Een artikel gepubliceerd in Automatiseringsgids op 22 oktober 2015. Het beschrijft wat er nodig is om innovaties op het gebied van data science/data discovery, om te zetten naar herhaalbare, op schaal, robuuste en veilige oplossingen.

1. 22
DATA:VANINNOVATIE
NAARWAARDE
Ontwikkelen van organisatorische competentie
is forse transformatie
We kennen de verhalen allemaal. Van briljante pioniers diein hun garage een idee voor
een fantastisch nieuw product uitwerken tot een prototype. Maar dan begint het pas. De
innovaties moeten op schaal met een constante kwaliteit, herhaalbaar, veilig en robuust
kunnen worden ontwikkeld door anderen. Deze laatste stap bepaalt of een innovatie
daadwerkelijk waarde heeft. Een stap, zegt Ronald Damhof, die vaak wordt verzwegen.
door: RONALD DAMHOF beeld: MARC KOLLE
D
ataficatie is een prachtig alomvat-
tende omschrijving voor een
trend die niet meer te stoppen is.
Een trend waarbij transacties, ap-
paraten, mens en dier constant
worden gemeten en de resultaten – de data –
worden gebruikt voor marketing- en produc-
tinnovaties, voor maatschappelijke doorbra-
ken op het gebied van onder meer
gezondheidszorg, criminaliteit, klimaat
en energie.
Onder de paraplu van dataficatie zijn begrip-
pen als Big Data, Data Science, Internet of
Things, maar ook databeveiliging en privacy,
steeds meer gemeengoed geworden en is er de
laatste jaren een explosie aan technologische
innovaties op de markt gekomen. Denk aan
innovaties in data-opslag en verwerking (Ha-
doop, Spark, NoSQL databases), innovaties in
datavisualisatie (SAS Visual Analytics, Qlik,
Tableau) en innovaties in data-blending (Alte-
ryx, SAS Enterprise Guide, Platfora, Tamr).
Fantastische technologie met grootse moge-
lijkheden om innovatie ruim baan te geven.
Maar in alle euforie rondom deze technologie
lijkt het soms wel of het doel uit het oog
wordt verloren. Een onderzoeker die uit een
waanzinnige hoeveelheid data een fundamen-
teel patroon ontdekt dat cruciaal is voor de
succesvolle behandeling van kanker, een wis-
kundige die een zeer goed passend analytisch
model heeft gemaakt met grote voorspellende
waarde omtrent de mogelijke fraude op belas-
tingen, een bank die een verdachte transactie
vist uit de dagelijkse miljarden financiële
transacties. Prachtige ontdekkingen vaak. Het
kapitaliseren van deze ontdekkingen bete-
kent dat voor grote groepen burgers kanker
sneller gediagnosticeerd en behandeld kan
worden, dat voor alle belastingaangiften ra-
zendsnel fraude wordt gedetecteerd en ge-
sanctioneerd en dat de financiële transactie
ITEXPERT
Damhof.indd 22 15-10-15 14:31

2. 23
»
Voor reacties
en nieuwe
bijdragen van
IT-experts:
Henk Ester,
070 3046812
h.ester@
automatise-
ringgids.nl
Systematic
Push/Supply/
Source driven
Facts Context
Shadow IT,
Incubation,
Ad-hoc,
Once off
Research,
Innovation &
Prototyping
Design
Pull/Demand/
Product driven
Opportunistic
Development
Style
I II
III IV
Data Push/
Pull Point
die verdacht is – op het moment dat die plaats-
vindt – wordt geïdentificeerd en er actie wordt
ondernomen.
Veel succesverhalen rondom Big Data en Data
Science gaan over die ene briljante ontdekking
of die prachtige innovatie. Het zijn echter
vaak verhalen van één expert op een bepaald
domein in een zeer geïsoleerde setting, waar
eenmalig een resultaat wordt behaald. Aspec-
ten als privacy, fabrieksmatige voortbrenging,
schaal, beheer en kwaliteitsattributen, zoals
compleetheid, traceerbaarheid, accuraatheid,
zijn daarbij van ondergeschikt belang. In een
innovatieve setting mag dit ook van onderge-
schikt belang zijn, creativiteit moet tenslotte
ruim baan krijgen. Innoveren met data bete-
kent echter niet alleen het ontwikkelen van
een analytische competentie, maar vooral ook
een competentie om de analytische ontdek-
kingen veilig, robuust en op schaal te vertalen
naar waarde voor consument, burger, patiënt
of student. Het ontwikkelen van waarde is een
organisatorische competentie: de grote uitda-
ging waar veel organisaties voor staan. En het
is ook een kans voor organisaties om zich te
onderscheiden van hun concurrenten en om
een bijdrage te leveren aan de samenleving.
Transformatie
Wat gebeurt er als deze organisatorische vaar-
digheid niet wordt ontwikkeld? Enerzijds be-
staat de kans dat de innovatie onder beheer
van een onderzoeker of een kleine groep van
onderzoekers blijft. De ontdekking gaat ge-
bruikt worden in een zeer opportunistische
context. Het op schaal gebruiken van de ont-
dekking geeft allerlei uitdagingen en risico’s
op het gebied van verandermanagement, on-
derhoud, schaalbaarheid, kwaliteit en privacy.
