SlideShare une entreprise Scribd logo
1  sur  23
Succesvol sturen op data
Data… inzicht… actie!
Renco Porton
Introductie
• 2015-2017: UMCG Ambulancezorg / RAV Fryslân
• Afstudeeropdracht & ‘proactieve data-analist’
• 2017: Start Devise
• Heldere data-analyses oplossingen voor de spoedzorg
• Intuïtieve dashboards, analyse tools en S&B
optimalisatiemodellen
• Ad-hoc analysevraagstukken en ondersteuning
• Verantwoordelijk voor de inhoudelijke data-analyse van onze
producten
• Vooral geïnteresseerd in hoe ‘analytics’ daadwerkelijk organisaties
kan verbeteren
64.8% van de grote bedrijven investeren 50 miljoen of meer
in Big Data en AI projecten t.o.v. 39.7% in 2018 (Forbes)
Wat statistieken:
• 85% van big data projecten faalt (Gartner, 2018)
• NewVantage Partners 2020 Big Data and Executive Survey:
• 26.8% geeft aan een ‘data-cultuur’ te hebben
• 37.8% zegt ‘data-gedreven’ te zijn
• Slechts 14.6% van bedrijven gebruikt AI in de praktijk (Forbes)
• 74% bedrijven wil ‘data-gedreven’ worden, slechts 29% lukt dit (Forrester)
• …
-> Conclusie: het kan beter?
Hoe gaat het in de praktijk?
"Waarom hebben organisaties moeite met het toepassen van data-analyse in hun
organisaties?”
"Wat kunnen de data-analisten/informatiemanagers doen om het succes te vergroten?”
“Het ontdekken, interpreteren en communiceren van waardevolle patronen in data”
• Data-analyse is een transformatieproces (data -> inzicht)
• Voor de transformatie gebruiken we verschillende tools:
• Dashboards, BI-software, SQL, modellen, presentaties, visualisaties, …
• Data is vanuit dit oogpunt het startpunt
• Inzicht an sich voegt geen waarde toe, er moet een actie uit volgen
Data-analyse
Data-analyse
(analytics)
Data Inzicht Besluit Actie
(1) Data: de juiste data voor het inzicht, toegankelijk, goede kwaliteit, …
(2) Data -> inzicht transformatie: data ontsluiting en preparatie, toepassen analytics, maar ook
visualiseren, onderbouwen en rapporteren van resultaten d.m.v. bijvoorbeeld dashboards
(3) Inzicht -> actie: vraagt om vertrouwen in het inzicht, de methode en de data (transparantie) én de
juiste bedrijfscultuur voor sturen op data
(0) Vertalen van de behoefte naar een analyse vraagstuk, de keuze van de juiste methode, data en
manier van presenteren (link tussen praktijk en data)
Data Inzicht Actie
De werelden van 'data', 'inzicht' en 'actie’ kunnen in verschillende fases van “volwassenheid” verkeren
Data Inzicht Actie
Data Analytics Organisatie
“Volwassenheid”
De organisatie wil wel, maar krijgt het niet
Data Inzicht Actie
Data Analytics Organisatie
“Volwassenheid”
Onbenut potentiëel
Data Inzicht Actie
Data Analytics Organisatie
“Volwassenheid”
De “gefrustreerde analyseafdeling”
Data Inzicht Actie
Data Analytics Organisatie
“Volwassenheid”
De “gefrustreerde analyseafdeling”2
Data Inzicht Actie
Data Analytics Organisatie
“Volwassenheid”
Waar moet inzicht in ieder geval aan voldoen om bruikbaar te zijn?
• Relevant
• Helder
• Betrouwbaar
• Op tijd
Actionable inzicht
Sluit aan op een duidelijke en relevante behoefte
• Analist: kennis van de praktijk en processen
• Ad-hoc vraag van beslisser
• Is het de juiste vraag?
• Faciliteer PDCA/verbeter cyclus
• Monitor, probleemanalyse en diagnose, verbeterplan
• Kritieke Prestatie Indicatoren (KPI’s)
Relevant
Problem
Diagnosis
Solution
Implementation
Evaluation
Voorbeeld: standplaats
Dieverbrug
Ambulances van standplaats Dieverbrug rijden
overschrijdingen buiten haar eigen
“dekkingsgebied”.
-> Voor verbeteren A1-prestatie (doel) voor de
hele regio geeft een hotspot analyse van
overschrijdingen een beter inzicht dan
overschrijdingspercentage per standplaats
Visueel
Toegankelijk, begrijpbaar en eenvoudig te interpreteren voor de ‘beslisser’
• Begeleidende tekst: interpreteer resultaten, leg inzichten uit. Link met praktijk
• Communiceer via het juiste kanaal (dashboard, rapport, email, …)
• Logische opbouw van dashboards en rapporten (‘verhaallijn’)
• Gebruik (de juiste!) visualisaties
Helder
Overschrijdingspercentage per gemeente Absolute overschrijdingen per gemeente
(fictieve plaatjes ter illustratie)
Vertrouwen opbouwen duurt lang, het afbreken is zo gebeurd
• Consistentie in informatievoorziening!
• Maak inzichten volledig reproduceerbaar
• Eén opgeschoonde en verrijkte databron
• Definities van databronnen en berekeningen
• Data preparatie en verrijking (garbage in -> awesome out)
• Ontbrekende data, uitschieters, foutlabels
• Kwaliteitscontrole en terugkoppeling naar registratie
• Transparantie in rapporten over de definities, methodiek, beperkingen
-> Werk toe naar één waarheid voor iedereen in de organisatie
Betrouwbaar
Op tijd
Goed verhaal maar
de beslissing is al
gemaakt
Snel inspelen op behoeften
• Weet wat er spelt
• Managementoverleggen
• Automatiseer (minimaal) de data-preparatie!
• Kost “80% van de tijd”
• Maak standaard workflows en rapportages
• (en automatiseer ze…)
• Automatiseer
De ideale data-analist/informatiemanager…
… kan snel behoeften interpreteren en vertalen naar een uitvoerbaar analysevraagstuk, heeft
kennis van verschillende databases, koppelingen, typen data structuren, het omvormen,
prepareren en opschonen van data, het kiezen van de juiste methodiek en het toepassen van
statistiek eneventueel (voorspellende) modellen, kan resultaten op de juiste manier interpreteren,
duiden met de praktijk, visualiseren en goed en helder presenteren.
(én werkt in een organisatie waar de data toegankelijk is en waar een ‘data-gedreven’ organisatiecultuur hangt zodat de inzichten ook
daadwerkelijk worden gebruikt en leiden tot betere acties).
Data Inzicht Actie
• Focus op het hele analyseproces, inclusief de rol van de organisatie
• Data -> inzicht -> actie is zo sterk als de zwakste schakel
• Aanschaf van nieuwere software of technieken vaak niet de oplossing
• Zorg eerst voor een solide fundering
• Rapporteren & duiden ('waarom?’)
• Organisatie: periodiek bestuderen van inzichten (PDCA, KPI’s)
• Creëer één waarheid!
• Til stap voor stap de drie werelden van de 'data', 'inzicht' en 'actie' naar een hoger niveau
Kern
Presentatie Analistenmiddag Ambulancezorg 2021

