Danique Hekkema
5 minuten
Het concept van “data als product” wint aan terrein: data wordt gezien als een cruciaal bedrijfsmiddel dat beheerd, vermarkt en geoptimaliseerd moet worden om waarde te leveren. Dataproducten verwijzen naar elke tool, elk platform of elke functie die rondom datasets is gebouwd om inzichten te bieden of waarde te genereren voor gebruikers.
Wat betekent dit voor datageletterdheid? Om een data-as-a-product-strategie effectief te implementeren, is het belangrijk dat alle medewerkers het concept begrijpen en weten welke rol zij spelen om het te laten slagen. Dit vraagt om heldere en gerichte training die niet alleen uitlegt wat data-as-a-product betekent, maar ook duidelijk maakt hoe elke medewerker bijdraagt aan de uitvoering ervan.
Daarnaast moeten businessteams vanaf het begin betrokken zijn om een data-as-a-product-strategie echt te laten slagen. Zij hebben inzicht in welke dataproducten daadwerkelijk waarde voor het bedrijf opleveren, of het nu gaat om het verbeteren van interne processen, het versterken van de klantervaring of het aanjagen van innovatie. Door businessteams te trainen om kansen voor dataproducten te herkennen—zoals kansen voor machine learning—stel je hen in staat om effectiever samen te werken met datateams. Zo zorg je ervoor dat de ontwikkelde dataproducten niet alleen technisch solide zijn, maar ook direct aansluiten op de behoeften van het bedrijf, waardoor ze uiteindelijk praktischer en impactvoller worden voor de organisatie.
Nu de AI Act afgelopen zomer van kracht is geworden, is dit uiteraard een steeds belangrijker onderdeel van de trainingsprogramma's die worden ontwikkeld. Naast het voldoen aan compliancenormen zien organisaties ook de mogelijke risico's en zoeken ze naar manieren om dit op grote schaal effectief aan hun medewerkers te communiceren. De vraag is hoe je dat doet zonder er een verplichte click-through van te maken.
Bij Data Booster is het onze visie om trainingsprogramma's te creëren die zowel AI-governance als AI-geletterdheid integreren. Dat betekent medewerkers voorlichten over de regelgeving en ethische normen die ze moeten naleven (wat ze moeten doen), terwijl we hen tegelijkertijd de vaardigheden en kennis geven om het potentieel van AI op innovatieve manieren te benutten (wat ze kunnen doen). Door governance en geletterdheid te combineren, zorgen we ervoor dat medewerkers niet alleen hun juridische verplichtingen begrijpen, maar zich ook gesterkt voelen om AI verantwoord in te zetten en waarde te creëren voor de organisatie. Deze holistische aanpak stimuleert meer betrokken en deskundige medewerkers, die zowel de kansen als de uitdagingen die AI op de moderne werkvloer met zich meebrengt weten te navigeren.
De nieuwe grens in datageletterdheid is beslissingsgedreven analytics, waarbij het doel is om analytics direct te koppelen aan zakelijke beslissingen. Beslissingsgedreven analytics draait om het gebruiken van data om belangrijke beslissingen te sturen, in plaats van louter informatie te verzamelen of rapporten te vullen met eindeloze grafieken. De focus ligt op het identificeren van de meest relevante data om inzichten te genereren die tot betekenisvolle acties leiden. Deze aanpak moedigt aan om afscheid te nemen van de gedachte dat alle data even belangrijk is en om je niet te laten meeslepen door de nieuwste tools. In plaats daarvan ligt de nadruk op een helder, doelgericht gebruik van data om besluitvorming direct te ondersteunen en betere resultaten te behalen. We raden het boek van Stefano Puntoni over beslissingsgedreven analytics aan, waarin hij de vier pijlers van beslissingsgedreven analytics uitlegt.
Deze aanpak heeft impact op datageletterdheidsprogramma's omdat hij beter aansluit bij mensen zonder een sterke achtergrond in data of analytics. Voor veel medewerkers, met name in niet-technische rollen, kan het proberen om inzichten te halen uit grote bergen data zonder de benodigde vaardigheden overweldigend zijn. In plaats van te verwachten dat zij data-experts worden, is het een betere strategie om hun te leren hoe ze data benaderen met heldere, gestructureerde zakelijke vragen.
In veel gevallen zijn deze medewerkers al gewend om beslissingen te nemen op basis van intuïtie of onderbuikgevoel. Door datageletterdheidstraining op te bouwen rond het beantwoorden van datzelfde soort zakelijke vragen, maar dan met data, wordt het proces toegankelijker en relevanter voor hun dagelijkse werk. Zo leren ze data toe te passen op een manier die vertrouwd, gestructureerd en begrijpelijk aanvoelt, waardoor ze zich uiteindelijk zekerder voelen om data te gebruiken bij het nemen van beslissingen.
Bij het uitrollen van datageletterdheidsinitiatieven ligt de focus meestal op businessprofessionals en specifieke vaardigheidstraining voor data-experts. Er zijn echter grote groepen mensen die enorme invloed hebben op hoe organisaties hun data kunnen gebruiken. Mensen die dagelijks met operationele systemen werken, beïnvloeden de datakwaliteit, omdat zij aan het begin van de datapijplijn staan. In elke organisatie is deze groep anders: het kunnen medewerkers van de klantenservice, het magazijn, de pakketbezorging of de winkels zijn.
We spraken met meerdere organisaties die plannen ontwikkelen voor programma's die zich ook op deze groepen richten. De sleutel is om het af te stemmen op verschillende rollen en om het kort te houden. Iets anders om rekening mee te houden is dat deze mensen niet de hele dag op laptops of apparaten werken. We hebben hier creatieve plannen omheen gezien, zoals contact leggen via sms in plaats van e-mail, tabletvriendelijke training en korte video's die je op je telefoon kunt bekijken. We verwachten dat deze trend zich de komende jaren voortzet en kijken uit naar meer creatieve ideeën.
Naarmate we verder gaan, zullen de bedrijven die deze trends succesvol integreren in hun datageletterdheidsstrategieën het best gepositioneerd zijn om te innoveren, zakelijke waarde te creëren en voorop te blijven lopen in de competitieve wereldmarkt.
