Blog over Intelligente organisaties

Volgens de theorie van Argyris en Schön kunnen we drie verschillende niveaus van leren onderscheiden. Het gaat hier om single, double en triple loop learning. Aan de hand van een eenvoudig voorbeeld uit de dagelijks praktijk maak ik de verschillen duidelijk.

Al eerder beschreef ik het verschil tussen ontwikkelend leren en ontwerpend leren. Ontwikkelend leren legt de nadruk op dagelijks continu verbeteren, ontwerpend leren focust op innovatie. Er komt een moment dat je totale dashboard groen kleurt, je alles onder controle hebt en alles goed gaat. Beter gezegd: goed líjkt te gaan. Want je moet op tijd de overstap maken van continu verbeteren naar innoveren, want stilstaan is tegenwoordig achteruit hollen. In deze blog vertel ik hoe je als organisatie meer futureproof kan blijven en op welke factoren je dan moet letten.

Ontwikkelend leren en ontwerpend leren lijken elkaar uit te sluiten. Toch vinden in succesvolle, intelligente organisaties beide vormen van leren plaats. Er is altijd ruimte voor het ontwikkelend leren en mocht er zich een kans voordoen vanuit het ontwerpend leren, dan wordt die kans veelal met beide handen aangegrepen.

Het beeld dat opdoemt is dat je steeds vaker de organisatie kunt missen als “connector” tussen jou en de wereld. Je hebt alleen nog een infrastructuur nodig. Maar die infrastructuur is voor een persoon veel te groot om op te tuigen; dat kun je beter laten doen door een datamachine. De afgelopen decennia was productie dé centrale factor. Hieromheen werden de business en de diensten georganiseerd.

Als het aan Passionned Group ligt, staat de komende periode in het teken van een korte, krachtige herbezinning en dan snel doorpakken. Om organisaties hierbij te helpen en te inspireren, lanceert Passionned Publishers het BI-boek ‘De intelligente, datagedreven organisatie’. Een must-read voor iedereen die relevant en up-to-date wil blijven, ook na deze roerige tijden. Leer nu hoe je met data en daadkracht kunt inspelen op nieuwe kansen waar jouw organisatie mee te maken krijgt. Vergroot het immuunsysteem en de weerbaarheid van je organisatie met een evenwichtige cocktail van Artificial Intelligence, Business Intelligence, Data Science en datagedreven werken.

Grip krijgen op de toekomst en de vertaling van futureproof factoren naar de praktijk: hoe doe je dat nu? Neem nieuwe technologie: op korte termijn overschatten we de werking ervan, maar op lange termijn onderschatten we de impact ervan. Alleen een wendbare organisatie kan omgaan met de innovaties die op ons afkomen (Lanting, 2017). Hoe zorg je er nu voor dat je als bedrijf of instelling niet de boot mist? Hoe maak je jouw diensten tijdig datacratisch en je bedrijf toekomstbestendig?

Als jouw koers niet klopt, dan loop je steeds vast. Dan is het prachtig wat je allemaal agile weet op te tuigen, maar dat heeft dan geen enkele zin. Je moet weten waar je naar toe wilt en waarom je op een bepaalde plek uit wilt komen. Met alleen een juiste koers ben je er echter ook nog niet. Om te weten of je op de juiste koers zit en blijft, heb je eenduidige KPI’s en data analytics nodig.

Als je denkt vanuit een allesoverstijgend perspectief, zorgt datacratisch werken voor de (noodzakelijke) overgang van manage­mentgedreven “pappen en nathouden” naar daadwerkelijk datagedreven verbeteren.

Ook in de sport wordt steeds vaker met grote hoeveelheden (big) data gewerkt. Laten we de wereld van voetbal als voorbeeld nemen. Steeds meer voetbalstadions zijn uitgerust met geavanceerde op gps gebaseerde systemen, zoals bijvoorbeeld TRACAB. Dit systeem hangt al in meer dan 125 voetbalstadions, waaronder vele stadions in de Premier League en de Bundesliga. Ze zorgen samen met apparaten zoals accelerometers en hartslagsensoren voor data die de performance en effectiviteit van spelers in beeld brengt (Rejec, 2016).

In het eerste deel van de NPRZ-case beschreef ik hoe de partners uit het programma probeerden mensen weer richting werk te begeleiden. Maar het gaat niet om mensen aan het werk helpen, maar om mensen aan het werk te hóuden. Maar hoe doe je dat? Lees nu deel II van de NPRZ-case.