Contenu connexe

Tendances

Nn zs ddu big data expo 20170920
Nn zs ddu big data expo 20170920Nn zs ddu big data expo 20170920
Nn zs ddu big data expo 20170920BigDataExpo
 
Data management-ziekenhuis-gelderse-vallei
Data management-ziekenhuis-gelderse-valleiData management-ziekenhuis-gelderse-vallei
Data management-ziekenhuis-gelderse-valleihenkstobbe
 
Big Data Big, Decisions: Part II
Big Data Big, Decisions: Part IIBig Data Big, Decisions: Part II
Big Data Big, Decisions: Part IIMarcel Warmerdam
 
Fex 1610003 - big data komt naar hr @valid
Fex   1610003 - big data komt naar hr @validFex   1610003 - big data komt naar hr @valid
Fex 1610003 - big data komt naar hr @validFlevum
 
Big datasurvey walter van der scheer
Big datasurvey walter van der scheerBig datasurvey walter van der scheer
Big datasurvey walter van der scheerBigDataExpo
 

Tendances (8)

Nn zs ddu big data expo 20170920
Nn zs ddu big data expo 20170920Nn zs ddu big data expo 20170920
Nn zs ddu big data expo 20170920
 
Data management-ziekenhuis-gelderse-vallei
Data management-ziekenhuis-gelderse-valleiData management-ziekenhuis-gelderse-vallei
Data management-ziekenhuis-gelderse-vallei
 
TopBI
TopBITopBI
TopBI
 
Smart lean introductie
Smart lean introductie Smart lean introductie
Smart lean introductie
 
