Zo maak je data weer betrouwbaar in tijden van versnippering
SSOT: zo maak je data weer betrouwbaar in tijden van versnippering
SSOT is simpel gezegd niets anders dan het hebben van 1 versie van je belangrijkste bedrijfsinformatie. Het is als een overkoepelende database of laag bovenop bestaande databases waar al je werknemers betrouwbare gegevens kunnen vinden. Dat zorgt er vervolgens weer voor dat iedereen zijn beslissingen op dezelfde gegevens baseert. In de basis is een SSOT simpel: het enige dat je hoeft te doen is 1 bron aan te bieden aan je personeel, waarin de benodigde data beschikbaar wordt gesteld. Dankzij dit slimme concept en door zogenaamde data stewards te benoemen binnen je organisatie, krijg je inzicht in eventuele verouderde, ongeldige of dubbele gegevens, zodat je daar actie op kunt ondernemen. En dat geldt natuurlijk ook voor alle betrouwbare en juiste data die je al hebt.
Datagestuurde besluitvorming is ontzettend belangrijk geworden voor praktisch alle organisaties. Daarmee is het belang van betrouwbare data ook toegenomen. Een SSOT biedt hierbij de volgende kansen: Je organisatie heeft meer dan 1 informatiesysteem Er is de wens om datagedreven te gaan werken De organisatie heeft recent een overname gedaan of is dat van plan Je datawarehouse is te groot en log geworden om snel meer of meerdere soorten data aan toe te voegen Onze ervaring is dat een SSOT vaak zijn meerwaarde al bewijst bij organisaties met 50 werknemers of meer in praktisch alle sectoren.
Veel organisaties hebben een haat-liefdeverhouding met data. Logisch, aan de ene kant is het fantastisch om op basis van data de juiste beslissingen te kunnen nemen. Maar tegelijkertijd is het ontzettend lastig om alle mogelijke data te verzamelen, beschikbaar te maken en op waarde te schatten. We zetten de 4 grootste problemen die een SSOT oplost voor je op een rij.
1. ONBEKENDE EN MATIGE DATA KWALITEIT
Vaak zien we dat de data binnen een bedrijfsproces acceptabel is. Je werknemers hebben een werkwijze die ze met elkaar delen, en gebruiken dezelfde Excel-sheet of andere bron om hun beslissingen op te baseren. Maar als manager moet je afdelingsoverstijgende beslissingen nemen. Voeg je de data van verschillende afdelingen rücksichtslos samen, dan ontdek je niet alleen dat elke afdeling er zijn eigen werkwijze op nahoudt, maar ook dat dezelfde data op verschillende plekken wordt opgeslagen. Hierdoor wordt het onmogelijk om de juiste data te gebruiken voor je beslissingen. Met een SSOT creëer je een plek waar álle data vanuit de organisatie samenkomt, en van waaruit je de juiste data kunt extraheren. Om die data vervolgens in je voordeel te gebruiken! Ook geeft een Single Source of Truth je de mogelijkheid om een goede risicoinschatting te maken: het hoeft nu nog niet fout te zijn, maar kan het potentieel wel worden. Eventuele problemen constateer je dan dus op tijd.
2.KLANTBEELD IS ONVOLLEDIG
Je hebt waarschijnlijk veel data over je klanten, cliënten of afnemers. Niet alleen persoonlijke gegevens, maar bijvoorbeeld ook informatie over welke producten of diensten ze van je afnemen. Toch zien we vaak dat dat soort informatie versnipperd is, en dat afdelingen er verschillende definities op na kunnen houden.
Zo kijkt de afdeling Onderhoud van een woningcorporatie misschien naar de absolute vierkante meters van een woning, terwijl de afdeling Service onder dezelfde term het aantal bruikbare vierkante meters verstaat. En laten nu juist die vierkante meters belangrijk zijn voor het puntensysteem waar de huurprijs op is gebaseerd. Belt je klant dan met een vraag over zijn woonoppervlakte en heb je geen eenduidig antwoord, dan heb je al snel wat uit te leggen. Met een SSOT zorg je ervoor dat het voor iedereen in het bedrijf duidelijk is welke data in dit geval leidend is.
3.TIJDVERSPILLING MET HET ZOEKEN NAAR DÉ WAARHEID
Als je data quality niet op orde is, ben je elke dag weer onnodig veel tijd kwijt aan het achterhalen van de juiste gegevens. Stel dat dat 10 minuten per persoon is, dan lijkt dat misschien niet veel. Maar als je dat nu eens in het grote plaatje bekijkt en vermenigvuldigt met het aantal werknemers, dan ziet dat er ineens anders uit. En de grote besparing zit ‘m ergens anders: als je met een SSOT zorgt voor een continue onderstroom van correcte data, hoef je nooit meer grote projecten te draaien om de data quality te verbeteren. En dat scheelt!
4.BEGINNEN MET DATAGEDREVEN WERKEN LUKT NIET
Je ziet dat datagedreven werken ook voor jouw organisatie de toekomst is. En ondanks verschillende grote en kleine pogingen, is het je nog niet gelukt om ermee te beginnen. Vaak ontbreekt de juiste gespecialiseerde kennis, en is toch steeds weer lastig om de afdelingsoverstijgende datakwaliteit op orde te krijgen. Met een SSOT zorg je voor de juiste fundering onder je data, zodat je vanaf daar verder kunt bouwen in de wondere wereld van data.
