Publicaties

De waarde van datamanagement: wat kunnen we leren van de OV-fiets?

Starten met effectief datamanagement is geen simpel proces. Er zijn veel plekken waar data opgeslagen en vastgelegd wordt. Om als organisatie het maximale uit digitale mogelijkheden te halen is data echter cruciaal.

Wat is de klantwaarde van data, temidden van de kluwen aan beschikbare gegevens. Door dat helder te krijgen genereren we klantwaardeHet hebben van een digitale business betekent het organiseren van data-gestuurde processen; Hoe komen we van ieder zijn informatie in een Excel-bestand tot integraal informatiebeheer in de gehele organisatie? Deze blogreeks helpt in het beginnen met datamanagement te midden van een chaos van gegevens.

In deze eerste blog beginnen we met het waarom: de klantwaarde.

 

Voorbeeld van de waarde van data

Om eerst aan te geven hoe simpel het soms kan zijn, hier een kleine casus van wat data kan betekenen. Neem de OV-fiets. Als consultant ben ik vaak onderweg en dat doe ik altijd met de trein. Ik vind het heerlijk om te fietsen en ben dan ook fan van de OV-fiets in combinatie met de trein. Het concept is namelijk heerlijk simpel. Echter, soms kom ik op een station en dan zijn de OV-fietsen op. En dat terwijl ik dacht op de fiets te kunnen rekenen en de bus al vertrokken is.

Wat is relevante data?

Voor we het gaan hebben over oplossingen, beginnen we bij de gegevens. In het geval van de OV-fiets: die moet je met je OV-chipkaart in- en ook weer uit checken. Hierbij worden dus gegevens opgeslagen. Deze zijn gekoppeld aan de fiets, want bij het terugbrengen wordt alleen de fietssleutel gescand. Het is dus digitaal inzichtelijk hoeveel fietsen op welke locatie staan.

Voorspellingen op basis van data

Nu terug naar het klantperspectief. Je wilt als gebruiker graag weten of er nog een fiets beschikbaar is voor je aankomt op het station. De NS heeft zich dat ook gerealiseerd en er wordt in de NS-app getoond hoeveel fietsen er nog staan op elke locatie. Is het aantal fietsen dat actueel op een station staat precies dat wat de klant weten? Volgens mij niet. Ik zou bijvoorbeeld graag voorspellingen zien. Als ik morgen om negen uur in Den Bosch een fiets wil ophalen, kan dat dan? Of kan ik beter een trein eerder nemen zodat er nog wel fietsen zijn? Of is het effectiever om een reis met de bus te plannen? Dit moet met de reeds beschikbare data voorspelbaar zijn.

Daarnaast kunnen de voorspellingen gebruikt worden om beter te plannen met de OV-fietsen. Als de OV-fietsen elke ochtend om negen uur op zijn in Den Bosch, dan moeten er misschien meer fietsen komen. Er zijn vast meer trends te ontdekken in het verhuren van fietsen. Als coach van een roeiploeg zou ik bijvoorbeeld graag elk wedstrijdweekend een OV-fiets huren, om met de roeiers mee te kunnen fietsen. Dat is namelijk een stuk makkelijker dan zelf een fiets meenemen in de trein. Echter is er in die roeiweekenden zoveel vraag naar OV-fietsen op de dichtstbijzijnde stations dat die ’s ochtends vroeg al op zijn. Ook hier moeten toch voorspellingen op losgelaten kunnen worden? Ik kan me zo voorstellen dat andere stations in die weekenden juist een overschot hebben, wat ingezet kan worden.

 

Klantwaarde direct beschikbaar in één gegeven: een telling van het aantal OV-fietsen

Het businessmodel verbeteren met data

En als we nou een stap verder denken: Wat is nou het businessmodel van de OV-fiets? Je kan een fiets huren voor 24 uur en je betaalt ook per 24 uur. Ik ben wel benieuwd hoe lang iemand gemiddeld zo’n fiets huurt. Mogelijk worden ze vaak veel korter gehuurd. Misschien kunnen we gebruikers wel motiveren fietsen nog iets korter te huren, zodat we dezelfde fiets niet één of twee keer op een dag verhuren, maar drie of vier keer. En hoe zit het eigenlijk met het onderhoud van fietsen? Wordt er bijgehouden na hoeveel uur verhuur fietsen vervangen moeten worden? En na hoeveel uur er onderhoud aan gepleegd moet worden? Misschien kunnen we daar wel patronen ontdekken. Dan kan het onderhoud geoptimaliseerd worden en kunnen ze langer mee.

 

Wijze datamanagement lessen

Als datamanager zijn dit de vragen die me bezighouden. En als reiziger moet ik eerlijk toegeven dat ik deze blog ook schrijf omdat ik hoop dat iemand van de NS dit leest en de OV-fiets belevenis nog verder optimaliseert. Maar ook zonder de NS zitten er een aantal wijze lessen in deze casus:

  1. In de eerste plaats is het belangrijk om het simpel te houden. En dat betekent echt simpel. In een bedrijf wordt ongelooflijk veel data beheerd, maar kies iets, dat al vastgelegd en bruikbaar is en waar je wat mee wil doen. In het genoemde geval het in en uitchecken van fietsen.
  1. Bedenk dan een toepassing. Zoals de NS doet met de app die je vertelt hoeveel fietsen er momenteel nog in een stalling staan. Daarmee heb je een eerste ‘proof of concept’. Dit is de basis van waaruit je verder aan het werk kan.
  1. Nu kan je aan de slag met het effectief benutten van gegevens. Het eerste opstapje is gemaakt en het belang is aangetoond. Nu wordt het tijd om het breder te trekken en ook een datamanagement capability in te richten. Om het gebruik van data tot een succes te maken moet er een aantal zaken goed geregeld zijn, zoals bijvoorbeeld datakwaliteit en data-architectuur.

Begin vooral klein, laat zien dat data echt waarde heeft. Vergeet niet: juist in de digitale wereld is de menselijke factor van belang. Wat kan je met de beschikbare informatie voor waarde bieden aan klanten? Als dat helder is kan je verdere stappen ondernemen in het gebruiken van data.

Om klantwaarde te genereren moet er intern een aantal zaken op orde zijn. Hoe meer extern leeft op het gebied van klantwaarde, hoe sterker de interne governance kan zijnIn de verder stappen komen zaken aan bod als:

  • datakwaliteit
  • dataveiligheid en -privacy
  • datarollen en -persoonlijkheden
  • data-architectuur
  • datavaardigheid
  • governance

Het extern tonen van klantwaarde moet daarbij altijd het hoogste doel houden. Datamanagement is geen interne zaak, het zorgt voor de buitenste schil van getoonde klantwaarde.

 

General Data Protection Regulation

Omstreeks april 2016 werd de inhoudelijke tekst van de wet General Data Protection Regulation (GDPR) bekend. Inmiddels is besloten dat de regeling van kracht wordt per mei 2018 voor alle organisaties die werken met persoonsgegevens. De wet is ontwikkeld om binnen de Europese Unie een eenduidige en veilige Europese Digitale omgeving te creëren waarbinnen burgers beschermd zijn tegen ongewenst gebruik en lekken van hun persoonlijke gegevens.

Nieuwsgierig wat er verandert er met de komst van de GDPR en wat betekent dit voor uw organisatie? U leest het in de blog ‘Wat verandert er met de komst van GDPR t.o.v. de Wbp?

Direct aan de slag met de GDPR? Download nu gratis ons GDPR plan van aanpak!

general data

Tweeten
Delen

Gerelateerd