Onlangs las ik het artikel ‘Data samurai: Why your business needs a new breed of data analyst’, geschreven door Brent Dykes en gepubliceerd in Forbes. Dit artikel gaat over een nieuw type Data Analist, de Data Governance Samoerai. Alhoewel mijn associaties met een samoerai niet direct passen in de wereld van data management, is de gedachte over een nieuw type professional en nieuwe rollen erg interessant.

In deze blog deel ik (mijn eigen vrije vertaling en interpretatie op) de door Dykes beschreven vijf verschuivingen die het verschil gaan maken tussen de Data Samoerai en huidige Data Analist en mijn eigen visie daarop. Ik ben ook erg benieuwd hoe jij hier tegenaan kijkt, dus laat me dat vooral weten via bijvoorbeeld onze social media kanalen.

Wat moet een data ‘iemand’ weten en kunnen? En dóén?

Een Data Analist is iemand die nieuwsgierig is, die vragen stelt die een ander niet zomaar bedenkt, iemand met een stevig technisch vermogen en uitstekende analytische vaardigheden. Maar alleen daarmee red je het niet (meer).

De transitie naar een nieuw type Data Analist vereist nieuwe vaardigheden en verantwoordelijkheden die wellicht bij vele analisten zelfs ongemakkelijk voelen. De nieuwe vaardigheden vormen zich rond techniek, andere vormen zich rond het belang van data binnen een organisatie.

In grote lijnen zijn er vijf belangrijke verschuivingen die het verschil maken tussen vandaag en wat er morgen nodig is. Gelukkig is het allemaal begrijpelijk en haalbaar, dus geen paniek of hype: het is maar vernieuwing!

1. Actionable Intelligence; ga nou eens iets doen met wat je weet

Het maken van managementrapportages vinden we belangrijk. Het helpt ons de prestaties van organisaties te monitoren en te begrijpen. Het helpt ons te sturen. En daarom is het ook algemeen geaccepteerd dat er veel tijd wordt gestoken in het bouwen van deze rapportages.

En die tijd is aanzienlijk, zeker afgezet tegen wat er mee gedaan wordt. Als er al iets mee wordt gedaan. De praktijk is vaak dat bedrijven een overload van informatie hebben staan in de vorm van honderden rapporten die niet worden omgezet tot actie. Het proces is er vooral op gericht om gegevens te verzamelen en klaar te zetten. En dat kost zoveel tijd dat er geen tijd meer is om er iets mee te doen. Na de oplevering van een rapport wordt alweer gestart met de volgende. Een vicieuze cirkel waarbij je weet dat er iets beter moet, maar er geen tijd is, of wordt gemaakt, om te veranderen en bij te sturen.

De eerste verschuiving gaat hier plaatsvinden. Een verschuiving van tijd en aandacht voor het bouwen van rapportages naar tijd en aandacht voor hoe de (waardevolle) informatie gebruikt gaat worden om inzichten te verhogen en prestaties te verbeteren.

Informatie gaat sneller gekoppeld worden aan acties om strategische doelstellingen te behalen. Een mooie term hiervoor is Actionable Intelligence. Ga iets doen met wat je weet. Laten we daar morgen meteen voor gaan.

2. Data Coach versus Data Expert, effectiever omgaan met data

De hoeveelheid beschikbare data is enorm. Het vraagt echter heel veel technische kennis om van deze data relevante informatie te maken. Doorgaans gebeurt dit voor verschillende bedrijfsprocessen in een eigen geïsoleerde informatiesilo. Erg handig is dit natuurlijk niet. Er is behoefte aan integrale sturing, maar als ieder in z’n eigen silo loert, bemoeilijkt dit samenwerking en integratie van gegevens en inzichten.

Organisaties kijken dus veelal naar de gegevens in de organisatie door een microscoop, we zitten letterlijk soms tegenover elkaar door een microscoop te kijken zonder dat er verbanden gelegd kunnen worden in wat er wordt gezien. De eerste stap die hier gemaakt kan worden; praat eens met elkaar over wat je ziet en wat je daardoor weet.

Nog altijd worden de kwantitatieve vaardigheden van Data Analisten zwaar gewogen door organisaties. En dat terwijl de coachende skills van analisten veel waardevoller zijn. Een Data Analist met coachende vaardigheden, die anderen kan leren om effectiever met data om te gaan, heeft een veel grotere impact voor je organisatie dan een Data Analist die solo analyseert. Hierin zullen we de komende jaren een verschuiving zien. Verschuiving nummer twee.

3. Data science vaardigheden versus analytische vaardigheden

We leven in een wereld waarin er steeds sneller nieuwe technieken voor Data Scientists beschikbaar komen. Bovendien worden meer en meer processen geautomatiseerd.

