Bouw zo min mogelijk dashboards – overwin eerst de 7 grootste problemen

Een fout (dom) en goed (slim) dashboard

Voordat we de grootste problemen aankaarten, kijken we eerst naar de verschillen tussen ‘foute’ en ‘goede’ dashboards.

We begrijpen overigens heel goed dat je in de beginfase van Business Intelligence & dashboarding ergens moet beginnen. Je start dan vaak aan de datakant en komt zo tot allerlei inzichten. Dit is zeker geen verspilde moeite omdat je de gebruikers dan wel de mogelijkheden van dashboards kan laten zien. Het helpt bij de bewustwording hoe krachtig dashboards kunnen zijn. Maar tijdens die fase moet je zo snel mogelijk proberen om over te schakelen op slimme dashboards. Hier volgen een aantal problemen en oplossingen om die overstap soepel te laten verlopen.

Probleem #1: veel verantwoorden maar weinig sturen

De wereld gaat ten onder aan de enorme hoeveelheid gedetailleerde informatie die organisaties moeten aanleveren om zich te verantwoorden. Daarbij vergeten ze vaak om zelf te sturen of raakt de besturing ernstig vervuild met verantwoordingsinformatie. Met als gevolg dat ze vragen om interventies van buiten- of bovenaf. Ze leggen hun lot in de handen van controleurs en inspecteurs in plaats van zelf aan het roer te gaan zitten. Denk aan banken die duizenden datastukjes aan de ECB moeten aanleveren. En elk jaar komen er meer stukjes bij. Controle is goed, maar grip is beter. Ook in de zorg word je om de oren geslagen met honderden kwaliteitsindicatoren die opgehoest moeten worden. Intern heb je er vaak niks aan en het kost bakken met geld om die indicatoren aan te leveren.

Verantwoorden is een monoliet mechanisme uit de steentijd, waar het slechte uitgangspunt is. Maar in deze moderne tijd hebben we goede energie, betrokkenheid, bevlogen leiderschap en vlijmscherpe kennis nodig, en niet de botte bijl. Verantwoorden langs de lijnen van de hiërarchie en de daarbij behorende silo-oriëntatie moeten we uitbannen. Immers, het rapporteren om het rapporteren is zinloos. Want wie leest nu al die rapporten? Volg daarom onze compleet vernieuwde opleiding ‘Kwaliteitsmanagement & PDCA’ en geef een boost aan de kwaliteit van het management in jouw organisatie.

Probleem #3: het ontbreken van normen en targets

Zonder normen en targets op je KPI’s heb je geen doel en kun je niet goed sturen. Het opstellen van normen en targets en die regelmatig evalueren en bijstellen is de #1 succesfactor in performance management en datagedreven werken. Zonder streefwaarden op je KPI’s gaat het gesprek over de prestaties met je team echt nergens over. Gewoon wat gezwam in de ruimte. Je probeert je te verantwoorden maar je kunt de kool en geit sparen. Dit is de achilleshiel van KPI’s en dashboarding. Voordat je een dashboard maakt, zorg je daarom dat je eerst gaat werken aan het opstellen van de streefwaarden op de KPI’s. Anders verzand je al snel in allerlei extra verzoeken om nog meer inzicht en dashboards. Die verzoeken zijn eigenlijk afleidingsmanoeuvres om te verhullen waar het echt om draait.

Zo zijn nog steeds veel managers geneigd om bij (dreigende) problemen weer met nieuwe ideeën of innovaties te komen, daarbij kunnen, willen of durven ze de root cause van problemen niet aan te pakken. Terwijl juist daar de innovatiekansen zich voordoen, want continu verbeteren is ook innoveren. Om goede normen en targets op te stellen moet je te weten zien te komen wat een goede norm of targetwaarde is. Data-analyse is daarbij het eerste waar je dan aan denkt, want zo kom je de huidige performance te weten. En stap daarbij niet in de valkuil om dan meteen maar een compleet nieuw dashboard te produceren.

Probleem #5: beslissingen blijven buiten beeld

U vraagt wij draaien. Bij het ontwikkelen van een dashboard is het gebruikelijk om de toekomstige gebruiker te vragen ‘wat wil je zien?’ of ‘waar stuur je op?’ Maar dan neem je aan dat die gebruiker precies kan aangeven wat die wil zien en nog belangrijker wat die met de informatie op het dashboard gaat doen. Deze manier van uitvragen leidt al snel tot een arsenaal aan dashboards. Ook de vragen ‘Waarom heb je deze informatie nodig?’, ‘Wat ga je met de informatie doen?’ en ‘Welke beslissingen verbeteren dan?’ moeten gesteld worden. Met die insteek ga je vanzelf minder dashboards bouwen, en de dashboards die je wél oplevert voegen veel meer waarde toe want je koppelt ze aan procesverbetering. Het zet meteen ook de toon van de dashboards en datagedreven werken. Het grote probleem wat aan dit probleem ten grondslag ligt heeft te maken met de samenstelling van veel datateams. In de meeste gevallen bestaan deze teams vooral uit techneuten: dashboardontwikkelaars, data engineer, data scientists, enzovoorts. Maar om dashboards te koppelen aan het nemen van betere, verfijndere beslissingen heb je senior business analisten nodig en soms zelfs de zwaardere business consultants met verstand van performance management, BI & datagedreven werken. Kortom: haal de use cases op en laat die uitwerken door experts op dit vlak.

Probleem #7: Artificial Intelligence en data analyse zijn ondergeschoven kindjes

De kern van het succes van BI, datagedreven werken & dashboarding ligt in data-analyse. Zie onze blog ‘Zonder data-analyse is BI een zinloze zaak‘. Dashboarding wordt in organisaties nog te veel verwart met datagedreven werken. Datagedreven werken kan absoluut niet zonder data-analyse. Want hoe weet je nu welke maatregelen je moet nemen om de score op een KPI te verbeteren? Dat kan alleen als je de root cause kan achterhalen met behulp van het analyseren van de achterliggende data van de KPI-score. Investeer daarom gericht in de vaardigheid van data analyse, bijvoorbeeld door je in te schrijven voor onze opleiding tot data analist. Omdat Artificial Intelligence de analysefunctie automatiseert is het ook van belang dat je gaat nadenken over de toepassing van AI. Zo bouw je ook zo min mogelijk dashboards, want één algoritme maakt zomaar 100 rapporten en dashboards overbodig.