gerust zeggen dat data het brein is achter deze producten.

In zijn tijd bij KLM keek Marcel met zijn team ook hoe bestaande processen verbeterd konden worden. Hij noemt hier een mooi voorbeeld van.

Alle ground staff van KLM heeft een iPad. Als je, eenmaal op het vliegveld, nog een andere stoel wilt reserveren bijvoorbeeld, kunnen ze je met behulp van die iPad helpen. Voor KLM is dit een revenue driver: last minute worden er duurdere stoelen verkocht.

In de praktijk werkte het niet optimaal. Nadat de stoel was veranderd via de iPad van de KLM-medewerker, moest je als klant de betaling voldoen op je eigen device, via een QR-code die verstuurd moest worden. Hier zat een grote drop off: de stoel was al aangepast, maar de betaling lukte vervolgens niet.

Omdat we inzicht hadden in deze data, kon het productteam een oplossing ontwikkelen. Een paar maanden later kon de klant niet alleen via een QR-code betalen, maar ook via Whatsapp, een sms, Wechat, etc. Zo werden de betaalopties veel beter afgestemd op de klantbehoefte, met meer afgeronde betalingen tot gevolg. Procesoptimalisatie leidde hier tot meer omzet.

Welke tips heb je voor mensen die aan de slag willen met hun datastrategie?

1. Probeer zo snel mogelijk waarde te leveren, hoe klein dan ook.

Organiseer het decentraal: ga eerst maar eens beginnen. Ga niet alleen maar bouwen en bouwen. Verifieer zo snel mogelijk of het werkt. Voor producten geldt: launch fast and iterate.

2. Start met het net ophalen: welke data heeft het bedrijf en wat zijn de quick wins?

Vanuit dat overzicht kun je een inschatting maken van de waarde van die data.

3. Zoek op meerdere plaatsen tegelijk naar waar het gebruik van data business problemen kan oplossen.

Houd hierbij bestaande business cases tegen het licht en stel jezelf de vraag: ‘Als we dit aan data hebben, hoe zou data daar een accelerator in kunnen zijn?’

4. Als je de problemen binnen je organisatie op de juiste manier definieert, volgen de keuzes op techniek, proces en mensen vanzelf.

Kijk daarom vanuit een breder perspectief. Is je doel een nieuwe markt aanboren of wil je juist je marktaandeel uitbreiden? Dit heeft effect op de strategische keuzes die je moet maken binnen je datagedreven aanpak. In het eerste geval moet je snel op zoek naar nieuwe datapunten, in het tweede geval vooral goed kijken naar wat je al weet en nieuwe kansen spotten.

5. Neem een voorbeeld aan bedrijven die de switch al hebben gemaakt en hun businessmodel succesvol hebben getransformeerd.

Denk hierbij aan Netflix (begonnen als streamingdienst en nu produceren ze zelf films en series) en Spotify.

Hoe zal het datadomein zich ontwikkelen volgens jou?

Als je nu wilt weten wat je sales gister was over 5 verschillende winkels, moet je een dashboard openen en filters toepassen voordat je een antwoord hebt. Ik verwacht dat je in de toekomst geen handelingen meer zelf hoeft te verrichten, maar dat je enkel nog de vraag hoeft te stellen. De computer haalt dan de relevante data voor je op en visualiseert het antwoord meteen voor je, met toepassing van de juiste filters.

Je ziet het nu al met de opkomst van AI-toepassingen als ChatGPT. Enkel data leveren, is niet meer voldoende. Mensen raken er steeds meer aan gewend dat ze een vraag stellen en een uitgebreid antwoord terugkrijgen. Daar is heel veel data voor nodig. Hoe zorg je er in hemelsnaam voor dat je je data zó klaarzet dat er binnen 2 seconden een antwoord wordt opgeleverd? Daar zijn we nu nog niet, maar welke stappen moeten we nemen om er te komen? En hoe gaan we daar morgen, richting het einde van het jaar en de komende jaren invulling aan geven? Dat is voor mij de grote vraag.

Ook dataprivacy is een heel belangrijk onderwerp. Bij Adyen werd ik blij verrast door de data ethiek werkgroep. Als je toegang wilt hebben tot data, volg je eerst een verplichte training over ethische dilemma’s. Het ethische aspect van datagedreven werken en het effect van algoritmes op de mensheid als geheel zijn nog onderbelichte thema’s. Ik mis het maatschappelijke debat hierover. M’n nichtje zit nu in groep 3 en daar wordt al veel met computers gewerkt. Iedereen zou al op jonge leeftijd moeten leren wat data is.

We verzamelen in de wereld al heel lang data, maar als je ziet hoe exponentieel de groei is momenteel, kun je er niet meer om heen. Voorbeelden van disruptors zijn er legio. Wil je dat je bedrijf over 50 jaar, misschien zelfs wel over 10 jaar, nog bestaat? Dan moet je de ontwikkelingen serieus nemen, anders ben je tegen die tijd out of business.

Blijf op de hoogte van de laatste inzichten op het gebied van datastrategie

Dit interview is onderdeel van een serie expert interviews over datastrategie. Wil je een mailtje krijgen wanneer het volgende artikel gepubliceerd is? Meld je aan voor onze maillijst en blijf up to data.