The Lean Startup kwam uit in 2011. Ik las het in 2018 en ik heb de ideeën in het boek sindsdien nooit los kunnen laten. De wereld van startups fascineert me. Met name de flexibele en data-gedreven manier van werken spreekt me aan.

Maar omdat ik zelf niet bij een startup werkte, vroeg ik me wel eens af:

Wat kan je ermee als je niet bij een startup werkt?

Tijdens mijn werk als data en business analist leerde ik gaandeweg hoe ik concepten uit de Lean Startup kon toepassen. In dit artikel ga ik in op mijn favoriete concept uit het boek, de Feedback Loop, en wat dit kan betekenen voor analytics teams in grote organisaties.

Maar eerst gaan we terug naar 2014.  

Google Analytics en nieuwe e-commerce rapporten

In 2014 bezocht ik een evenement over Google Analytics. Het was het jaar waarin Google de nieuwe enhanced e-commerce rapporten aangekondigde; een manier om gedrag op een e-commerce website met meer detail te meten.

Vol enthousiasme keerde ik terug van het evenement. Ik vertelde collega’s van het online marketingbureau waar ik destijds werkte over de aankomende update.

Mijn toenmalige teamleider was echter niet enthousiast. Onbegrijpelijk vond ik het. We keken vrijwel altijd op dezelfde manier naar analytics ontwikkelingen. Maar dit keer niet? Hoe dan?

Volgens hem zouden bedrijven die dergelijke, geavanceerde e-commerce data nodig hadden, al lang met die data werken. Die hebben daar geen nieuw rapport van Google voor nodig.

Maar ik dacht alleen maar:

“Dit is vet. Dit is nieuw! Dit moeten we doen!”

Het duurde even, maar inmiddels snap ik denk ik waar mijn teamleider op doelde.

De Feedback Loop

Terug naar de Lean Startup. De Feeback Loop is een simpel concept.

Je bouwt een product, je meet wat gebruikers doen, en op basis van de metingen leer je meer over de werking van je product. Op basis van je opgedane kennis herhaal je het proces. Je past je product aan, meet de invloed van de aanpassingen, en doet nieuwe kennis op.

Dit herhaal je. En herhaal je. En herhaal je.

Het is simpel.

Data analyse is een essentieel onderdeel van dit proces. Je legt immers data vast, je analyseert die data en verbetert zo je product.

Maar wat als we data analyse an sich je product is?

Hoe zet je je diensten als analytics team effectief in binnen een grote organisatie?

Het risico van data- en tool-gedreven organisaties

Voordat ik daarop inga, wil ik even stilstaan bij het risico van data-gedreven werken. Deze manier van werken stelt dat je beslissingen neemt op basis van data, of tenminste laat ondersteunen door data.

Op zich een goed idee, maar er schuilt een gevaar in. De data-gedreven aanpak suggereert dat data objectieve kennis bevatten die je organisatie altijd ten goede zal komen.

Als we naar de Feedback Loop kijken, lijkt het te zeggen dat als je een product bouwt en voldoende doormeet, als je maar genoeg data vastlegt, de kennis wel tot je zal komen. Data zorgen voor verbetering. Met andere woorden: de kennis die je opdoet ontstaat uit je data.

Organisaties zijn daarom geneigd om veel data vast te leggen.

Het is niet gek dat dit gedachtegoed resulteert in data maximalisme. Het is immers steeds goedkoper om data op te slaan, tools bieden steeds meer mogelijkheden om data vast te leggen én er zijn steeds meer tools waar je data heen kan sturen. Met zoveel data, moeten de antwoorden wel tot ons komen.

Tools kunnen net als data een leidende rol spelen bij het data-gedreven werken. Als we mijn ervaring met de enhanced e-commerce rapporten van Google als voorbeeld nemen, kan een organisatie besluiten deze data vast te leggen omdat de tool het aanbiedt.

Maar, zoals mijn teamleider destijds al zei, als het echt van strategisch belang is, zal een organisatie daar niet op wachten. Ze verzinnen zelf een manier om met die data te werken, of het nu in een officieel rapport valt of niet.

De Feedback Loop biedt een uitkomst voor zowel het risico van data-gedreven werken als het tool-gedreven werken. Je moet de loop alleen even omdraaien.

De omgekeerde Feedback Loop

Als we de Feedback Loop omdraaien, nemen we het eindpunt, leren, als startpunt. Er ontstaat zo een subtiel maar interessant verschil in de werking van de loop:

We gaan nu uit van leren, kijken daarna naar meten, en sluiten af met bouwen.

Het nieuwe startpunt is dus leren! Dit ogenschijnlijk kleine verschil heeft grote impact. Wanneer we leren centraal stellen voor analytics teams (en organisaties), stellen we kennis centraal:

1. Leren: stel eerst vast wat je wil leren over je gebruikers, product of dienst.
2. Meten: ga na welke informatie (metingen) je nodig hebt om die kennis op te doen.
3. Bouwen: pas je product zo aan dat je de benodigde gegevens kan vastleggen.

Dit zorgt ervoor dat wat je bouwt en meet uiteindelijk bijdraagt aan de kennisontwikkeling in je organisatie.

Zo werk je niet data-gedreven, maar kennis-gedreven.

Dat is het centrale thema van de omgekeerde feedbackloop.

Data minimalisme

Een bijkomend voordeel van deze kennis-gedreven mindset, is dat je minder data hoeft vast te leggen. Je kan werken met een set basismetingen. Op basis van kennisbehoefte voeg je hier metingen aan toevoegen.

Heb je de benodigde kennis opgehaald? Dan zet je de extra metingen weer uit.

Je meet zo niet meer dan nodig en dit vermindert de onderhoudskosten van je analytics implementatie.

Werk niet data-gedreven, maar kennis-gedreven

Een bekend Nederlands gezegde luidt: meten is weten. Dit sluit aan bij de data-gedreven mindset: door te meten kom je het antwoord te weten.

In het dagelijks leven kiezen we er echter niet vaak voor om spontaan iets te gaan meten, alleen omdat het kan. Zo zal je niet snel spontaan je woonkamer opmeten. En daarna op basis van de metingen bepalen of je iets met de ruimte gaat doen. Het gaat eerder andersom: je hebt een doel voor ogen met de ruimte. Misschien wil een nieuwe bank plaatsen. Meten helpt je om je plannen af te stemmen op die ruimte. Het plan komt eerst.

Als we het hebben over het meten van data, is de belangrijkere, moeilijkere vraag die je jezelf zou moeten stellen:

Wat willen we eigenlijk weten?

En wat moeten we daarvoor meten? Het zorgt ervoor dat je pro-actief naar je kennisontwikkeling gaat kijken. Niet je data, maar je kennisbehoefte komt centraal te staan.

De omgekeerde Feedback Loop is een simpel middel om de stap te maken naar een kennis-gedreven houding.

Misschien is het tijd voor een nieuw gezegde. Weten wat je wil weten, en dan pas meten.

Willen weten = willen meten.