2.1 Wat is datagedreven werken?
2. Succesfactoren van datagedreven werken
"
"
Je moet de data voor je laten werken, in plaats van dat jij voor de data werkt!
Matthijs Stel, Manager Data Management & Analytics bij Evides
Waar enkele jaren geleden datagedreven werken nog als hype of bedreiging werd gezien (“het is extra werk”, “het tast de kwaliteit van mijn werk aan”), is het inmiddels steeds meer gemeengoed geworden. De meeste organisaties zien het nu als een vanzelfsprekend onderdeel van hun manier van werken. Matthijs Stel, Manager Data Management & Analytics bij Evides verwoordde het heel krachtig:
Sinds het vorige e-book zijn de ontwikkelingen niet stil blijven staan. AI heeft zich stormachtig ontwikkeld, organisaties hebben nieuwe ervaringen opgedaan en het maatschappelijke belang van datagedreven werken is alleen maar toegenomen. Daarom zijn we opnieuw in gesprek gegaan: deels met dezelfde mensen, deels met nieuwe mensen uit het veld. Ook hebben we onze eigen ervaringen en projecten van de afgelopen jaren meegenomen.
In dit e-book beschrijven we de belangrijkste aspecten van datagedreven werken, van de initiële stappen die organisaties moeten nemen tot de uitdagingen en succesfactoren die ze onderweg tegenkomen. We kijken ook naar de rol van geografische informatiesystemen (GIS) en hoe deze technologie een cruciale bijdrage kan leveren aan het succes van datagedreven werken. Daarnaast gaan we dieper in op de impact van kunstmatige intelligentie (AI) op datagedreven werken waardoor de manier waarop data wordt geanalyseerd en toegepast drastisch verandert. Met geavanceerde algoritmes en machine learning kunnen organisaties patronen en inzichten ontdekken die voorheen onzichtbaar waren. Dit opent de deur naar nieuwe mogelijkheden voor optimalisatie en innovatie.
Er zijn talrijke definities van datagedreven werken, maar in de kern draait het allemaal om het verzamelen, combineren en analyseren van data om beslissingen te baseren op feiten, in plaats van op onderbuikgevoel of routine. De essentie is feiten vergaren in de vorm van data, deze analyseren om informatie te verkrijgen en daaruit inzichten halen die leiden tot besluiten en acties. Ook wel actionable insights genoemd. Hierdoor gaat datagedreven werken verder dan het doen van analyses of het maken van rapportages. Bij een datagedreven organisatie is het benutten van data verankerd in de strategie, processen en cultuur. Een volwassen datagedreven organisatie zet data niet alleen operationeel in, maar ook strategisch. Denk hierbij aan het ondersteunen bij beleidsvorming, het bepalen van langetermijnvisie en het versnellen van innovatie.
De doelen en ambities van datagedreven werken zijn heel divers, maar in de praktijk verschuift het steeds meer van alleen efficiëntie en kostenbesparing naar het creëren van waarde. Of zoals een geïnterviewde het verwoordde: “Datagedreven werken is waardegedreven werken”. Het draait om het verhogen van klantwaarde (beter bedienen van klanten), businesswaarde (minimaliseren van negatieve impact door slechte data) en publieke waarde (maatschappelijke opgaven oplossen, vertrouwen winnen van de samenleving).
Veelgenoemde doelen bij datagedreven werken zijn:
Inzicht & sturing
Betere, transparantere en snellere besluitvorming
Resultaten meetbaar maken en verantwoorden
Meer inzicht en voorspelbaarheid in processen en resultaten
Verantwoording kunnen afleggen en vertrouwen vergroten
Efficiëntie & effectiviteit
Hogere efficiëntie, productiviteit en kostenbesparing
Risico’s voorspellen en incidenten voorkomen
Voldoen aan wet- en regelgeving en transparantie borgen
Samenwerking & innovatie
De samenleving, klanten en stakeholders beter begrijpen en bedienen met data
Technologische, sociale en economische innovatie stimuleren
Zelforganisatie en eigenaarschap bevorderen
Samenwerking tussen teams en organisaties versterken door een gedeelde informatiepositie
De implementatie van datagedreven werken kent verschillende niveaus van volwassenheid. Een bekend voorbeeld van een volwassenheidsmodel dat hiervoor wordt gebruikt, is het volwassenheidsmodel voor Data & Analytics van Gartner uit 2017.