Een SSOT bouwen is geen kleine klus, maar door het op te delen in een aantal stappen, wel overzichtelijk. Bij onze klanten zien we meestal de volgende onderverdeling.
1. DATABRONNEN IDENTIFICEREN
Een logische eerste stap: kijken naar welke databronnen er zijn en wat voor soort data ze bevatten.
Dit kan alles zijn van Excel-lijsten tot gegevens uit een CRM-pakket of een database vol afbeeldingen.
2. PRIORITEREN VAN BESTAANDE DATA
Voordat je databronnen kunt toevoegen aan het SSOT, is het belangrijk ze te prioriteren. Hoe we dat doen,
bepalen we samen aan de hand van je wensen. Misschien is het ergens al mis met je data en wil je dat
eerst oplossen, of wil je beginnen met de databron die de grootste impact heeft op je organisatie.
3.OPLOSSING ON PREMISE OF IN DE CLOUD?
De volgende stap is bepalen op welke plek je de SSOT wilt bouwen: op je eigen servers of in de cloud?
Ook als je met gevoelige data werkt, is het prima mogelijk om in de cloud te werken. We werken
bijvoorbeeld met Azure en AWS, maar kunnen met praktisch elke gewenste cloudoplossing uit de voeten.
Hoewel we een voorkeur hebben voor een cloudoplossing, is on premise natuurlijk ook mogelijk.
4.DATABRONNEN LADEN
Nu is het tijd om databronnen in te laden in de SSOT. Dat kan gestructureerde data uit een datawarehouse zijn
of ongestructureerde data uit een zogenaamd datalake. Het ligt voor de hand om daarbij klein te beginnen, met
bijvoorbeeld 1 entiteit uit 1 bron, en vanaf daar gefaseerd uit te bouwen. Zo’n samenvoeging van gestructureerde
en ongestructureerde data noemen we een datalakehouse, en is wat ons betreft altijd the way to go.
5.MEET- EN REGELKRING INRICHTEN
Om iets te kunnen leren van je data, heb je een meet- en regelkring nodig. Daarin kijk je welke gegevenspunten je wilt ophalen, vergelijken en verschillen tussen wilt bekijken. Door de meet- en regelkring krijg je de inzichten die nodig zijn om verbeteringen door te voeren. Ondersteunend aan de meet- en regelkring stel je data stewards aan. Dit zijn mensen binnen je organisatie met de handen aan de knoppen van de SSOT. Daarboven zit een managementlaag die prioriteiten stelt.
Omdat Get There agile en iteratief werkt, kunnen we in kleine stappen aan een groot eindresultaat werken. Het is goed om te weten dat we bovenstaande stappen in 2 tot 4 weken voor je kunnen uitvoeren. Dat wil dus zeggen dat in ongeveer een maand na de start je eerste bronnen ontsloten zijn en de eerste meting is gedaan. Zodra dit voor elkaar is, kun je verder gaan met de volgende stappen.
6. GOLDEN RECORD MAKEN
Waarschijnlijk komen we er nu achter dat er rondom 1 logisch gegeven in verschillende bronnen relevante data te vinden is. In het golden record voegen we al deze data samen. Zo komen we tot een verrijkte dataset waar alles in staat wat je nodig hebt voor beslissingen en rapportages. Kijken we nog eens naar de woningcorporatie, dan kan dat betekenen dat we het aantal vierkante meters uit systeem A halen, de gebruikte CV-ketel en z’n leeftijd uit systeem B en weer andere relevante datapunten uit systeem C, D of E.
7. DATA GEBRUIKEN
Uiteindelijk leidt dit er allemaal toe dat je data in je voordeel kunt gaan gebruiken. Je voedt bijvoorbeeld het golden record aan het primaire proces om zo als het ware een Enterprise Service Bus te creëren, maar dan wel een die minder strikt, goedkoper en makkelijker te onderhouden is. Of je zorgt voor de juiste informatievoorziening vanuit de SSOT, met bijvoorbeeld Power BI, Qlikview of Tableau.
8. NIEUWE DATABRONNEN DETECTEREN EN TOEVOEGEN
Een SSOT is geen eenmalige actie. Je zult ook een proces moeten inrichten waarmee je nieuwe databronnen detecteert en toevoegt aan de SSOT. Dat detecteren is een rol voor een data- of informatiemanager. De organisatie zal steeds bewuster worden van data en iedereen moet zich op termijn afvragen waarom ze dat ene gegeven uit een Excel-bestand halen dat alleen op hun eigen computer staat. Want dat mag echt niet meer met een SSOT!
Een SSOT bouwen en je data quality verbeteren is iets waar je waarschijnlijk wel wat hulp bij kunt gebruiken. In de afgelopen jaren hebben wij er allerlei verschillende organisaties mee geholpen, en dat willen we ook graag voor jou doen! Maak een afspraak om de mogelijkheden te bespreken en een demo te krijgen. We sparren graag eens met je over hoe een datalakehouse er voor jouw organisatie uit kan zien en welke vruchten je daarvan kunt plukken. Twijfel je nog of een SSOT iets voor jouw organisatie is? Dan hebben we een interessante uitdaging voor je. We durven namelijk te wedden dat hetzelfde gegeven op meerdere plekken binnen je organisatie wordt vastgelegd, en dat er minimaal 1 plek is waarvan je dat nog niet wist. Ga maar eens zoeken en laat ons weten wat je ontdekt!
Contact