Maatschappelijke-, organisatorische- en technologische overwegingen

Datagedreven is hot! Datagedreven biedt geweldige kansen! Datagedreven geeft inzichten die tot nu toe onmogelijk waren! Maar er schuilt ook gevaar in datagedreven werken als je iedereen zomaar z’n gang laat gaan!

Tijdens een masterclass opleiding “Datagedreven Beleid” aan de Erasmus Academie heb ik geleerd dat het voor een organisatie bijzonder uitdagend is om goed om te gaan met datagedreven werken. In een reeks van zeven blogs wil ik mijn kijk hierop met jullie delen. In deel-2 is stilgestaan bij hoe de relatie met derden kan veranderen bij het inzetten van (big) data. Daarop voortbordurend wordt in deze blog aan de hand van een casus de gevolgen van het verzamelen en verwerken van data bekeken vanuit maatschappelijke-, organisatorische- en technologische overwegingen.

De casus betreft een openbaarvervoerbedrijf (OV-bedrijf) dat de stap maakt om ‘anders’ naar haar reizigers te kijken en hen in het vervolg als ‘klant’ te beschouwen en nieuwe ‘data-producten’ voor hen te ontwikkelen.

Maatschappelijke overwegingen – Privacy / Ethiek / Kansen

Door het verzamelen van gegevens over de reizigers wordt de relatie die het bedrijf met hen heeft verdiept. Immers, met het opslaan en gebruiken van de persoonlijke gegevens weten zij steeds meer over die persoon. De reiziger komt uit de anonimiteit doordat we persoonsgegevens, gebeurtenissen, aankopen, gemaakte ritten/reizen, contactmomenten en nog meer verzamelen. Europese wetgeving stelt dat voor het inzamelen van gegevens hierover in ieder geval altijd gewaarschuwd moet worden  welke dit zijn en waarom dat gebeurt. Alleen onder strikte voorwaarden mogen privacygevoelige gegevens bewaard worden en alleen voor zo lang als het doel dit vereist. De vervoerder moet dus bij het opslaan van klant(identificerende)gegevens hierover waarschuwen, toestemming vragen en registreren, toezien op het juiste gebruik van die gegevens en inzage kunnen geven over het gebruik.

Vervolgens kunnen zij met die data verbanden leggen met andere data en hiermee gedragingen en gewoonten monitoren en daarop anticiperen en handelen. Waar niet vanzelf bij stil wordt gestaan is dat ze de klant onbewust toekomstige gedrag kunnen laten aanpassen op basis van de geleverde reis ‘adviezen’. De data-gedreven diensten kunnen op deze wijze snel de grenzen van het toelaatbare bereiken. Wil de klant toch kunnen ‘profiteren’ van die diensten, dan moet toestemming worden gegeven om de gegevens op te slaan en gebruiken. Data wordt dan snel een ‘ruilmiddel’. Moet het OV-bedrijf dit willen? Daarbij moet de vervoerder zich ook afvragen of met het bieden van dergelijke data-gedreven diensten het beginsel van toegankelijkheid van het openbaarvervoer niet in het geding komt.

Data-gedreven diensten bieden de klanten echter ook kansen. Zo kunnen zij door hun gegevens en voorkeuren kenbaar te maken hun relatie/interactie met de vervoerder naar persoonlijke behoefte vormgeven. De vervoerder moet duidelijk kunnen maken hoe de ingezamelde gegevens hiervoor ingezet worden. Eén fout kan verstrekkende gevolgen hebben voor het vertrouwen in het bedrijf. Hiervoor moet de vervoerder strak toezicht houden op het correct gebruik van alle klantdata, hierover transparant zijn en effectieve controle- en beheersingsmaatregelen inregelen om bij incidenten snel op te treden en de gevolgschade zoveel als mogelijk te beperken.

Organisatorische overwegingen – Strategie / Competenties / Kosten-Baten

Het inzamelen en verwerken van klantgegevens moet niet gezien worden als een ICT-oplossing maar als een bedrijfsmiddel. Om data-gedreven te werken en de data-gedreven dienstverlening succesvol te laten zijn is samenwerking tussen afdelingen vereist. Zo hebben productontwikkelaars goede analyses nodig om nieuwe klantbehoeften te ontdekken en hebben data analisten de productontwikkelaars nodig om de juiste analyses te kunnen maken. Er is daarmee behoefte aan een op samenwerking gebaseerde organisatiecultuur waarin experimenteren gepromoot wordt. Het OV-bedrijf moet haar strategische koers met data-gedreven diensten bepalen en de organisatie daarop inrichten.