Het is dan ook niet zo gek dat bedrijven meer en meer Data Scientists willen inhuren. Het kan echter ook eenvoudiger. Door je Data Analisten te trainen op hun vaardigheden om een goede Data Scientist te worden. We hebben het dan over verschuiving nummer drie. De analytische focus verschuift van beschrijvend en diagnostisch naar voorspellend en voorschrijvend. De nieuwe Data Analist is straks ook vaardig op het gebied van machine learning en programmeer taken.

Volledig inzetten op nieuwe technologie gaat te ver. De analytische vaardigheden die nodig zijn voor het verzamelen, opschonen, transformeren, visualiseren en analyseren van data blijven onverminderd belangrijk. Maar Data Analisten zullen deze vaardigheden voorbij de bekende technieken en tools moeten gaan ontwikkelen. Ze zullen zich vaardigheden eigen moeten maken rond R en Python en moeten bovendien ook op tools en platformen als Domo, Power BI en Tableau hun weg vinden.

4. Informatie storyteller versus Informatie verwerker

Wanneer organisaties voorts over stuurinformatie aan de hand van alle data beschikken, dan schept dat een verantwoordelijkheid. Om er iets mee te doen! Anders blijft het opgesloten in een belofte naar de toekomst.

Hierbij zijn organisaties steeds afhankelijker geworden van hun data analisten voor het genereren van rapporten, dashboards, scorecards en het interpreteren, ontsluiten en delen van relevante stuurinformatie die hieruit voortkomt.

Directies en management worden daarin, terecht, kritischer. Met de overvloed aan data die er beschikbaar is vragen zij niet om meer en meer data, maar om ‘actionable insights’. Informatie en inzichten die aanzetten tot actie.

We komen dan bij verschuiving nummer vier. De nieuwe Data Analist moet niet alleen bedreven zijn in het ophalen van cruciale inzichten uit data, maar daarnaast ook in het effectief communiceren en overdragen van de relevante inzichten aan beslissingnemers. Deze Data Analist weet vertellend en visualiserend de informatie tot leven te brengen en draagvlak te ontwikkelen om aan de slag te gaan. Als een storyteller. Dan wordt er pas waarde gecreëerd. Dit sluitstuk vraagt net zoveel focus en inspanning als de werkzaamheden in het analyseproces aan de voorkant.

5. Data steward versus Data consument

Gegevensverwerking is niet meer een vrijblijvendheid. In alle gelederen van de maatschappij neemt de kritische benadering van hoe (persoonlijke) gegevens verwerkt worden toe. Een terechte benadering, vertaald naar wet- en regelgeving en toezichthouders. Data is niet meer een passief instrument, maar een middel dat zowel in positieve als in negatieve zin gebruikt en misbruikt wordt.

Met de Europese introductie in mei 2018 van de Algemene Verordening Gegevensbescherming (AVG), ook bekend als General Data Protection Regulation (GDPR), en de gevolgen uit de berichten rondom Cambridge Analytica / Facebook, zijn bedrijven doordrongen van het belang voor meer aandacht voor hoe om te gaan met hun data. Met data als een daadwerkelijk gewaardeerd onderdeel op de bedrijfsbalans kunnen bedrijven het zich niet veroorloven om lichtvoetig en inconsistent om te gaan met gegevens.

Data Governance wordt daarmee steeds meer een kritiek proces in de bedrijfsvoering en dat heeft gevolgen voorde de rol van de Data Analist. Hiermee komen we bij de vijfde en laatste verschuiving. Die geeft aan dat de nieuwe Data Analist een actieve Data Steward wordt. Deze Data Steward garandeert betrouwbaarheid in de verantwoordelijkheden rondom bescherming van data privacy, data standaarden en het waarborgen van vertrouwen naar alle betrokkenen binnen en buiten de organisatie.

Nieuwe Data Analist, Data Samoerai, is verbinder en coach

Organisaties stellen steeds hoger eisen aan de uitvoering van data management. Dat vraagt om een nieuw soort professional die deze uitdagingen enthousiast aangaat. Zelfs met de groeiende rol voor kunstmatige intelligentie en machines in het succes van een data gedreven aanpak kan investering in de nieuwe Data Analist de weg effenen in de juiste richting voor uw organisatie. Data als de belofte voor de 21e eeuw, een belofte die zich echter nooit zal waarmaken zonder de juiste gegevensverwerking. voeding en voedingsbodem.

Een nieuwe Data Samoerai als in de letterlijke vertaling van ’hij die dient’, een data analist als een verbinder en coach, vind ik een prima idee. Maar waar we niet op zitten te wachten is een eliteclub van Samoerai die zich met nobele doelen laten verleiden tot exclusiviteit en afzondering. Van origine waren de Samoerai vooral Japanners onderling. Nee, laten we van de Samoerai vooral leren dat hij die dient zorgt voor verbinding en kennisdeling, want alleen ga je snel maar samen kom je verder.