Data Driven Finance voor organisaties

Wat doe je met alle informatie? Vertrouw je de data? Is het waardevolle informatie om je zaken beter op orde te krijgen? Kan het concurrentievoordeel opleveren, je propositie verbeteren of een efficiëntieslag maken? Zeker, maar er zijn voorwaarden.

Machines kunnen fouten maken, net zoals mensen, edoch mensen vertrouwen we meer. Meer dan machines die Big Data gebruiken voor controles of audits. Het vertrouwen is ook geschaad in het verleden, zoals door de affaires bij de Belastingdienst. Het zijn de mensen die de machines, de analyses, programmeren en de data labelen.

Er is zoveel informatie, hoe kunnen we die informatie gebruiken?

Voorkom ruis en gebruik data op een manier die waardevol is voor je organisatie. Zorg dat de data juist wordt geïnterpreteerd. Voor een goede analyse heb je deskundigen nodig. Niet alleen een data-expert maar tevens product- en businessexperts moeten meekijken. Financiële experts met verstand van het onderwerp/bedrijfsmodel en data-experts met verstand van de techniek.

Er zijn veel moderne technieken op het gebied van Machine Learning, Big Data en Data Science. Echter wanneer de verkeerde gegevens aan elkaar worden gekoppeld, dan is de data inconsistent. De uitkomst kan compleet foutief zijn, wat juist averechts werkt. 

Het gaat bij het inrichten van het bedrijfsmodel over de vraag hoe je optimaal gebruik kunt maken van de moderne techniek en dan heb je het al heel snel over data. Als je dat spel goed speelt met een data gedreven businessmodel en geautomatiseerde platformen, dan krijg je een doorbraak in je bedrijfsvoering.

De grootste boodschap voor CFO’s is wel: ‘je moet het snappen’. Het is een fundamenteel andere manier van het inrichten van je business. 

Bedrijven slaan de data niet altijd accuraat op. Zij zien het belang daarvan niet in. Gegevens worden opgeslagen in dezelfde ‘kolommen’. Tijdens printen ziet het er goed uit, maar kan de data wel geanalyseerd worden?

Is het dossier er wel op ingericht? Kan de data geëxporteerd worden en door data-analyse machines worden gehaald? Heeft de leverancier daar rekening mee gehouden?

Losse notities zijn moeilijk te analyseren. Dat was voor 30 jaar terug al een probleem, bij een query (zoekactie) op de database stond de server een weekend te blazen.

Vrije tekst analyseren is complex. Gegevens opslaan in database-items en gestructureerd is eenvoudiger te ontleden. Een voorbeeld van AI, waar ze al ver zijn, is de medische wereld. De huidige patiënten dossiers in de medische wereld zijn merendeel opgebouwd uit keuzevragen en minder vrije tekst. Data-analyse voor wetenschappelijk onderzoek is hierdoor geoptimaliseerd. Het zou nog mooier zijn wanneer de verschillende dossiers dezelfde data op dezelfde plek bewaren. Daar wordt aan gewerkt!

Door alle acties van jou bij te houden kan Google de advertenties gerichter aanbieden. Aan de hand van je zoekacties word je in een bepaalde doelgroep geplaatst en bedrijven kunnen die doelgroepen gebruiken om te adverteren.

Mooi overzicht vind je hier

Voor bedrijven is het belangrijk te weten wie je prospect of klant is. Je ideale klant, je buyers persona. Wie is de ideale klant, wat doet hij, gender, locatie, sport? Deze gegevens zijn belangrijk om in het CRM te plaatsen en zo een duidelijk beeld van je klanten te krijgen.

Heb je een duidelijk beeld van je klanten, dan kun je deze doelgroep gebruiken voor advertenties, aanbiedingen of congressen. Heb je ook namen en adressen verzameld, dan is een interessante bijeenkomst zo geregeld.

Veel bedrijven denken niet na over de gegevens die ze willen opslaan in een CRM wanneer ze overstappen op een nieuw of bestaand systeem. Het is belangrijk na te denken over welke data moet worden opgeslagen en hoe, gedetailleerd of globaal? Welke gegevens hebben we nodig voor optimale dienstverlening, voor betere propositie? 

Bij een rondvraag binnen een bedrijf over omzet en werkdruk, bleek de uitkomst totaal anders dan de werkelijkheid. Begrijpelijk, je spreekt de klanten het vaakst die de meeste aandacht vragen, waar je meer werk mee hebt maar generen ze ook meer omzet? Cijfers wijzen vaak anders uit, een business model dient op de cijfers te berusten.

Keuzes gemaakt op intuïtie zijn vaak verkeerd. Dat werkte tot nu toe prima. Zakendoen op basis van ervaring, voorgevoel en macht is verleden tijd. We komen nu in een tijdperk waarin data, kunstmatige intelligentie en digitaal zakendoen de factoren voor succes worden. Menselijke maat met ondersteuning van data, dat vraagt om een andere manier van zakendoen. Het vraagt om andere manier van leiderschap.

Welke systemen gaan we gebruiken voor informatie uit allerlei applicaties? In de praktijk heb je niet één systeem voor relatiebeheer, financieel beheer, helpdesk, onderhoud, HRM, mail, Sales en alle bronnen van het internet. Ook zijn niet alle huidige programma’s zo geprogrammeerd dat je uit elk systeem je nodige gegevens kunt halen. Tenminste, als het al wel is ingevoerd en opgeslagen.

Er zijn softwarepakketten die hier wel iets mee kunnen. Alle data uit elk programma exporteren en gestructureerd in een omvangrijk databank te plaatsen. Businessmodel op los laten en zo gegevens genereren om de concurrentie voor te zijn, je propositie te verbeteren. De klantreis, lead generator optimaliseren, je buyers persona vast te stellen.

Nog verder om de klant te leren kennen, om waardevermeerdering voor je klant te zijn. 

Data governance (DG) is het proces van het beheren van de beschikbaarheid, bruikbaarheid, integriteit en beveiliging van de gegevens in bedrijfssystemen, op basis van regels. Effectief gegevensbeheer zorgt ervoor dat gegevens consistent en betrouwbaar zijn en niet worden misbruikt. Het gaat hier niet om de data zelf maar om het beheren van de data, de wetgeving daarachter, datamanagement voor datamanagers.

Het wordt steeds belangrijker naarmate organisaties te maken krijgen met nieuwe regelgeving inzake gegevens privacy en steeds meer vertrouwen op gegevensanalyse om de bedrijfsvoering te helpen optimaliseren en zakelijke besluitvorming te stimuleren.

Gegevensbeheer moet voldoen aan wet- en regelgeving zoals AVG-regels.

Data is er in alle vormen en maten en is door de hele organisatie verspreid. Voor wat betreft de Data Governance, neem deze punten eens door:

• Is je organisatie in control?
• Weet je welke data je bezit?
• Weet je wie er toegang tot die data heeft?
• Hoe lang moet je data bewaren?
• Vertrouw je de data die tot informatie wordt verwerkt?
• Durf je keuzes te maken op basis van de informatie die je wordt aangeboden?
• Ben je compliant naar je stakeholders?

Hieronder kun je de verbindingen zien en welke systemen er verbonden zijn.