Om meerwaarde te creëren met data zijn nieuwe competenties nodig om met de complexiteit van de data te kunnen werken. Er is onder andere creativiteit en kennis nodig om te bepalen welke databronnen relevant kunnen zijn voor de problematiek waar de klant mee te maken heeft. Daarbij is de mens vandaag nog altijd een cruciale schakel in het verwerken, interpreteren en toepassen van (big) data omdat algoritmes nog niet typische menselijke vaardigheden kunnen zoals interpreteren en sarcasme. Investeringen zijn nodig om de juiste vaardigheden en middelen te verkrijgen. De strategische koers met data-gedreven diensten moet richting geven aan de benodigde competenties en middelen waarin geïnvesteerd moet worden.

Kwantitatieve baten zijn lastig toe te wijzen aan (big) data oplossingen. Zijn er meer reizigers-kilometers gemaakt door de data-gedreven diensten of spelen andere factoren een grotere rol zoals bijvoorbeeld het opheffen van de mondkapjesplicht in de voertuigen? Het OV-bedrijf moet daarom kwalitatieve doelen stellen bij haar data-gedreven diensten en vooral als organisatie flexibel zijn. De inzichten die verkregen worden door (big) data gebruik en de andere dynamiek die erdoor ontstaat met klanten, (keten)partners, werknemers, afdelingen vergt vooral een adaptieve organisatie.

Technologische overwegingen – Verzamelen / Analyseren / Visualiseren

Op het gebied van technologie speelt de vraag: biedt deze voldoende ondersteuning bij het opzetten van en toepassen van (big) data oplossingen? Met een nieuw Data platform is hiervoor bij het OV-bedrijf een goede basis neergezet.

Essentieel bij (big) data toepassingen is het bruikbaar bijeenbrengen van data uit verschillende bronnen. Er zijn steeds meer (externe) bronnen waar vandaan gestructureerde en ongestructureerde data wordt verkregen. Uiteraard moet al deze data toegankelijk worden gemaakt en moet het gebruikt kunnen en mogen worden voor het gestelde doel. De nieuwe Integratielaag is hiervoor opgezet en ingericht.

Om waarde uit de verzamelde data te creëren moet deze geanalyseerd worden. Door de data te interpreteren wordt informatie gemaakt dat vervolgens kan worden omgezet in kennis. Dit begint met het toevoegen van context aan de data. Een databron wordt rijker als er metadata beschikbaar is die inzage geeft over de context. Algoritmes maken gebruik van de context om modellen en patronen inzichtelijk te maken. Het Data platform is in staat de benodigde context aan de data toe te voegen.

Om grote, complexe databestanden te doorgronden bestaan verschillende technieken, zoals statistische regressie, clustering en agent based modelling. Hiervoor worden algortimes gebouwd en toegepast. Het Data platform is speciaal opgezet om dergelijke (big) data algoritmes te realiseren en toe te passen.

Take-away “Architectuur & Datagedreven werken”

Het bedrijf moet met voorrang werken aan de strategische koers met data-gedreven diensten en bepalen hoe zij met de daaruit voortvloeiende maatschappelijke- en organisatorische consequenties om wil gaan. Ik ben van mening dat je als enterprise architect deze consequenties moet overzien en de organisatie helpen daaraan invulling te geven.

Uiteindelijk moet de IT infrastructuur passend gemaakt worden, een relatief eenvoudige opgave vergeleken met de business aspecten. Denk daarbij aan het inzichtelijk maken van de maatschappelijke eisen & wensen die de omgeving waarin je gaat opereren zal stellen om met hun gegevens te mogen werken. Zorg dat je business architectuur aandacht geeft aan wat hiervoor organisatorisch geregeld moet zijn zoals nieuwe competenties, interne samenwerking, kennis over de grenzen van het toelaatbare, doelen stellen bij de data-gedreven diensten, toezicht, etc. Ook op juridisch vlak moet de business architectuur aandacht geven zoals aan het privacy beleid, toestemming vragen en registreren, etc.

Eén fout kan verstrekkende gevolgen hebben voor het vertrouwen in je organisatie en je datagedreven ambities in de kiem smoren.