De onderzoeker gaat zijn uiterste best doen
om de uitdagingen te adresseren. Maar omdat
de ontdekking in dit stadium per definitie aan
een onderzoeker hangt, is het ongelooflijk las-
tig op te schalen, ook delegeren is moeilijk. De
enige manier van opschaling is het aannemen
van iemand van gelijk niveau, een peer. De
vraag is of de nieuwe onderzoeker het op de-
zelfde wijze gaat doen. Een ernstiger gevolg
kan zijn dat de betreffende onderzoeker zich
niet meer bezig kan houden met datgene waar
hij in excelleert: het doen van nieuwe relevan-
te ontdekkingen met behulp van veel data,
veel computerkracht en innovatieve software.
De innovatieve competentie van de organisa-
tie wordt om zeep geholpen omdat de organi-
satie geen competentie heeft ontwikkeld om
innovaties op systematische wijze voort te
brengen.
Een organisatie die deze competentie wel
heeft ontwikkeld, geeft de onderzoeker de
mogelijkheid zijn innovatie door te geven aan
teams die ervoor zorgen dat de innovatie
wordt vertaald naar een professioneel onder-
steund product dat op schaal, herhaalbaar en
robuust kan worden voortgebracht. Een
product dat voldoet aan de door de klanten
gesteldekwaliteitseisen.
Vaak worden briljante data scientists inge-
huurd, innovatieve technologie wordt inge-
kocht. Men kan ver komen door simpelweg de
portemonnee te trekken. Maar pas op. Er
kunnen zich fantastische mogelijkheden voor-
doen. Mogelijkheden waar men de waarde zo
snel mogelijk uit wil halen. Dat vereist ook
een organisatorische competentie. Een compe-
tentie om data-assets om te zetten in waarde-
volle services of producten voor klanten.
En die koop je niet zomaar.
Het ontwikkelen van een organisatorische
competentie moet worden gezien als een forse
transformatie. Het is van belang dat leidingge-
venden erkennen dat het ontwikkelen van een
analytische competentie onvoldoende is en
dat het managen en regelen van de data-asset
een cruciale factor voor succes is en dat het
ambacht van modelgebaseerde systeem-
ontwikkeling nieuw leven ingeblazen
moet worden.
Kenmerken
In hoeverre is een organisatie gereed voor een
dergelijke transformatie? Vijf kenmerken van
organisaties die het begrijpen:
1. Deze organisaties relateren het belang van
klant, patiënt, student of burger aan de wijze
waarop je met data omgaat. Er is een heldere
datastrategie.
2. Deze organisaties geven data een hoog man-
daat (en bijbehorend budget) in de organisatie,
zowel op het gebied van management als op
het gebied van (enterprise) architectuur en
systeemontwikkeling. Zij onderkennen dat da-
ta om een procesbenadering (in tegenstelling
tot een systeembenadering) vragen en organi-
seren en managen de kwaliteit van data en
hun voortbrenging op systematische wijze.
3. Deze organisaties hebben ingerichte proces-
sen, medewerkers en werkinstructies die data
scientists/onderzoekers in staat stellen om
innovaties fabrieksmatig voortbrengen. Data
scientists zijn klaar als hun product van de
‘productielijn’ rolt, niet als het product is
bewezen in een ‘garage’.
4. Deze organisaties onderkennen dat op het
gebied van data de informatie- en data-engi-
neers de ‘ontwikkelaars’ zijn. Zij zijn geen
‘code-kloppers’, maar modeldenkers. Experts
op het gebied van conceptueel en logisch
modelleren, datakwaliteit, masterdata, model-
gebaseerde systeemontwikkeling en technolo-
gie. Data scientists inhuren is prima en kan
veel betekenen voor de organisatie, maar voor
elke data scientist heeft men ook een data-en-
gineer nodig. Zij zijn de yin & yang van de
data-asset.
De genoemde organisaties onderkennen dat
de organisatie als geheel wendbaar ingericht
moet worden. Zij omarmen onzekerheid, ver-
andering, transparantie en zelfsturende teams.
Pleidooi
Ten slotte een pleidooi voor het veranderen
van het onderwijs. Het technisch onderwijs
moet modelgebaseerde systeemontwikkeling,
systeemtheorie, kwaliteitstheorie, logica en
ordentelijke informatiemodellering weer een
prominente plek in het curriculum geven. En
een pleidooi voor het onderwijzen van toe-
komstige managers: om te stoppen met een
risicomijdende houding, het ‘shorttermism’,
het technologisch fetisjisme en het gebrek aan
vertrouwen in de eigen medewerkers. Het
management moet weer lef tonen, kiezen
voor duurzaamheid en de lange termijn, eigen
regie en verantwoordelijkheid nemen, en
bovenal vertrouwen op het vakman-
schap van zijn medewerkers.
Ronald Damhof
(ronald.damhof@prudenza.nl)
is onafhankelijk adviseur op het
gebied van datamanagement,
data-architectuur en data-go-
vernance.
Het model is gereedschap waarmee door alle
geledingen van de organisatie een gemeen-
schappelijk en waardevrij beeld gevormd kan
worden op het gebied van gegevens.
De rode pijlen in het model geven de essen-
tie weer: Hoe organiseer je de competentie
van een organisatie om innovaties, die tot
stand zijn gekomen door een creatief en op-
portunistische proces (kwadrant III en IV),
om te zetten in een robuust, gecontroleerd,
schaalbaar, kwalitatief relevant en systema-
tisch proces (kwadrant I en II).
DATA KWADRANTEN MODEL:VAN OPPORTUNISTISCHE
NAAR SYSTEMATISCHE VOORTBRENGING
Damhof.indd 23 15-10-15 14:31