Aan de slag met data? Investeer in infrastructuur en mensen

Bullshit in, bullshit out

Zolang je niet investeert in het goed vastleggen van de verschillende datastromen in je organisatie, zul je nooit het beste uit je dat halen. Bullshit in, bullshit out vat één van onze members het kernachtig samen. Met verouderde, slecht werkende warehouses of andere systemen blijf je achter de feiten aanlopen omdat deze niet altijd consistent zijn qua datagebruik. Dit maakt het lastig om bijvoorbeeld de bron van een bepaalde tabel terug te vinden, terwijl dat wél essentieel is om de data daadwerkelijk goed te kunnen gebruiken.

Een andere uitdaging waar members mee kampen is het bekende ‘bakjesprobleem’. Data komt versnipperd de organisatie binnen en belandt in verschillende databases. Die data gooi je het liefst op een grote hoop, maar je hebt geen idee hoe je dat precies aanpakt. En dan tot slot, schetsen onze members, is er nog de implementatie van nieuwe systemen. Denk bijvoorbeeld aan een kassasysteem. Een super interessant middel om ontzettend relevante en goed bruikbare data mee te verzamelen. Maar als bij de aanschaf van zo’n systeem geen rekening is gehouden met goede aansluiting op je bestaande data-infrastructuur, sla je alsnog de plank mis. Het is dus belangrijk om voor aanschaf van zo’n nieuw systeem rekening te houden met hoe, waar en wanneer die data het best gedeeld kan worden om er uiteindelijk ook wat mee te kunnen. Als je dit namelijk pas achteraf doet, kost het veel meer tijd en gaat er soms zelfs (essentiële) data verloren. En dat is natuurlijk een gemiste kans!

Kom tot één gezamenlijke taal

Zeker grotere organisaties met verschillende labels of brands zullen zich herkennen in de hierboven genoemde uitdagingen. Het omturnen van je bestaande data-infrastructuur in een geweldig werkend datawarehouse, en het laten landen van data awareness in je hele organisatie is niet van de ene op de andere dag geregeld. Dat doe je stap voor stap.Toch zien onze members slimme, laagdrempelige oplossingen om je data probleem (tijdelijk) op te lossen:

• Je kunt ervoor kiezen om de inhoud van alle verschillende databases in één data lake te verzamelen.
  • Voordeel: het kost je weinig werk aan de voorkant en je toont op korte termijn aan wat resultaten zijn.
  • Nadeel: je doet nog steeds niet altijd de juiste aanbevelingen aan de consument, omdat je op deze manier nog niet voldoende kunt personaliseren. Dat hoeft niet erg te zijn. Als je iemand een jeans aanbiedt terwijl iemand op zoek is naar een pantalon, dan ben je nog steeds in de picture bij de consument. De kans bestaat dat hij dan alsnog in jouw aanbod verder zoekt en tot aankoop overgaat.
• Je kunt ervoor kiezen om databases aan elkaar te koppelen. Zo bouw je als het ware een brug tussen je verschillende bronnen. .
  • Voordeel: het combineren van een set aan data gaat op deze manier snel, waardoor je ook op korte termijn tot een business case kunt komen.
  • Nadeel: Je data infrastructuur vormt niet één solide basis, het blijft los zand.
• Door – ongeacht waar de data vandaan komt – één ‘taal’ af te spreken. Leg bijvoorbeeld vast welke velden gevuld worden, hoe gegevens weg worden geschreven, en hoe data wordt gecodeerd. Zo zorg je voor samenhang en voor een goed bruikbare database.
  • Voordeel: als je er effort in stopt om dit goed in te richten, dan hoef je als het eenmaal staat bijna niks meer aan te doen.
  • Nadeel: het inrichten hiervan kost veel werk aan de voorkant, waardoor het even kan duren voordat je daadwerkelijk aan de slag kunt.
• Een andere oplossing kan een Customer Data Platform (CPD) zijn .Dit is een systeem waar je online en offline databronnen bij elkaar kan brengen voor één klantbeeld.
  • Het voordeel van een CDP (ten opzichte van een data warehouse) is dat het systeem ook acties kan doen. Een data warehouse is namelijk puur een opslagsysteem. Dus voor het optimale gebruik van je data, is een CDP erg nuttig.
  • Nadeel: in het begin kost het tijd en moeite om het systeem goed in te richten. Een investering die zich op termijn terugbetaalt, zeker wanneer het CPD goed past bij de doelen die je wil bereiken.

Juiste mensen op de juiste plek

Het inrichten van een goed datawarehouse is één, het onderhouden en gebruiken van die data is een tweede. Voor datagedreven organisaties speelt de data engineer een centrale rol. Alleen, waar vind je zo iemand? Zeker in de huidige overspannen arbeidsmarkt is dat lastig, merken onze members. En als je eenmaal een goede data engineer hebt gevonden, duurt het vaak nog even voordat zo iemand alle ins en outs van je organisatie goed in de smiezen heeft om echt de spil tussen je business en je data te kunnen zijn.

Een externe partij aanhaken kan een goede oplossing zijn. Je kunt op deze manier snel orde op zaken stellen. Let wel, stippen onze members aan, dat je de kennis die een data engineer heeft op termijn ook in je eigen organisatie borgt. Een interessante optie kan zijn om te kiezen voor een hybride vorm van samenwerken. Snel starten door de knowhow van een externe partij binnen te halen. Wanneer je je eigen mensen nauw laat samenwerken met deze specialisten, zorg je dat je de kennis langzaam incorporeert in je eigen bedrijf. Zo zorg je voor zowel een goede start als voor een duurzame manier van werken op de lange termijn.

Conclusie

De relevantie van data om de consument echt op één te zetten, wordt door steeds meer organisaties ingezien. Zeker grotere organisaties die meerdere labels of brands voeren kampen daarbij wel met uitdagingen. Enerzijds is het lastig om goede data engineers te vinden die ook nog eens kennis hebben van hun specifieke business. Anderzijds is het gebruik van data vaak lastig, simpelweg omdat er (nog) geen goede data-infrastructuur is en omdat data ook nog eens met verouderde systemen wordt verzameld. Om de basis alsnog snel in orde te krijgen kan het een goed idee zijn om (tijdelijk) externe experts in te schakelen, die samen met de specialisten in je organisatie een gedegen datawarehouse inrichten. Natuurlijk is het dan wel belangrijk dat de relevantie van het gebruik van data door de hele organisatie wordt gedragen. Om snel stappen te zetten met je bestaande data, kun je tijdelijke workarounds gebruiken. Denk aan het creëren van een datalake waarin je alle losse bakjes met data samenvoegt of één gedeelde ‘datataal’ die je voor alle door jouw organisatie verzamelde data gebruikt. Op die manier werk je relatief simpel naar bewijslast waarmee je de organisatie overtuigt dat flink investeren in je data-infrastructuur onmisbaar is voor een gezonde toekomst.