Big Data Big, Decisions: Part II
Big Data Big, Decisions: Part IIBig Data Big, Decisions: Part II
Big Data Big, Decisions: Part II
 
Fex 1610003 - big data komt naar hr @valid
Fex   1610003 - big data komt naar hr @validFex   1610003 - big data komt naar hr @valid
Fex 1610003 - big data komt naar hr @valid
 
Interview - Raet
Interview - RaetInterview - Raet
Interview - Raet
 
Big datasurvey walter van der scheer
Big datasurvey walter van der scheerBig datasurvey walter van der scheer
Big datasurvey walter van der scheer
 

Similaire à Presentatie Analistenmiddag Ambulancezorg 2021

Eduvision - Webinar Hoe Word Ik Big Data Professional?
Eduvision - Webinar Hoe Word Ik Big Data Professional?Eduvision - Webinar Hoe Word Ik Big Data Professional?
Eduvision - Webinar Hoe Word Ik Big Data Professional?Eduvision Opleidingen
 
Oscar Wijsman @ Tech Update Big Data Visualisatie
Oscar Wijsman @ Tech Update Big Data VisualisatieOscar Wijsman @ Tech Update Big Data Visualisatie
Oscar Wijsman @ Tech Update Big Data VisualisatieMedia Perspectives
 
Big Data - de lucht eruit! - Door Antoine Stelma
Big Data - de lucht eruit! - Door Antoine StelmaBig Data - de lucht eruit! - Door Antoine Stelma
Big Data - de lucht eruit! - Door Antoine StelmaCentennium
 
Big Data Expo 2015 - Centennium De lucht eruit
Big Data Expo 2015 - Centennium De lucht eruitBig Data Expo 2015 - Centennium De lucht eruit
Big Data Expo 2015 - Centennium De lucht eruitBigDataExpo
 
Flevum Executive - 140508 - Digitale Omgeving - Big Data in de praktijk - Pre...
Flevum Executive - 140508 - Digitale Omgeving - Big Data in de praktijk - Pre...Flevum Executive - 140508 - Digitale Omgeving - Big Data in de praktijk - Pre...
Flevum Executive - 140508 - Digitale Omgeving - Big Data in de praktijk - Pre...Flevum
 
HR analytics & HR reporting = HR Intelligence, een introductie
HR analytics & HR reporting = HR Intelligence, een introductieHR analytics & HR reporting = HR Intelligence, een introductie
HR analytics & HR reporting = HR Intelligence, een introductieAnalitiQs
 
FB_24-31_Ronald Damhof
FB_24-31_Ronald DamhofFB_24-31_Ronald Damhof
FB_24-31_Ronald DamhofPrudenza B.V
 
Big Data - een kijk in jouw toekomst
Big Data - een kijk in jouw toekomstBig Data - een kijk in jouw toekomst
Big Data - een kijk in jouw toekomstOscar Wijsman
 
Marketing intelligence voor managers – data science proces
Marketing intelligence voor managers –  data science proces Marketing intelligence voor managers –  data science proces
Marketing intelligence voor managers – data science proces FourPoints Business Intelligence
 
Deloitte Webwinkel Vakdagen
Deloitte Webwinkel VakdagenDeloitte Webwinkel Vakdagen
Deloitte Webwinkel Vakdagenwebwinkelvakdag
 
BI Symposium 2015 Metadatamanagement
BI Symposium 2015 MetadatamanagementBI Symposium 2015 Metadatamanagement
BI Symposium 2015 MetadatamanagementMarc Govers
 
Presentatie Datamanagement - SURF, Oktober 2013
Presentatie Datamanagement - SURF, Oktober 2013Presentatie Datamanagement - SURF, Oktober 2013
Presentatie Datamanagement - SURF, Oktober 2013JoeriNortier
 
Mark Vermeer - Congres 'Data gedreven Beleidsontwikkeling'
Mark Vermeer - Congres 'Data gedreven Beleidsontwikkeling'Mark Vermeer - Congres 'Data gedreven Beleidsontwikkeling'
Mark Vermeer - Congres 'Data gedreven Beleidsontwikkeling'ScienceWorks
 
NL - Module 2 - Using your own Data
NL - Module 2 - Using your own DataNL - Module 2 - Using your own Data
NL - Module 2 - Using your own Datacaniceconsulting
 
