Zijn data de nieuwe olie? Niet per se.
Al jaren horen we dat data de meest waardevolle hulpbron van moderne bedrijven zijn.
Bedrijven investeren in ERP-systemen, implementeren CRM, kopen licenties voor Business Intelligence-platforms, bouwen datawarehouses en maken steeds meer rapporten. Ze geven honderdduizenden, soms miljoenen euro’s uit aan infrastructuur die zou moeten helpen betere beslissingen te nemen.
Het paradoxale is dat ondanks deze investeringen veel organisaties nog steeds werken zoals jaren geleden;
Een verkoper gebruikt zijn eigen Excel-sheet.
Het magazijn heeft aparte overzichten.
Marketing gebruikt andere data dan sales.
Productie rapporteert resultaten in een ander systeem.
Het management ontvangt vijf verschillende rapporten uit vijf verschillende bronnen.
Als resultaat bezit het bedrijf enorme hoeveelheden data, maar heel weinig kennis.
Het probleem is dus niet dat ondernemingen te weinig informatie hebben. Het probleem is dat ze die niet kunnen combineren en benutten.
Data zijn niet hetzelfde als informatie
Dit is een van de belangrijkste verschillen om te begrijpen.
Data zijn afzonderlijke feiten.
Aantal bestellingen.
Factuurwaarde.
Voorraadniveau.
Leverdatum.
Aantal klachten.
Pas een juiste samenstelling van deze gegevens maakt het mogelijk om conclusies te trekken.
Een nog hoger niveau is kennis, dat is het vermogen om de vraag te beantwoorden: “Waarom is dit gebeurd en wat moeten we nu doen?”
Juist op dit punt blijven veel organisaties halverwege steken.
Wat is een Data Silo?
Een van de grootste problemen van moderne ondernemingen zijn de zogenaamde Data Silos, oftewel datasilos.
Dat is een situatie waarin informatie in verschillende systemen zit en niet met elkaar verbonden is.
Een voorbeeld?
Het ERP-systeem bewaart informatie over bestellingen.
CRM bevat de contactgeschiedenis met de klant.
De webshop heeft gegevens over aankopen.
Het marketingplatform analyseert campagnes.
Het magazijnsysteem beheert voorraden.
Elk systeem werkt op zich goed.
Het probleem ontstaat wanneer geen van hen “praat” met de anderen.
Het bedrijf heeft alle benodigde informatie, maar kan het volledige plaatje niet zien.
ERP, CRM, BI... wie is waarvoor verantwoordelijk?
Veel mensen gebruiken deze termen door elkaar, hoewel ze heel verschillende functies vervullen.
ERP (Enterprise Resource Planning)
Dat is een systeem voor het beheren van de bedrijfsprocessen.
Meestal omvat het:
- financiën,
- boekhouding,
- magazijn,
- productie,
- inkoop,
- logistiek,
- HR.
ERP is vooral verantwoordelijk voor de dagelijkse procesondersteuning.
CRM (Customer Relationship Management)
CRM concentreert zich op klantrelaties.
Het maakt het mogelijk om te beheren:
- leads,
- contacten,
- offertes,
- samenwerkingsgeschiedenis,
- activiteiten van verkopers,
- klantenservice.
CRM is verantwoordelijk voor het verkoopproces en het opbouwen van relaties.
Datawarehouse (Data Warehouse)
Het is geen nieuw operationeel systeem.
Het is een plek waar data uit verschillende bronnen worden verzameld, gestructureerd en klaargezet voor analyse.
Daardoor kun je informatie uit meerdere systemen tegelijk vergelijken.
Business Intelligence (BI)
BI is verantwoordelijk voor data-analyse.
Maakt rapporten.
Dashboards.
KPI-indicatoren.
Helpt te begrijpen wat er in het bedrijf is gebeurd.
Maar BI alleen lost het probleem van slechte datakwaliteit of verspreide data niet op.
Waarom hebben bedrijven data die ze niet gebruiken?
Daar zijn veel redenen voor.
Meestal komen we een aantal van deze oorzaken tegen.
Data zijn verspreid
Elke afdeling gebruikt zijn eigen tool.
Er is geen enkele bron van waarheid.
Data zijn onvolledig
Verkopers vullen het CRM niet volledig in.
Medewerkers slaan een deel van de informatie buiten het systeem op.
Processen worden niet nageleefd.
Data zijn inconsistent
Dezelfde klant verschijnt onder meerdere namen.
Producten hebben verschillende codes.
Er ontbreken standaarden.
Data zijn verouderd
Een rapport toont de situatie van een week geleden.
Terwijl de beslissing vandaag genomen moet worden.
