Data gebruiken om je organisatie verder te helpen. Het klinkt logisch. Maar wat komt er eigenlijk bij kijken om data-gedreven te gaan werken?

Waarom wil je data-gedreven werken?

Dit is de belangrijkste vraag die je jezelf, of je organisatie, moet stellen:

Waarom wil je data-gedreven gaan werken?

De belangrijkste reden is natuurlijk: omdat iedereen het doet.

šŸ˜‰

OkƩ. Waarschijnlijk heb je daarnaast nog wel andere redenen. Zo kan je data inzetten om kennis op te bouwen. Kennis over alles wat je bedrijf raakt: de processen, klantgedrag en de werking van een website of applicatie.

Maar je wil die kennis natuurlijk niet zomaar opbouwen.

Je wil met de kennis beter keuzes maken.

De vertaalslag van data naar actie

Hoeveel data je ook vastlegt, en hoeveel kennis je ook opbouwt, alles staat of valt bij je bereidheid om actie te nemen:

Je moet bereid zijn om iets te doen o.b.v. je opgedane kennis.

Onderstaande figuur legt het concept simpel uit:

Je wilt van data naar actie gaan. Om daar te komen heb je een vertaalslag nodig. De vertaalslag zet data om naar kennis die je helpt bij het nemen van een beslissing: ga je de actie wel of niet uitvoeren?

Als je een analyse uitvoert, komt daar dus een resultaat uit. Dat resultaat kan aansluiten bij de actie die je wilt nemen, maar kan die actie net zo goed afraden!

Ben je bereid om je voorbedachte actie (je geweldige idee) niet uit te voeren? Of zoek je alleen naar data die je ideeƫn bevestigen?

Je voelt denk ik wel aan wanneer het zinvol is om data-gedreven te gaan werken.

Leer kruipen voordat je gaat rennen

Als je net begint met data-gedreven werken, is het iets nieuws voor jou of je organisatie. Er zijn weliswaar genoeg bedrijven die al zo werken, maar binnen de context van jouw werk is het nieuw. En daarmee ben je aan het innoveren.


Als ik het heb over innovatie, haal ik graag de volgende beschrijving van Everett M. Rogers in Diffusion of Innovations aan:

An innovation is an idea, practice, or object that is perceived as new by an individual or other unit of adoption. It matters little, so far as human behavior is concerned, whether or not an idea is “objectively” new as measured by the lapse of time since its first use or discovery.

Innovatie gaat dus niet om het nieuwste van het nieuwste, maar om het introduceren van iets nieuws binnen een context.


Als je iets nieuws introduceert in je organisatie, zoals data-gedreven werken, doe je er goed aan om eerst te leren kruipen, daarna pas te gaan lopen, en daarna over te gaan rennen.

Hoe werkt dat in de wereld van data?

Stapsgewijs data-gedreven gaan werken

Als data-gedreven werken nieuw voor je is, moet je klein beginnen. Zoek naar vraagstukken waar je al data voor hebt. Investeer beperkt in technologie of automatisering en investeer veel in je mensen!

In de opstartfase focus je je op deze vraag:

Is mijn organisatie in staat om o.b.v. data acties te nemen?

Wanneer je data gaat inzetten om beslissingen te ondersteunen, dient diegene die de beslissing neemt daarmee overweg te kunnen: kan die persoon of dat team wel overweg met een suggestie vanuit data? Passen zij het gedrag aan?

Het antwoord op deze vraag bepaalt of data-gedreven werken Ć¼berhaupt zin heeft. Het is daarom slim om dit eerst te valideren. En dit is prima te doen met eenmalige en handmatige data analyses.

Het verkennen van data en toepassen van uitkomsten

Als we terugkijken naar de eerdere figuur, kunnen we de twee delen links en rechts van de analyse een naam geven: verkenning en toepassing.

In de beginfase zal al het werk handmatig plaatsvinden, we maken dit visueel door een solide lijn te tonen:

In deze fase onderzoek hoe je data kan inzetten in je organisatie en of de uitkomst van een data analyse enig effect heeft.

Automatiseer je successen

Naarmate je meer ervaring opdoet met data analyses, leer je wat er werkt. Als een analyse waardevol en bruikbaar blijkt, kan je investeren in automatisering.

Omdat je nu weet welke data relevant is om je organisatie van de juiste kennis te voorzien, automatiseer je de verkenning. We maken dit visueel m.b.v. een stippellijn:

Er zijn situaties denkbaar waarin ook de stap van kennis naar actie automatisch verloopt. Denk maar eens aan productaanbevelingen in een webshop. Deze worden veelal volledig automatisch berekent en getoond!

Data-gedreven werken: begin klein en automatiseer successen

Laten we even samenvatten wat ik hier besproken heb.

Data-gedreven werken komt neer op het vertalen van data naar kennis Ć©n het inzetten van deze kennis om betere beslissingen te nemen.

Begin je met data-gedreven werken? Valideer dan eerst of je organisatie in staat is om te werken met deze nieuwe vorm van kennis: is er bereidheid om beslissingen te onderbouwen met data?

Blijkt er waarde in je analyse te zitten? En worden er beslissingen mee ondersteund? Onderzoek dan hoe je de analyse kan automatiseren.

Er ontstaat zo een systeem waarbij je stapsgewijs data-gedreven gaat werken:

  1. Start met handmatige analyses: onderzoek hoe data je organisatie kan helpen.
  2. Valideer toepassingen: onderzoek of collegaā€™s, teams en afdelingen in staat zijn om zijn keuzes te maken o.b.v. data.
  3. Automatiseer successen: is je analyse een succes? Investeer dan in automatisering en maak zo tijd vrij voor nieuwe onderzoeken.

Wil jij data-gedreven werken en zoek je hulp?

Neem dan contact met me op voor een vrijblijvende kennismaking.