Kan ik ooit op mijn data vertrouwen 2019?
Kan ik ooit op mijn data vertrouwen 2019? Kan ik ooit op mijn data vertrouwen 2019?
Kan ik ooit op mijn data vertrouwen 2019? TNO
 
Ordina - VisionWorks Seminar: Bi Innovation Radar Part1
Ordina - VisionWorks Seminar: Bi Innovation Radar Part1Ordina - VisionWorks Seminar: Bi Innovation Radar Part1
Ordina - VisionWorks Seminar: Bi Innovation Radar Part1Ordina
 
Business analysis: ontwikkeling, toepassing, ervaringen
Business analysis: ontwikkeling, toepassing, ervaringenBusiness analysis: ontwikkeling, toepassing, ervaringen
Business analysis: ontwikkeling, toepassing, ervaringenSKA
 
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategie
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategieManpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategie
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategieBigDataExpo
 
Eduvision - Webinar Starten met Big Data Enterprise
Eduvision - Webinar Starten met Big Data EnterpriseEduvision - Webinar Starten met Big Data Enterprise
Eduvision - Webinar Starten met Big Data EnterpriseEduvision Opleidingen
 
Shopping tomorrow presentatie datakwaliteit w griffiioen
Shopping tomorrow presentatie datakwaliteit w griffiioenShopping tomorrow presentatie datakwaliteit w griffiioen
Shopping tomorrow presentatie datakwaliteit w griffiioenWim Griffioen
 

Similaire à Presentatie Analistenmiddag Ambulancezorg 2021 (20)

Eduvision - Webinar Hoe Word Ik Big Data Professional?
Eduvision - Webinar Hoe Word Ik Big Data Professional?Eduvision - Webinar Hoe Word Ik Big Data Professional?
Eduvision - Webinar Hoe Word Ik Big Data Professional?
 
Oscar Wijsman @ Tech Update Big Data Visualisatie
Oscar Wijsman @ Tech Update Big Data VisualisatieOscar Wijsman @ Tech Update Big Data Visualisatie
Oscar Wijsman @ Tech Update Big Data Visualisatie
 
Big Data - de lucht eruit! - Door Antoine Stelma
Big Data - de lucht eruit! - Door Antoine StelmaBig Data - de lucht eruit! - Door Antoine Stelma
Big Data - de lucht eruit! - Door Antoine Stelma
 
Big Data Expo 2015 - Centennium De lucht eruit
Big Data Expo 2015 - Centennium De lucht eruitBig Data Expo 2015 - Centennium De lucht eruit
Big Data Expo 2015 - Centennium De lucht eruit
 
Flevum Executive - 140508 - Digitale Omgeving - Big Data in de praktijk - Pre...
Flevum Executive - 140508 - Digitale Omgeving - Big Data in de praktijk - Pre...Flevum Executive - 140508 - Digitale Omgeving - Big Data in de praktijk - Pre...
Flevum Executive - 140508 - Digitale Omgeving - Big Data in de praktijk - Pre...
 
HR analytics & HR reporting = HR Intelligence, een introductie
HR analytics & HR reporting = HR Intelligence, een introductieHR analytics & HR reporting = HR Intelligence, een introductie
HR analytics & HR reporting = HR Intelligence, een introductie
 
FB_24-31_Ronald Damhof
FB_24-31_Ronald DamhofFB_24-31_Ronald Damhof
FB_24-31_Ronald Damhof
 
Big Data - een kijk in jouw toekomst
Big Data - een kijk in jouw toekomstBig Data - een kijk in jouw toekomst
Big Data - een kijk in jouw toekomst
 
Marketing intelligence voor managers – data science proces
Marketing intelligence voor managers –  data science proces Marketing intelligence voor managers –  data science proces
Marketing intelligence voor managers – data science proces
 
Deloitte Webwinkel Vakdagen
Deloitte Webwinkel VakdagenDeloitte Webwinkel Vakdagen
Deloitte Webwinkel Vakdagen
 
BI Symposium 2015 Metadatamanagement
BI Symposium 2015 MetadatamanagementBI Symposium 2015 Metadatamanagement
BI Symposium 2015 Metadatamanagement
 
Presentatie Datamanagement - SURF, Oktober 2013
Presentatie Datamanagement - SURF, Oktober 2013Presentatie Datamanagement - SURF, Oktober 2013
Presentatie Datamanagement - SURF, Oktober 2013
 
Mark Vermeer - Congres 'Data gedreven Beleidsontwikkeling'
Mark Vermeer - Congres 'Data gedreven Beleidsontwikkeling'Mark Vermeer - Congres 'Data gedreven Beleidsontwikkeling'
Mark Vermeer - Congres 'Data gedreven Beleidsontwikkeling'
 
NL - Module 2 - Using your own Data
NL - Module 2 - Using your own DataNL - Module 2 - Using your own Data
NL - Module 2 - Using your own Data
 
Kan ik ooit op mijn data vertrouwen 2019?
Kan ik ooit op mijn data vertrouwen 2019? Kan ik ooit op mijn data vertrouwen 2019?
Kan ik ooit op mijn data vertrouwen 2019?
 
