Datacratisch raamwerk | Overleef de 4e industriële revolutie

De 4e industriële revolutie & datacratisch werken

Geschreven door

De 4e industriële revolutie verandert niet wat we doen, maar het verandert ons.

Hoe ga je sneller leren en verbeteren?

Als je de noodzaak onderschrijft om sneller te leren en sneller te verbeteren komt onvermijdelijk de vraag: hoe doe je dat nu: sneller leren, je sneller aanpassen, sneller verbeteringen doorvoeren? De sleutel hier is het slim gebruik van data en die consequent aan alle stappen van de PDCA-cyclus toe te voegen. Zo ontstaat een datacratisch raamwerk, waarvan de twee hoofdcomponenten al direct terugkomen in de term “Datagedreven verbetercirkels”. De eerste hoofdcomponent gaat over datagedrevenheid. De tweede hoofdcomponent betreft het gebruik van data in verbetercirkels.

Data als enabler

Hoe kom je nu uit de plan-do-plan-do-sequentie, die zoveel lijnorganisaties kenmerkt? En hoe werk je nu toe naar een organisatie waarin versneld leren en verbeteren mogelijk is? De techniek helpt hier een handje. Door data inzichtelijk te maken en deze inzichten terug te koppelen aan mensen in de uitvoering, ontstaat er direct veel meer urgentie om te willen verbeteren. Dit is de eerste belangrijke hoofdcomponent van het datacratisch raamwerk. Die data kan hightech verkregen worden, zoals we o.a. zullen zien in de case van de gemeente Rotterdam, of in eerste instantie lowtech door handmatig na te gaan wie of wat nu van invloed is op de dienstverlening.

Start met historische data

Historische data neemt hierbij een bijzondere plek in. Het is in dit verband opmerkelijk dat veel organisaties die met big data en data analytics aan de slag gaan met een clean sheet starten, zonder zich te verdiepen in de aanwezige historische data. Historische data vertelt echter heel veel en vormt als het ware de basis.

Die historische data zorgt ervoor dat je de causaliteiten en de bandbreedte van alle datacomponenten kunt leren kennen. Vanuit deze causaliteiten is bijvoorbeeld trendmatig en dynamisch te zien welke marketinginspanningen iemand moet leveren om een x aantal extra klanten te krijgen. Op die manier vormt de analyse van historische data de basis voor datacratisch werken.

Een lowtech oplossing is niet verkeerd

Om met datacratisch werken te beginnen, is starten met een lowtech oplossing niet verkeerd. Wat mij opvalt is dat bedrijven die eenmaal de vruchten van datacratisch werken beginnen te plukken, dit ook systematisch willen doorzetten in het gehele bedrijf. Als ze de zoete smaak van datacratisch werken geproefd hebben, dan zijn ze direct verslaafd.

Ze beginnen in te zien dat ze een dief van hun eigen portemonnee zijn als ze de goede vruchten op de ene plek niet ook op andere plekken laten groeien. Op dat punt blijkt vervolgens dat een lowtech aanpak per definitie niet schaalbaar is. Tel daar de foutgevoeligheid en de arbeidsintensieve aanpak bij op en dan blijkt dat in de praktijk de lowtech start al snel plaatsmaakt voor een upgrade naar een hightech oplossing.

Veiligheidsregio Noord-Holland Noord

Maar of je nu in eerste instantie handmatig alle werkprocessen die aansluitend op elkaar plaatsvinden achter elkaar zet (de start bij Veiligheidsregio Noord-Holland Noord) of alle bewegingen van jeugdwerklozen in een groot model stopt met meer dan een miljoen cases (gemeente Rotterdam), dat maakt niet uit. Door de data met elkaar te verbinden en in samenhang te gaan bekijken op dashboards, vindt er een eerste vorm van objectivering plaats: wat is er eigenlijk gaande? Alleen al deze terugkoppeling van data zorgt voor een verhoogd bewustzijn bij je mensen. Met een dashboard kan je – mits goed ingericht en van hoge kwaliteit – snel beoordelen of de organisatie nog op koers ligt. Ook kun je in één oogopslag zien of er zich problemen in je organisatie voordoen en waar.

