Home Algemeen Omgaan met data-overvloed en data-engineering? Dit kun je leren van Marie Kondō’s...

Omgaan met data-overvloed en data-engineering? Dit kun je leren van Marie Kondō’s opruimmethode

14

Veel organisaties zijn ware dataverzamelaars. Maar meer data betekent niet per definitie betere bedrijfsbeslissingen. Je moet ook de capaciteit hebben om (voldoende) waarde te halen uit deze zee aan data. Dat vraagt om een opgeruimd en bruikbaar dataplatform en professionele data-engineering waar je data-analist en -scientist op kunnen bouwen. Daarover beschikken lang niet alle organisaties. De KonMari-opruimmethode van Marie Kondō, bedoeld voor het opruimen van woningen door je continu af te vragen “Does it spark joy?”, kan verrassend nuttig zijn om een datalandschap bruikbaar te maken. Daarom in deze blog, zes lessen uit Kondō’s methode toegepast op data-engineering en dataplatforms.

Regel #1: Investeer in een goede basis

Volgens Kondō moeten we ons toewijden aan opruimen. Dit geldt ook voor data. Om waarde uit data te halen, moet je het beheer ervan, waaronder tijdig verversen, snelle verwerking en beschikbaarheid, serieus nemen. Dat vereist ook commitment van het topmanagement; zij moeten voldoende budget vrijmaken voor een goedwerkend dataplatform dat beschikbaar en bruikbaar is. Daarmee voorkom je dat een data-analist eerst uren bezig is om data geschikt te maken voor zijn analyse. Zonde van de tijd, toch? Met een opgeruimde data-omgeving creëer je de basis voor realtime inzichten waarmee je op ieder moment van de dag betere beslissingen kunt nemen.

Regel #2: Zorg voor een stip op de horizon

Als Kondō gaat opruimen, zegt ze: “Beeld je je ideale levensstijl in.” Toegepast op data betekent dit dat je duidelijke doelen moet hebben vóórdat je data verzamelt en analyseert. De belangrijkste richtlijn hiervoor? Je bedrijfsdoelen. Vaak is hierin een wens om de actuele informatiepositie van beslissers te verbeteren. Pas dan weet je welke data met welke actualiteit je nodig hebt. Is het je strategie om meer op data te sturen? Dan moeten zowel het onderliggende dataplatform als de processen rondom data-engineering volledig gericht zijn op het verwerken van realtime data. En dat is iets heel anders dan het bijhouden van een datawarehouse.

Regel #3: Toets nieuwe data bij de voordeur

Een derde regel van Kondō is om weg te doen wat je niet meer nodig hebt. Oftewel, onnodige data verwijderen, het liefst vóórdat het naar de cloud gaat. In de praktijk betekent dit dat je beschikt over een modern dataplatform én dat data-engineers de kwaliteit en bewaartermijn van nieuwe data bij de voordeur al toetsen. Dat scheelt veel opruimen, zoeken en onnodige data zoals meetfouten, dubbele en/of verouderde data. Dit opruimproces moet je integraal in je dataplatform en processen borgen en onderdeel maken van je langetermijnplan om je datalandschap beheersbaar te houden.

Regel #4: Ruim categoriegericht op

Kondō adviseert om per categorie op te ruimen en niet per ruimte. Eerst broeken, dan schoenen. Dit is ook van toepassing op data. Wellicht staat data in jouw organisatie verspreid over meerdere vestigingen, regio’s of systemen. Dan betekent Kondō’s regel dat je data niet per aparte locatie opschoont, maar per categorie zoals klant-, product- of orderdata. Door per categorie te ordenen, kun je data op een georganiseerde manier analyseren, categoriseren en vervolgens prioriteiten stellen. Ook hier kan een dataplatform je bij ondersteunen.

Regel #5: Creëer waarde vanuit beschikbaarheid en actualiteit

Kondō’s vijfde les is om de juiste volgorde te volgen in het opruimproces. Voor data is het simpel: het valt en staat met beschikbaarheid en actualiteit. Dit zijn de basisfundamenten voor het creëren van waarde. Dat is precies de plek om te beginnen met opruimen. Als de basis op orde is, dan word je niet langer afgeleid door de hoeveelheid data. De kwaliteit en actualiteit van de data zijn zichtbaar in het dataplatform.

Regel #6: Zorg voor analytische waarde

De laatste les van Kondō is om je af te vragen of hetgeen dat je voor je hebt, je plezier brengt. Plezier is misschien niet direct van toepassing op data, maar het laat zich vertalen naar of data analytische waarde heeft. Door het inzetten van data-engineering en de juiste dataplatforms, kan iedereen in de organisatie doen waar hij of zij goed in is. Dat zorgt ervoor dat dataspecialisten werken met data waar ze meer waarde uit kunnen halen en dat leidt tot meer werkplezier.

Van data naar waarde

Natuurlijk kan het voordelen bieden om data te bewaren voor toekomstig gebruik, maar sla hierin niet door. Te veel data leidt tot inefficiëntie. Mijn advies? Werk vanuit de best practices van data-engineering en dataplatforms. Oftewel, zorg dat de verwerking en traceerbaarheid van je data in orde is en resulteert in data waar je iets mee kan. De lessen van Kondō helpen je hierbij. Door deze toe te passen, beheer je jouw datalandschap beter en haal je uiteindelijk meer waarde uit je data. En laat dat nu precies zijn waarom je data in eerste instantie verzamelt.

Robbrecht van Amerongen, Head of Strategy bij Conclusion AMIS

LAAT EEN REACTIE ACHTER

Vul alstublieft uw commentaar in!
Vul hier uw naam in