Ordina - VisionWorks Seminar: Bi Innovation Radar Part1
Ordina - VisionWorks Seminar: Bi Innovation Radar Part1Ordina - VisionWorks Seminar: Bi Innovation Radar Part1
Ordina - VisionWorks Seminar: Bi Innovation Radar Part1
 
Business analysis: ontwikkeling, toepassing, ervaringen
Business analysis: ontwikkeling, toepassing, ervaringenBusiness analysis: ontwikkeling, toepassing, ervaringen
Business analysis: ontwikkeling, toepassing, ervaringen
 
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategie
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategieManpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategie
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategie
 
Eduvision - Webinar Starten met Big Data Enterprise
Eduvision - Webinar Starten met Big Data EnterpriseEduvision - Webinar Starten met Big Data Enterprise
Eduvision - Webinar Starten met Big Data Enterprise
 
Shopping tomorrow presentatie datakwaliteit w griffiioen
Shopping tomorrow presentatie datakwaliteit w griffiioenShopping tomorrow presentatie datakwaliteit w griffiioen
Shopping tomorrow presentatie datakwaliteit w griffiioen
 

Presentatie Analistenmiddag Ambulancezorg 2021

  • 1. Succesvol sturen op data Data… inzicht… actie! Renco Porton
  • 2. Introductie • 2015-2017: UMCG Ambulancezorg / RAV Fryslân • Afstudeeropdracht & ‘proactieve data-analist’ • 2017: Start Devise • Heldere data-analyses oplossingen voor de spoedzorg • Intuïtieve dashboards, analyse tools en S&B optimalisatiemodellen • Ad-hoc analysevraagstukken en ondersteuning • Verantwoordelijk voor de inhoudelijke data-analyse van onze producten • Vooral geïnteresseerd in hoe ‘analytics’ daadwerkelijk organisaties kan verbeteren
  • 3. 64.8% van de grote bedrijven investeren 50 miljoen of meer in Big Data en AI projecten t.o.v. 39.7% in 2018 (Forbes)
  • 4. Wat statistieken: • 85% van big data projecten faalt (Gartner, 2018) • NewVantage Partners 2020 Big Data and Executive Survey: • 26.8% geeft aan een ‘data-cultuur’ te hebben • 37.8% zegt ‘data-gedreven’ te zijn • Slechts 14.6% van bedrijven gebruikt AI in de praktijk (Forbes) • 74% bedrijven wil ‘data-gedreven’ worden, slechts 29% lukt dit (Forrester) • … -> Conclusie: het kan beter? Hoe gaat het in de praktijk?
  • 5. "Waarom hebben organisaties moeite met het toepassen van data-analyse in hun organisaties?” "Wat kunnen de data-analisten/informatiemanagers doen om het succes te vergroten?”
  • 6. “Het ontdekken, interpreteren en communiceren van waardevolle patronen in data” • Data-analyse is een transformatieproces (data -> inzicht) • Voor de transformatie gebruiken we verschillende tools: • Dashboards, BI-software, SQL, modellen, presentaties, visualisaties, … • Data is vanuit dit oogpunt het startpunt • Inzicht an sich voegt geen waarde toe, er moet een actie uit volgen Data-analyse Data-analyse (analytics) Data Inzicht Besluit Actie
  • 7. (1) Data: de juiste data voor het inzicht, toegankelijk, goede kwaliteit, … (2) Data -> inzicht transformatie: data ontsluiting en preparatie, toepassen analytics, maar ook visualiseren, onderbouwen en rapporteren van resultaten d.m.v. bijvoorbeeld dashboards (3) Inzicht -> actie: vraagt om vertrouwen in het inzicht, de methode en de data (transparantie) én de juiste bedrijfscultuur voor sturen op data (0) Vertalen van de behoefte naar een analyse vraagstuk, de keuze van de juiste methode, data en manier van presenteren (link tussen praktijk en data) Data Inzicht Actie
  • 8. De werelden van 'data', 'inzicht' en 'actie’ kunnen in verschillende fases van “volwassenheid” verkeren Data Inzicht Actie Data Analytics Organisatie “Volwassenheid”
