Data-gedreven werken is trending

Data-gedreven werken is een steeds meer gehoorde kreet. Veel organisaties zijn bezig te kijken welke voordelen data-gedreven werken hen biedt. Data-gedreven werken is dat nu iets nieuws of van alle tijden. Je kunt zeggen dat er in de loop der jaren meerdere vormen van werken zijn ontstaan.

Aanvankelijk het ambachtelijk werken, waarbij de meester zijn gezellen het vak leerde door voor te doen en waar nodig te corrigeren. De meester bepaalde de norm waarop de werkwijze en de kwaliteitsnorm werd afgesteld. Maar het werk werd veelal door één vakmens verricht.

Weer later ontwikkelde zich het in een productielijn werken, waarbij de werkwijze werd gesjabloneerd en het werk verdeeld in brokken. Fameus is de assemblage van de T-Ford die aan de lopende band werd gebouwd. De arbeider kreeg een specifieke herhalende taak toebedeeld en controleurs zagen toe op de kwaliteit. Er werden toen al veel gegevens verzameld om de kosten en doorlooptijd van de productie te kunnen plannen en beheersen. Je zou dit procesgericht werken kunnen noemen.

Bij het zaakgericht werken vormt de afhandeling van een proces en procedure de feitelijke productieketen.

Bij klantgericht werken wordt de ‘reiservaring’ van de klant centraal gesteld voor het inrichten van het proces en de interactie met de klant. Maximaal bereiken van klant-tevredenheid staat dan centraal. Het reisverhaal (customer journey) is daarbij een hulpmiddel om per persona deze reiservaringen expliciet te maken.

Bij het objectgericht werken , zoals bij het beheer van objecten in de infrastructuur, worden gegevens over de gebruiks- en onderhouds-status verzameld en gebruikt om beslissingen te nemen over herstellen, verbeteren dan wel vernieuwen van objecten.

Data-gedreven werken: Een nieuw wiel aan de wagen?

Data-gedreven werken kan gezien worden als een filosofie waarmee het werk, maar vooral de tactische beslissingen over wat wanneer hoe te doen, te baseren op inzichten verkregen uit analyse van gecombineerde gegevens en niet op buikgevoel, veronderstellingen of ervaringen. Onderliggend wordt het gedachtengoed van Demming (kwaliteitsmanagement) met zijn PDCA-cyclus benut.

Data-gedreven werken kan prima aanvullend op procesgericht, klantgericht, zaak-gericht, objectgericht werken worden toegepast. In al deze gevallen wordt middels data-gedreven werken, op basis van feiten en gecombineerde interpretatie, inzichten verkregen om bij te sturen, te verbeteren of zelf vernieuwing te bewerkstelligen.

PDCA staat voor PLAN-DO-CHECK-ACTION. Daarin vormen de PLAN en ACTION de beleidscyclus en DO en CHECK de monitoring-cyclus. Monitoring veronderstelt waarnemen en dat staat in de digitale samenleving gelijk aan het verzamelen van grote hoeveelheden gegevens. Die worden vergeleken met de norm (CHECK) en dat leidt al dan niet tot bijsturen binnen de bandbreedte. Lukt dat niet dat moet de beleidscyclus worden gestart en levert analyse een ACTION op die tot een nieuw PLAN leidt.

Bij data-gedreven werken wordt niet alleen de PDCA cyclus benut, maar worden de gegevens ook vaak via kunstmatige intelligentie geanalyseerd op patronen die inzicht bieden in wat er onderliggend aan de hand kan zijn. Ook worden gegevens uit andere (veelal externe) bronnen in deze analyse betrokken om verbanden en causaliteiten met andere fenomenen te vinden.

De TU Eindhoven ontwikkelde voetbalrobot’s die met kunstmatige intelligentie patronen herkennen en daarop hun beslissingen nemen

Organisaties benutten datagedreven werken veelal om inzichten te realiseren uit verzamelde gegevens om zo nieuwe waarde te realiseren. De stappen die daarin genomen worden zijn:

  • Verzamelen van gegevens
  • Analyseren van data met Business Intelligence, AI en statistiek
  • Interpreteren van de analyse naar kennis en inzicht
  • Visualiseren van de analyse-resultaten om patronen te herkennen
  • Veranderen door de inzichten om te zetten naar herstellende of kansen benuttende acties
Data-gedreven werken: Patronen en samenhang ontdekken om waarde toe te voegen

Lees meer over het raamwerk voor data gedreven werken

Lees meer over Omgaan met modelgedreven beslissen

Lees meer over Corona op de kaart

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *