Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Performance MANAGEMENT 3.0 - De evidentie zelf

839 views

Published on

Slidedeck van het PM event 2014.

  • Be the first to comment

Performance MANAGEMENT 3.0 - De evidentie zelf

  1. 1. Performance MANAGEMENT 3.0 De evidentie zelf Woensdag 17.12.2014 @BICC_ThomasMore
  2. 2. Agenda 1. Algemene introductie 2. Performance Management & Strategisch Management: meer dan een verstandshuwelijk 3. Nood aan andere skills 4. De nieuwe oogst 5. Zaaien om te oogsten 6. Investeren in de toekomst: het opbouwen van Analytical Intelligence 7. Closing
  3. 3. # 1 Algemene introductie Dave Vanhoudt
  4. 4. Performance MANAGEMENT 1.0
  5. 5. Performance MANAGEMENT 1.0
  6. 6. Performance MANAGEMENT 2.0
  7. 7. Performance MANAGEMENT 2.0 • Mobile BI • BI in the Cloud • Visual Intelligence • Collaborative BI • Open source statistics • Social Media Analytics • Big Data storage solutions • …
  8. 8. Performance MANAGEMENT 3.0
  9. 9. # 2 Performance Management & Strategisch Management Meer dan een verstandshuwelijk Dries Van Nieuwenhuyse
  10. 10. Strategie = TOP DOWN Meestal start men met een schitterende missie en een veelbelovend visie en zet men alles in het werk om die te realiseren…
  11. 11. Strategie = TOP DOWN
  12. 12. Strategie = TOP DOWN
  13. 13. Strategie = BOTTOM UP • De vraag die zich stelt is echter of het allemaal zo helder was van bij het begin… • Hebben succesvolle bedrijven niet altijd een goede strategie? • Komt het niet van onderen naar boven?
  14. 14. Strategisch Management • Combinatie van ontdekken en ontwikkelen • Van mogelijkheden om op herhaalbare wijze • Waarde te creëren
  15. 15. Strategisch Management • Huwelijk tussen gehoopte toekomst, haalbare toekomst en noodzakelijke toekomst • Hoe kunnen we het verschil maken en blijven maken?
  16. 16. Strategisch Management • Een zinvol business model kan maar worden gerealiseerd via een passend organisatie model
  17. 17. Performance Management en Strategisch Management • Kan Performance MANAGEMENT hier een bijdrage leveren? • Kunnen we iets leren van Strategisch MANAGEMENT? • Natuurlijk, wat had je gedacht?
  18. 18. Strategieformulering • Waar zijn we nu goed in? • Waar zijn onze concurrenten goed in? • Waar liggen nog opportuniteiten en in welke mate? Ansoff Product- Markt matrix BCG product portfolio
  19. 19. Strategieopvolging • Balanced Scorecard: visualisatie van de realisatie van de strategie • Actual versus Target • Stapje achteruit en zien
  20. 20. Strategie(bij)sturing • Faciliteren van de kwantitatieve beleidsprocessen door PDCA-cyclus heen o Plan  Budgettering  Opvolging o Do  Operationele ondersteuning o Check  Actual versus budget  Balanced Scorecard
  21. 21. Strategie(bij)sturing • (Re)Act o Performance MANAGEMENT heeft ervaring met het formuleren en opvolgen van strategie o Continu bijsturen van de strategie o Terugkoppeling naar de strategieformulering o Target setting om strategische doelen ook effectief op te volgen en te realiseren o Evaluatie van hoe goed we wel bezig zijn o Predictie van potentieel o Forecasting van wat mogelijk resultaat van onze strategie zou kunnen zijn
  22. 22. Strategie = TOP-DOWN Strategie = BOTTOM-UP • Performance MANAGEMENT heeft ervaring met het formuleren en opvolgen van strategie • Strategisch MANAGEMENT helpt creatieve vragen te stellen van wat mogelijk zou kunnen zijn • Beide zijn met elkaar getrouwd, en dat is maar goed ook…
  23. 23. # 3 Nood aan andere skills Hans Tubbax
  24. 24. Van Nieuwenhuyse, Dries & Vanhoudt, Dave: Performance Management, 2008, ISBN13 978-90-209-7697-7
  25. 25. Breng de juiste competenties aan boord Nieuwe vaardigheden Nieuwe mensen (medewerkers, partners en leveranciers)
  26. 26. … maar ook bestaande werknemers zullen moeten gewoon worden om met data te werken !
  27. 27. # 4 De nieuwe oogst Student Poster Pitch
  28. 28. Sim Van den Broeck Wout Vangoidsenhoven Gert Kemps
  29. 29. Antony Mc Nicol Wouter Van der Auwera Philippe Van Vlierberghe Shari Maes
  30. 30. Jasper Loverie Ensar Cakir Jonathan Portael
  31. 31. Kevin Reyns Wouter Baekelmans Dorsan Demaeght
  32. 32. Robin De Coninck Kenneth Van Den Berghe Katleen Vercauteren
  33. 33. # 5 Zaaien om te oogsten Dave Vanhoudt
  34. 34. “Het BICC wil van Business Intelligence de kwaliteitsfactor van onze opleiding maken” “Het BICC wil een platform zijn voor dialoog met de bedrijfswereld” “Het BICC wil de Europese samenwerking rond Business Intelligence stimuleren” - bron missie BICC