2.2 Implementatie van datagedreven werken
Bron: Gartner, IBM, Verenigde Naties
"
"
We willen af van stapels pdf’s die elkaar tegenspreken. In plaats daarvan willen we visualisaties laten zien en één integrale waarheid presenteren. Door successen met data groeit de behoefte aan multidisciplinaire samenwerking en coördinatie over bedrijfsonderdelen heen. Data is vanaf nu onlosmakelijk onderdeel van beleid.
2.3 Aspecten van datagedreven werken
5.
4.
3.
2.
1.
Organisatie:
governance, visie, strategie, structuur, rollen, processen, budgetten
Techniek:
software, modellen, infrastructuur, architectuur, beheer
Data:
kwaliteit, intern en extern data delen, open data, architectuur, beheer
Ethiek, privacy & security:
transparantie, integriteit, vertrouwen, verantwoording, toegang
Cultuur:
leiderschap, datageletterdheid, competenties, veranderbereidheid
Als we kijken naar de aanpak en implementatie van datagedreven werken, richten organisaties zich op verschillende samenhangende aspecten. Op basis van de gesprekken hebben we vijf hoofdaspecten gedefinieerd:
Al deze aspecten vragen aandacht, soms parallel en soms volgordelijk. Niet al deze onderwerpen zijn direct zichtbaar. Een geïnterviewde vergeleek datagedreven werken treffend met het topje van een ijsberg: onder de oppervlakte is veel nodig om het organisatiebreed te laten landen.
Hieronder de belangrijkste bevindingen, uitdagingen en succesfactoren rondom deze onderwerpen. Goed om te benadrukken dat dit ons beeld is naar aanleiding van een aantal interviews en we hier zeker niet willen generaliseren. In de bijlage staat per aspect een uitgebreide lijst met observaties, uitdagingen en succesfactoren.
DAMA-DMBoK).
© Esri Nederland
John Kropman, CIO gemeente Deventer
ethiek, privacy en security
cultuur
Ook de ontwikkeling van moderne GIS- en dataprofessionals draagt hieraan bij.
Daarbij is het essentieel dat mensen uit verschillende inhoudelijke domeinen elkaar beter leren begrijpen. Zoals iemand verwoordde: “De kunst is om mensen met elkaar te laten samenwerken. Iedereen spreekt een andere taal, maar we moeten naar ketengericht werken toe."
Bij gemeente Dordrecht gaat men van losse Excellijsten naar slim intern en extern samenwerken via één projectenkaart.
Samenwerking en het delen van data en kennis zijn randvoorwaarden voor een datagedreven cultuur. Toch blijft data vaak in silo’s zitten, omdat mensen vooral denken vanuit hun eigen domein of afdeling. Dit beperkt de impact van datagedreven werken en leidt tot suboptimale oplossingen. Het aanstellen van verbindende rollen, zoals business translators, kan helpen om de brug te slaan tussen inhoud en data.
Leiderschap speelt een doorslaggevende rol in het succes van datagedreven werken. Wanneer leiders het belang van data uitdragen, ruimte bieden voor experimenten en leren van fouten, ontstaat een cultuur waarin medewerkers zich durven uitspreken en ontwikkelen. Een veilige omgeving en inspirerend voorbeeldgedrag maken het verschil in hoe data en AI worden omarmd in de organisatie. Opleiding en kennisdeling zijn essentieel om datageletterdheid te vergroten en medewerkers mee te nemen in de verandering. Eén organisatie gaf aan hierin structureel fors te investeren en bewust eigen docenten op te leiden voor het trainen van management en medewerkers in digitale en data-vaardigheden. Om bewustzijn te creëren maken ze gebruik van creatieve werkvormen, zoals een kaartje met alle data-objecten om zo de eigenaren te bepalen. Tot slot vraagt het bouwen aan een datagedreven cultuur om geduld, doorzettingsvermogen en het vieren van successen. Kleine, iteratieve stappen (“gewoon doen”) en het borgen van resultaten zorgen ervoor dat de verandering duurzaam is en niet afhankelijk van eenmalige projecten of enthousiaste individuen.