Het bedrijf verzamelt alles
Dat is een veelgemaakte fout.
De organisatie verzamelt enorme hoeveelheden informatie alleen omdat ze het "kan". Niemand gebruikt het later.
Er ontstaan steeds meer rapporten.
Nog meer dashboards.
Nog meer grafieken.
Maar de belangrijkste vragen blijven onbeantwoord.
Wat is Single Source of Truth?
Het is een concept dat ervan uitgaat dat een bedrijf één betrouwbare databron heeft.
Dat betekent niet één enkel programma.
Het betekent dat, ongeacht waar je de gegevens opvraagt, de informatie consistent is.
Als de verkoop een miljoen euro bedroeg, zou elk rapport diezelfde waarde moeten tonen.
Zonder te hoeven twijfelen welke tabel actueel is.
AI lost de rommel niet op
Dat is een van de grootste mythes van de afgelopen jaren.
Bedrijven denken vaak dat het genoeg is om kunstmatige intelligentie te implementeren. - Dat is niet genoeg.
AI kan data analyseren.
Het kan verbanden detecteren.
Het kan trends voorspellen.
Maar alleen als het data van voldoende kwaliteit krijgt.
Als een organisatie inconsistente informatie heeft, zullen algoritmes... inconsistente informatie analyseren.
Er ontstaat slechts een meer geavanceerde versie van foutieve conclusies.
Daarom zegt men: Garbage In, Garbage Out.
AI Analytics - wat verandert het?
Moderne analytics gebaseerd op AI kan veel meer dan klassieke rapportage.
Het kan:
- ongebruikelijke patronen detecteren,
- verkopen voorspellen,
- klanten identificeren die dreigen te vertrekken,
- de vraag voorspellen,
- anomalieën detecteren,
- acties aanbevelen,
- automatisch rapportoverzichten genereren.
Dat is een enorme verandering.
Maar onder één voorwaarde.
Het bedrijf moet eerst zijn data ordenen.
Wanneer heeft een datawarehouse echt zin?
Niet elk bedrijf heeft een uitgebreid datawarehouse nodig.
Als een organisatie slechts een paar medewerkers heeft en één systeem gebruikt, kan de implementatie onnodig zijn.
De situatie verandert wanneer:
- er meerdere vestigingen actief zijn,
- er veel verschillende systemen functioneren,
- data uit verschillende bronnen komen,
- rapportage uren duurt,
- het management behoefte heeft aan doorsnede-analyses.
Dan wordt het datawarehouse vaak de fundering voor verdere digitalisering.
Veelgemaakte fouten
De grootste fout is niet het gebrek aan data.
De grootste fout is het ontbreken van een strategie.
Bedrijven doen vaak:
- in plaats van huidige systemen te integreren, kopen ze nieuwe systemen,
- ze maken tientallen rapporten die niemand gebruikt,
- ze analyseren alles in plaats van de belangrijkste KPI’s,
- ze implementeren AI zonder de data voor te bereiden,
- ze hebben geen eigenaren verantwoordelijk voor datakwaliteit.
Hoe maak je een bedrijf klaar?
Het is goed om te beginnen met eenvoudige vragen.
- Waar komen onze data vandaan?
- Zijn ze consistent?
- Weten we welke versie correct is?
- Wie is verantwoordelijk voor hun kwaliteit?
- Worden alle rapporten echt gebruikt?
- Helpen de data bij het nemen van beslissingen?
Als het moeilijk is om sommige van deze vragen te beantwoorden, is het waarschijnlijk verstandig om te beginnen met het ordenen van informatie voordat de organisatie nieuwe investeringen doet.
Hoe pakken we het aan bij Web24?
In veel projecten blijkt dat de grootste uitdaging niet het bouwen van een nieuw systeem is.
De grootste uitdaging is het verbinden van wat er al bestaat.
We integreren ERP, CRM, webshops, B2B-platforms, magazijnsystemen en maatwerkapplicaties zodat data vrij tussen hen kan stromen.
Pas dan kun je moderne analytics, procesautomatisering of op AI gebaseerde oplossingen opbouwen.
Want AI vervangt geen goed ontworpen data-architectuur.
Maar het kan er wel volledig van profiteren.
Samenvatting
De grootste waarde van een onderneming zijn niet de data.
De grootste waarde is het vermogen om ze te benutten.
Bedrijven die informatie uit meerdere bronnen kunnen combineren, zorgen voor datakwaliteit en deze omzetten in praktische bedrijfsbeslissingen, behalen een voordeel dat je niet kunt kopen met alleen maar extra softwarelicenties.
In de wereld van AI winnen niet degenen met de meeste data.
Ze winnen diegenen die weten hoe ze die data moeten gebruiken.