  35. 35. BICC dienstenportfolio & expertise 1. Praktijkgericht Onderzoek o EFRO – Saas BI bij KMO’s (2010-2012) o IWT – 3xI (2010-2013) o PWO – BI Maturiteitsmodel voor KMO’s (2011-2013) 2. Dienstverlening o Jaarlijks BI congres (+ 300 deelnemers) o LED Business Intelligence: audit & advisory 3. Vormingen o Infosessies o BI Essentials o BI Fundamentals o In company
  36. 36. 8ste BICC congres “De strategische rol van BI”
  37. 37. Donderdag 26 maart 2015 Vanaf 16u @BICC_ThomasMore
  38. 38. Moore’s law of Big Data “The amount of nonsense packed into the term Big Data doubles approximately every two years” - Mike Pluta
  39. 39. Project Wetenschappelijk Onderzoek (PWO) 2014-2015 Crunch it! Big Data analytics voor bedrijven 1. Welke verwachtingen leven er en welke organisatorische belemmeringen worden aangevoeld ten aanzien van het implementeren van Big Data en business analytics initiatieven binnen Vlaamse bedrijven? 2. Welke infrastructurele en technologische belemmeringen worden aangevoeld? Welke data zijn noodzakelijk? Welke opslagstructuren? En welke (analytische) tools?
  40. 40. Technologie Transfer (TeTra) 2015-2017
  41. 41. # 7 Investeren in de toekomst Opbouwen van Analytical Intelligence Natan Meekers
  42. 42. What happened? Standard reports Where exactly is the problem? Query drill down Why is this happening? Statistical analysis What if these trends continue? Forecast & predict What is the best that can happen? When is a problem happening? Alerts Raw data Clean data Optimise Competitive Advantage $ Degree of Intelligence The path from data to value Analytics Usage
  43. 43. Varying Levels of Analytics Use and Expertise Analytics Usage Statistic al Analysis Standar d reports ANALYTICALLY NEW ANALYTICALLY AWARE ANALYTICALLY INFORMED ANALYTICALLY DRIVEN ANALYTICALLY INNOVATIVE LEVEL 2 LEVEL 3 LEVEL 4 LEVEL 5 Isolated analytics use. Basic tools and limited or no best practices Predictive analytics usage is part of mission critical applications only. Full benefits are not understood by a majority in the organization. Analytics usage consists primarily of tactical and ad hoc approaches. Analytics dev. and deployment is constrained, yet departments have their own experts and/or initiatives. Analytics talent is centralized into larger groups. Management understands and supports analytics for strategic value, thus bringing business units into alignment Company is committed to analytics as part of its future growth plan. Business units embrace their own transformational analytical plans.LEVEL 1
  44. 44. Growing gap between supply & demand of analytical skills Market Observations “By 2018, the US alone could face a shortage of 140,000 to 190,000 people with deep analytical skills as well as 1.5 million managers and analysts with the know-how to use the analysis of big data to make effective decisions.” - McKinsey Global Institute .. … Human resources are . limited and expensive Human resources were unlimited and cheap .. … Computer resources are . unlimited and cheap Computer resources were limited and expensive Our solution? Approachable analytics by making it visual
  45. 45. The difference between rapid insight and fast information Business Visualizations DATA VISUALIZATION ANALYTIC VISUALIZATION EXPLORATION DISCOVERY
  46. 46. Striking the perfect balance Approachable Analytics Business Analysts Deep Analytical skills
  47. 47. Striking the perfect balance Approachable Analytics BUSINESS MANAGER BUSINESS ANALYST DATA SCIENTIST / MODELER KEEP CALM and Create an Algorithm KEEP CALM and Test the Hypothesis KEEP CALM and Form a Hypothesis
  48. 48. Applying analytics in an iterative fashion The Analytics Lifecycle IDENTIFY / FORMULATE PROBLEM DATA PREPARATION DATA EXPLORATION TRANSFORM & SELECT BUILD MODEL VALIDATE MODEL DEPLOY MODEL EVALUATE / MONITOR RESULTSDomain Expert Makes Decisions Evaluates Processes and ROI BUSINESS MANAGER Model Validation Model Deployment Data Preparation IT SYSTEMS / MANAGEMENT Data Exploration Data Visualization Model Validation BUSINESS ANALYST Exploratory Analysis Descriptive Analytics Predictive Modeling DATA SCIENTIST / MODELER
  49. 49. A single solution for faster, smarter decisions SAS Visual Analytics Central Entry Point Integration Role-based Views REPORTPREPARE MODEL DESIGN • Native iOS and Android applications that delivers interactive reports • Join data from multiple sources • Create calculated and derived columns • Load data • Create multivariable models to explain your data • Create dashboard style reports for web or mobile SAS® LASR™ ANALYTIC SERVER EXPLORE • Perform ad-hoc analysis and data discovery • Apply advanced analytics
  50. 50. # 8 Closing Ilse Bracke

×