Datagedreven werken is nog niet voor iedereen vanzelfsprekend. Veel professionals zien het als iets ‘extra’s’, naast hun reguliere taken. Ze ervaren nog niet altijd direct de meerwaarde voor hun eigen werk. Om dat te veranderen, is het belangrijk om concreet te laten zien hoe data kan bijdragen aan betere resultaten, efficiëntere processen of meer werkplezier. Inspirerende voorbeelden, kleinschalige pilots en herkenbare best practices maken de voordelen tastbaar en helpen om datagedreven werken onderdeel te maken van de dagelijkse praktijk.
"
"
We vragen medewerkers wat ze nodig hebben, creëren bewustzijn en bieden praktische ondersteuning op de werkplek om medewerkers datagedreven te leren werken.
[LC2]@ Karen popup Deventer
Sommige organisaties zetten een veranderprogramma in om meer datagedreven te werken. Andere kiezen voor een meer praktische benadering volgens de lijn van “weten, willen, kunnen”. Een geïnterviewde gaf aan:
2.3.5 Cultuur
Bij cultuur gaat het over mensen, gedrag en leiderschap. Cultuur en mensen vormen het hart van een succesvolle transitie naar datagedreven werken. Het gaat niet alleen om technologie of processen, maar vooral ook om gedrag, houding en samenwerking binnen de organisatie. Veel organisaties erkennen dat cultuurverandering essentieel is, maar ook complex en weerbarstig.
Een datagedreven cultuur vraagt om een andere mindset: medewerkers moeten leren vertrouwen op data, alert zijn op betrouwbaarheid, openstaan voor nieuwe inzichten en bereid zijn om hun werkwijze aan te passen. Dit geldt niet alleen voor mensen die nog niet gewend zijn om met data te werken, maar ook voor bestaande dataprofessionals. Voor de eerste groep betekent het anders werken en soms loslaten van intuïtie of ervaring. Voor de tweede groep kan het voelen als een bedreiging voor hun positie of autonomie, zeker als er nieuwe rollen of standaarden worden geïntroduceerd.
2.3.4 Ethiek, privacy en security
AVG en de AI Act
Ethiek, privacy en security zijn onlosmakelijk verbonden met datagedreven werken. Door de groeiende inzet van data, AI en selfservice analytics is het belang van verantwoord datagebruik groter dan ooit. Privacy en security zijn niet alleen technische onderwerpen, maar raken de hele organisatie. Het vraagt om bewustwording, heldere kaders en governance op alle niveaus. De aanscherping van wet- en regelgeving, zoals de
dwingt organisaties om privacy en security structureel te borgen.
Dit betekent niet alleen voldoen aan wettelijke eisen, maar ook het creëren van een cultuur waarin ethisch handelen vanzelfsprekend is.
Selfservice tooling en data-uitwisseling brengen nieuwe risico’s met zich mee, zoals ongewenste toegang en herleidbaarheid van persoonsgegevens. Het is daarom essentieel om privacy en security vanaf het ontwerp (privacy by design, security by design) te integreren in alle processen en projecten. Ethiek krijgt steeds meer aandacht, zeker nu AI en algoritmes breder worden ingezet. Organisaties moeten transparant zijn over het gebruik van data en algoritmes, uitleggen hoe beslissingen tot stand komen en zorgen voor uitlegbaarheid en herleidbaarheid. Dit is niet alleen belangrijk voor compliance (AVG, Algoritmeregister, AI Act, maar ook voor het vertrouwen van medewerkers, klanten en de samenleving.