  • 9. De organisatie wil wel, maar krijgt het niet Data Inzicht Actie Data Analytics Organisatie “Volwassenheid”
  • 10. Onbenut potentiëel Data Inzicht Actie Data Analytics Organisatie “Volwassenheid”
  • 11. De “gefrustreerde analyseafdeling” Data Inzicht Actie Data Analytics Organisatie “Volwassenheid”
  • 12. De “gefrustreerde analyseafdeling”2 Data Inzicht Actie Data Analytics Organisatie “Volwassenheid”
  • 13. Waar moet inzicht in ieder geval aan voldoen om bruikbaar te zijn? • Relevant • Helder • Betrouwbaar • Op tijd Actionable inzicht
  • 14. Sluit aan op een duidelijke en relevante behoefte • Analist: kennis van de praktijk en processen • Ad-hoc vraag van beslisser • Is het de juiste vraag? • Faciliteer PDCA/verbeter cyclus • Monitor, probleemanalyse en diagnose, verbeterplan • Kritieke Prestatie Indicatoren (KPI’s) Relevant Problem Diagnosis Solution Implementation Evaluation
  • 16. Ambulances van standplaats Dieverbrug rijden overschrijdingen buiten haar eigen “dekkingsgebied”. -> Voor verbeteren A1-prestatie (doel) voor de hele regio geeft een hotspot analyse van overschrijdingen een beter inzicht dan overschrijdingspercentage per standplaats Visueel
  • 17. Toegankelijk, begrijpbaar en eenvoudig te interpreteren voor de ‘beslisser’ • Begeleidende tekst: interpreteer resultaten, leg inzichten uit. Link met praktijk • Communiceer via het juiste kanaal (dashboard, rapport, email, …) • Logische opbouw van dashboards en rapporten (‘verhaallijn’) • Gebruik (de juiste!) visualisaties Helder
  • 18. Overschrijdingspercentage per gemeente Absolute overschrijdingen per gemeente (fictieve plaatjes ter illustratie)
  • 19. Vertrouwen opbouwen duurt lang, het afbreken is zo gebeurd • Consistentie in informatievoorziening! • Maak inzichten volledig reproduceerbaar • Eén opgeschoonde en verrijkte databron • Definities van databronnen en berekeningen • Data preparatie en verrijking (garbage in -> awesome out) • Ontbrekende data, uitschieters, foutlabels • Kwaliteitscontrole en terugkoppeling naar registratie • Transparantie in rapporten over de definities, methodiek, beperkingen -> Werk toe naar één waarheid voor iedereen in de organisatie Betrouwbaar
  • 20. Op tijd Goed verhaal maar de beslissing is al gemaakt Snel inspelen op behoeften • Weet wat er spelt • Managementoverleggen • Automatiseer (minimaal) de data-preparatie! • Kost “80% van de tijd” • Maak standaard workflows en rapportages • (en automatiseer ze…) • Automatiseer
  • 21. De ideale data-analist/informatiemanager… … kan snel behoeften interpreteren en vertalen naar een uitvoerbaar analysevraagstuk, heeft kennis van verschillende databases, koppelingen, typen data structuren, het omvormen, prepareren en opschonen van data, het kiezen van de juiste methodiek en het toepassen van statistiek eneventueel (voorspellende) modellen, kan resultaten op de juiste manier interpreteren, duiden met de praktijk, visualiseren en goed en helder presenteren. (én werkt in een organisatie waar de data toegankelijk is en waar een ‘data-gedreven’ organisatiecultuur hangt zodat de inzichten ook daadwerkelijk worden gebruikt en leiden tot betere acties). Data Inzicht Actie
  • 22. • Focus op het hele analyseproces, inclusief de rol van de organisatie • Data -> inzicht -> actie is zo sterk als de zwakste schakel • Aanschaf van nieuwere software of technieken vaak niet de oplossing • Zorg eerst voor een solide fundering • Rapporteren & duiden ('waarom?’) • Organisatie: periodiek bestuderen van inzichten (PDCA, KPI’s) • Creëer één waarheid! • Til stap voor stap de drie werelden van de 'data', 'inzicht' en 'actie' naar een hoger niveau Kern