Als de data linksaf zegt, dan ga je dus linksaf

Stimuleer een open feedbackcultuur

Om tot professionele en excellente organisatie-lenigheid te komen is een sublieme integratie van systemen vereist. Maar ook een open feedbackcultuur, werkelijke klantgerichtheid én het proactief delen van infor­matie, kennis, verantwoordelijkheden en resultaten.

Geef mensen en teams dus inzicht in de data die voorhanden is, dan kunnen zij – beter onderbouwd dan managers – zelf bepalen wat hun volgende stap wordt. Het gaat dan om een betere positiebepaling en een effectievere leer­lus. Iemand weet door slim gebruik te maken van data beter waar hij of zij staat (huidige positiebepaling) en beter wat het effect is als iemand iets anders uitprobeert (leerlus).

Omdenken is dringend gewenst

Hier spreekt een werkelijke omwenteling van het denken uit: als de data linksaf zegt, kan de baas hoog en laag springen, maar dan ga je dus linksaf. Dat is niet voor niets een rode draad in het boek Datacratisch werken. Het is mijn belangrijkste missie om de regie terug te geven aan de medewerker en de macht terug te brengen naar het ambacht.

Als de passie ontbreekt

Managementgedreven betekent dat alles wat je hoort doorspekt is van meningen en opinies. Daar hoort het hele spel van belangen afwegen en politiek bedrijven bij, oftewel je oren laten hangen naar degene die het voor het zeggen heeft. Hier hoort ook vaak een cultuur van pappen en nathouden bij en een focus op het halen van alleen laag gestelde doelen in plaats van klantgericht verbeteren. De passie en de scherpte ontbreken in dat soort omgevingen. Mensen en klanten worden er aan het lijntje gehouden.

Bij datagedreven beslissingen staat data uit de praktijk centraal. De cijfers en de bewegingen spreken voor zichzelf. Niemand kan hierdoor de werkelijkheid meer gijzelen en zaken rooskleuriger of juist wanhopiger voordoen dan ze zijn: de data is gekend en vormt een weerslag van de beleefde werkelijkheid uit de praktijk. Datacratisch is democratischer dan democratisch.

Praktijkvoorbeeld

Zo zijn alle beslissingen die fietsenwinkel.nl neemt gebaseerd op data. Of het nu gaat om de hoeveelheid mensen die ze per dagdeel moeten inzetten in het callcenter, tot aan de hoeveelheid voorraad die leveranciers moeten maken. Ook dat is informatie die het bedrijf al kent voordat de leverancier überhaupt een fiets geleverd heeft. Davy Louwers, CFO van fietsenwinkel.nl, vertelt: ‘Door de data slim tegen elkaar af te zetten, valt op dat het aankoopproces van een gewone fiets en een e-bike er bijvoorbeeld heel anders uitziet. Zo blijkt dat bij een e-bike de customer journey veel meer lijkt op het kopen van een auto dan op het kopen van een normale stadsfiets.’

Dit voorbeeld maakt duidelijk hoe data ervoor zorgt dat je weet welke bewe­gingen je moet maken en aan welke voorwaarden je plan-fase moet voldoen om optimaal aan te sluiten bij het zoekgedrag van een consument.

Door dit soort data te kennen, kun je:

• je marketingfunnel gaan optimaliseren;
• het moment dat de potentiële klant een gekwalificeerde lead wordt herkennen;
• je salesfunnel veel beter inrichten.

Gut feeling is taboe

De kunst is om data op een slimme manier te gebruiken in allerlei soorten (besluitvormings)processen in de organisatie. Op die manier vervangen én verbeteren deze datagedreven beslissingen op steeds meer plekken de menselijke besluitvorming. Nu worden beslissingen vaak nog gedomineerd door experts, of de organisatie besluit iets op basis van gut feeling of naar willekeur. Tot slot komen door datamining ongeziene verbanden in beeld, waar je je verkoopstrategie op kunt aanpassen. Strategieën waar tot voor kort helemaal niet naar gekeken werd.

Het PDCA-handboek 'Datacratisch werken' In dit complete PDCA-boek komt het hele spectrum van datacratisch werken aan bod. Dit is een splinternieuwe, veelbelovende manier van werken. De auteur gaat uitgebreid in op de basisprincipes van PDCA, continu verbeteren en leerprocessen in organisaties.bekijk het PDCA-handboek 'Datacratisch werken'

Datamining brengt verrassende relaties aan het licht

Zo wist in Amerika bijvoorbeeld een supermarkt eerder dan de eigen ouders dat een tienermeisje zwanger was. Uit big data analyseerde de winkel dat zwangere vrouwen onder meer minder geurende shampoos en lotions kochten. En omdat het meisje ineens een andere, geurloze shampoo kocht dan gebruikelijk, wist de supermarkt, door andere data te combineren, met meer dan 70 procent zekerheid dat ze zwanger was en ging de marketeer zijn mailings hierop aanpassen. Dit tot grote ongerustheid van de vader. Zo kun je via datamining eerder verbanden zien dan de omgeving en meer verbanden leggen dan je concurrent.

Doorloop de route van data naar verbeteren

Ik sluit deze blog af met een laatste reflectie op de case van de hotelketen, die ik elders heb beschreven. Ik heb zo een “koffiebruin” vermoeden dat in het desbetreffende hotel, er sprake is van een managementgedreven leiderschapsstijl. Zouden de medewerkers er datagedreven gewerkt hebben, dan hadden ze zelf kunnen zien: ‘Hé, apart het afgelopen jaar is er vier keer dezelfde klacht binnengekomen’. De hamvraag is daarom: hoe kan het dat daar geen leerlus uit ontstaat? Daar gaan we in de volgende blog op in. Aan de hand van een uitgebreide casebeschrijving bij gemeente Rotterdam laten we zien hoe je van data naar verbeteren komt.