Alles op een rijtje
Succesfactoren
en uitdagingen
Alles op een rijtje
Succesfactoren
en uitdagingen
Data
Data-uitwisseling in netwerken en ketens wordt steeds belangrijker. Dit vraagt om samenwerking, standaardisatie en het doorbreken van silo’s. Tegelijkertijd is het delen van data vaak nog beperkt door cultuur, technische beperkingen of onduidelijkheid over eigenaarschap. Succesvolle organisaties investeren in datakwaliteit, standaardisatie en samenwerking, en zorgen voor een heldere datavisie en -strategie die aansluit bij de organisatiedoelen. Ze organiseren datamanagement integraal, met centrale regie én decentraal eigenaarschap. Door data als strategisch bedrijfsmiddel te behandelen en te investeren in mensen, processen en tooling, kunnen organisaties de waarde van data maximaal benutten. Iemand gaf aan: “Door datagedreven werken gaan we fundamenteel anders naar data kijken, het gesprek gaat veel meer over waarde. We monitoren het gebruik van data om te bepalen of datastromen succesvol en relevant zijn.”
Data is vaak versnipperd over afdelingen, systemen en teams, wat leidt tot inconsistenties, dubbele registraties en beperkte herbruikbaarheid. Soms wordt data nog opgeslagen bij oude applicaties, wat uitwisseling en hergebruik belemmert. Daardoor ontstaat in de praktijk al snel een complexe ‘dataspaghetti’, waarin het lastig is om één eenduidig beeld te vormen. De beweging richting datagedreven werken vraagt daarom om het tegengaan van die versnippering: van ‘dataspaghetti’ naar één waarheid. Dat betekent werken aan een samenhangende data-architectuur, duidelijk eigenaarschap en het slim hergebruiken van bestaande data. Tegelijkertijd zien we dat data niet beperkt blijft tot gestructureerde data binnen systemen. Ook ongestructureerde informatie — zoals documenten, gesprekken of e-mailberichten — kan met behulp van AI steeds beter worden benut binnen datagedreven werken.
2.3.3 Data
Data vormt de brandstof voor datagedreven werken. Organisaties realiseren zich steeds meer dat data niet alleen een bijproduct is van processen, maar een strategisch bedrijfsmiddel in alle onderdelen van de organisatie. De aandacht voor datakwaliteit, beschikbaarheid en bruikbaarheid is de afgelopen jaren sterk toegenomen. Organisaties hanteren daarbij principes om data vindbaar, toegankelijk, interoperabel en herbruikbaar te maken en raamwerken om datamanagement professioneel te organiseren,
(zoals
Het op orde brengen en houden van data is een continu proces. Dit vraagt om duidelijke processen, rollen (zoals data stewards en data engineers), tooling en vooral discipline in de organisatie. Tegelijkertijd kan een te sterke focus op datakwaliteit het snel en pragmatisch inzetten van data belemmeren. Het blijft daarom belangrijk om te bepalen welke data écht nodig is voor de vraagstukken van vandaag en morgen, en niet te streven naar perfectie voor alle data.
2.3.2 Technologie
Waar tijdens de vorige verkenning veel organisaties bezig waren met de selectie van centrale dataplatforms, zie je nu concrete implementaties. Cloud krijgt hierbij steeds vaker de voorkeur vanwege flexibiliteit en schaalbaarheid. Tegelijkertijd is er discussie over de mate van centralisatie: moet data centraal worden opgeslagen of decentraal, dicht bij de business?
Organisaties hebben hoge verwachtingen van self service analytics en dashboards. Dit stelt medewerkers in staat om zelf inzichten te genereren en sneller te reageren op veranderingen. In de praktijk blijft het gebruik van self service echter vaak beperkt tot het raadplegen van dashboards en kaarten. Het zelfstandig uitvoeren van diepgaande analyses is voor veel medewerkers nog een brug te ver. Toch kunnen we wel constateren dat self service GIS verder is dan een paar jaar geleden. Naarmate een organisatie voor datagedreven werken volwassener wordt en meer kennis opbouwt, wordt deze behoefte groter. Legacy-systemen en versnippering van tools binnen en tussen teams belemmeren de optimale keuze en integratie van oplossingen voor datavraagstukken. Dit leidt tot inefficiëntie, suboptimale oplossingen en soms zelfs het niet kunnen beantwoorden van complexe datavragen.