De databesliskloof

Daarnaast geldt in toenemende mate dat organisaties wel iets zullen moeten met data. De hoeveelheid data neemt namelijk schrikbarend toe, terwijl de tijd om te beslissen in organisaties juist afneemt door de dynamiek. Het verschil daartussen is wat ik wel de groeiende databesliskloof heb genoemd (zie onderstaande figuur). Organisaties die hier datacratisch, dus datagedreven verbeterend, op voorbereid zijn, zullen snellere én betere beslissingen kunnen nemen die gebaseerd zijn op grote hoeveelheden feitelijke data.

De databesliskloof gevisualiseerd
Figuur 1: De databesliskloof gevisualiseerd (Van Beek, 2018; eerste druk: 2004).

Van data wordt wel eens beweerd dat het – naast de drie klassieke productiefactoren (natuurlijke hulpbronnen, arbeid en kapitaal) – de vierde productiefactor in een organisatie wordt, (Loohuis, 2014). Ik ga een stapje verder: data is de eerste productiefactor geworden. Onze maatschappij evolueert in rap tempo naar een servicemaatschappij. Dan gaat het primair steeds minder om natuurlijke hulpbronnen.

Arbeid wordt vervangen door robots en en algoritmes

Menselijke arbeid wordt op steeds meer plaatsen vervangbaar door robots, algoritmes en kapitaal krijgt een andere rol in een maatschappij die op steeds meer plekken de kenmerken gaat vertonen van een zero marginal cost society. In een dergelijke maatschappij draait het in steeds mindere mate om het paradigma van investeren versus renderen. Wat overeind blijft en juist in waarde toeneemt, dat zijn datastromen. Niet voor niets breiden partijen als het Centraal Boekhuis – oorspronkelijk werkzaam in het boekenvak – hun diensten via hun ervaring met data analytics relatief eenvoudig uit naar de zorg en andere sectoren.

De vierde industriële revolutie

Data is ook de sleutel in de vierde industriële revolutie. De eerste industriële revolutie kenmerkte zich voornamelijk door water- en stoomkracht, waardoor het mogelijk werd om productie te mechaniseren. In de tweede industriële revolutie was elektriciteit de enabler en maakte deze massaproductie mogelijk. In de derde industriële revolutie ging het om elektronica en IT waardoor productie kon worden geautomatiseerd. De vierde industriële revolutie bouwt voort op de derde, maar heeft een aantal eigenstandige kenmerken, waardoor deze toch wordt gezien als de volgende revolutie en niet als uitloper van de derde.

Snelheid, scope en impact

Het zijn met name de snelheid, scope en de impact op het systeem die de vierde industriële revolutie kenmerken. De snelheid van de huidige ontwikkelingen verloopt veel meer exponentieel dan lineair. Deze vierde industriële revolutie brengt digitale, fysieke en biologische systemen bij elkaar. Natuurlijk leven en kunstmatig leven vermengen zich op steeds meer plekken tot een blend. ‘Een van de eigenschappen van deze vierde industriële revolutie is dat het niet verandert wat we doen, maar het verandert ons,’ aldus Klaus Schwab, oprichter van het World Economic Forum (Schwab, 2016).

Reageer op dit artikel van Daan van Beek

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Een selectie van onze klanten

Word nu ook klant

Wil je ook klant bij ons worden? Wij helpen je maar wat graag verder met datacratisch raamwerk (overleef de 4e industriële revolutie) of andere zaken waar je slimmer van wordt.

Daan van Beek, Eindbaas Passionned Group

DAAN VAN BEEK MSc

Eindbaas Passionned Group

neem contact met mij op

Fact sheet

Aantal organisaties geholpen
2751
Aantal trainingen & workshops
2752
Aantal deelnemers opgeleid
2753
Gemiddelde klantervaring
8,9
Aantal consultants & docenten
2754
Aantal kantoren
3
Aantal jaren actief
14