Het tempo van technologische innovatie is hoog. Organisaties hebben moeite met het bijhouden en benutten van nieuwe mogelijkheden, zoals cloud, AI, digital twins en API-first architecturen. Tegelijkertijd is het belangrijk om technologie niet als doel op zich te zien, maar als facilitator van waardecreatie, samenwerking en innovatie. Dit vraagt om een duidelijke visie, goede aansluiting op de business en het vermogen om snel te leren en te experimenteren.
Technologie vormt een fundament onder datagedreven werken, maar is in de praktijk zelden de bottleneck. De uitdaging ligt vooral in het kiezen en inrichten van technologie die schaalbaar, flexibel, toekomstbestendig en goed aansluit bij de ambities en processen van de organisatie. Moderne dataplatforms zijn steeds vaker cloud-native, modulair en API-gedreven, waardoor ze schaalbaarheid en integratie met andere systemen mogelijk maken.
Alles op een rijtje
Succesfactoren
en uitdagingen
Alles op een rijtje
Succesfactoren
en uitdagingen
2.3.1 Organisatie
organisatie
Een belangrijk organisatorisch vraagstuk is hoe om te gaan met bestaande datateams. In veel organisaties bestaan meerdere teams met een eigen domeinfocus, zoals GIS, BI, assetmanagement, onderzoek/statistiek en data science. Deze teams werken met verschillende tools en processen, wat leidt tot versnippering en suboptimale oplossingen. Daarom is het samenbrengen of beter laten samenwerken van deze teams een veelgebruikte strategie. We zien met name de laatste jaren dat steeds meer organisaties de teams met GIS-professionals, data scientists en BI-specialisten samenvoegen. Soms zelfs rond bepaalde inhoudelijke thema’s zoals energie en klimaat of assetmanagement.
Organisaties streven ernaar om datagedreven werken organisatiebreed te verankeren, maar de mate van volwassenheid verschilt sterk per afdeling. In bedrijfsvoering en uitvoering (zoals HR, assetmanagement, inspecties en) is het gebruik van data vaak vanzelfsprekender dan in beleidsontwikkeling. De eerste stappen ontstaan vaak bottom-up, vanuit een inhoudelijke afdeling of enthousiaste medewerkers die met concrete use cases aan de slag gaan. Zulke initiatieven leveren snel zichtbare resultaten op en helpen om het nut van datagedreven werken te laten zien. Naarmate de datavolwassenheid toeneemt, verschuift de nadruk naar meer samenhang, sturing en governance. Een terugkerende organisatorische uitdaging is het vasthouden van momentum. Na een energieke start met visievorming, plannen en bijeenkomsten, blijkt het lastig om de aandacht vast te houden als resultaten uitblijven. Daarnaast is sturing niet altijd hoog genoeg belegd. Ook is het mandaat of de budgetverantwoordelijkheid vaak onduidelijk. Hoewel programma’s veelal worden gefinancierd vanuit centrale middelen of IT-budgetten, zijn het juist de businessprocessen die profiteren en waar de grotere budgetten zitten. Dit vraagt om een betere aansluiting van business op financiering.
Het aspect organisatie vormt de kern van datagedreven werken. Het draait hier om het inrichten van visie, strategie, structuur, rollen en governance die datagedreven werken mogelijk maken en ondersteunen.
Daarbij hoort een heldere visie: wat wil de organisatie met data bereiken? Gaat het om efficiëntere processen, betere besluitvorming, innovatie en/of maatschappelijke impact? Deze doelen vormen de basis voor de strategie en inrichting van de organisatie. De datavisie moet nadrukkelijk aansluiten bij de bredere organisatiedoelen en worden doorvertaald in alle lagen van de organisatie. Een duidelijke en herhaalde communicatie over het waarom van datagedreven werken versterkt het draagvlak en maakt de verandering duurzaam. Zoals iemand het verwoordde: “Bij ons is de succesfactor de centrale aansturing vanuit de CIO-office in combinatie met een horizontale governance vanuit de business.”