Data als bedrijfsmiddel

Data als strategisch bezit

Data is voor veel organisaties steeds vaker een strategisch bezit. Als dat zo is, dan hoort data zowel als asset maar dus ook als bedrijfsmiddel op de balans van een organisatie te staan. Ik heb hier eerder over geschreven. Feit is dat die data dan wel ‘gewaardeerde data’ moet zijn die een getrouw inzicht geeft van de waarde van de entiteit die wordt beschreven. Aan data zonder waarde heeft immer niemand iets. Als immateriële activa ook lastig te waarderen, vergelijkbaar met intellectuele rechten zoals licenties, concessies, merken en octrooien.

De herkenning dat data zowel bezit als bedrijfsmiddel is, vraagt specifieke aandacht voor alle aanwezige bedrijfsdata. Niet voor niets zien we steeds meer vacatures voor functies als data-officers, -stewards en -analisten. De aandacht voor ML en AI vergroot deze behoefte extra en is ook vaak de trigger voor het herkennen van het belang van data: het combineren van data tot informatie en kennis levert uiteindelijk de commercieel belangrijke ‘intelligence’ op.

Verantwoordelijkheid bij de top

De verantwoordelijkheid voor een visie over de data-organisatie ligt vanzelfsprekend bij de strategische top. Voor veel bestuurders is data echter nog vaak een beetje technisch – soms zelfs een nerd-achtig – dingetje dat hoort bij datacenter en CIO. Terwijl het als activa juist één van hun belangrijkste bezittingen en hoofdaandachtspunten zou moeten zijn. In een eerdere blog ‘ICT bij de Rijksoverheid: Alice in Wonderland . . .’ sprak ik over de kloof tussen het bestuur en de uitvoering. ICT wordt gezien als tovermiddel waarmee onvolkomenheden in wet of regelgeving kan worden ‘hersteld’. Maar ICT is – mede door standaardisatie via de cloud – juist steeds minder ‘op maat’. En dat stelt dus hogere eisen aan het initiële ontwerp van een wet of een regeling. Een uitdaging voor bestuurders en politici: ICT herstelt onvolkomenheden in het ontwerp steeds lastiger.

De basis van datagedreven werken is dat data los van processen en applicaties, beschikbaar is gemaakt. Dat in de architectuur de datalaag door elk proces en elke gebruiker kan worden benaderd, mits zij toegang tot deze data mogen hebben. Dat vraagt een datacentrische architectuur in tegenstelling tot de vroeger populaire applicatiecentrische architecturen. In het verhaal van de ‘databloem, de schoonheid van datacentrisch denken’ heb ik hier eerder over gesproken. De kern van de databloem zijn actieve data. De processen zijn als bladeren rond die actieve data georganiseerd. Elk proces vertrekt vanuit bestaande data en komt daar met nieuwe data weer in terug. De basis van datacentrisch denken. De processen zullen uiteindelijk – net als kroonbladeren – vergaan en zich vernieuwen. Maar de data blijft bestaan en vormt het groeiende erfgoed van de databloem.

Automatisering van de datafabriek

Als data naast asset ook als bedrijfsmiddel wordt beschouwd, moet daar maximaal rendement uit worden gehaald. De ontwikkeling van AI is in feite de automatisering van de ‘intelligence’ van een organisatie. Een proces waarbij beschikbare gegevens bedrijfsinformatie wordt die in kennis kan worden omgezet. Het verzamelen, analyseren en statistisch interpreteren van informatie om weloverwogen beslissingen te nemen. Het is vergelijkbaar met de eerdere automatisering van de fysieke fabriek met robots, maar nu van de datafabriek om met ‘bots’ gerichte informatie en kennis te produceren. Bij elke automatisering is organisatie van grondstof en bedrijfsmiddel de kern van het proces. Bij de ontwikkeling van AI is dat dus niet anders. AI kun je zien als een vorm van ‘witte boorden’ productie-automatisering.

Begrijpelijk dat vooral ’intelligence’-organisaties in AI de automatisering van vergaring van data en generatie van informatie herkennen. Begrijpen dat automatiseren zonder visie en architectuur een onbegonnen zaak is. Dat het verbeteren van bedrijfsvoeringsprocessen begint met de basis op orde te hebben: de juiste data als zowel grondstof als bedrijfsmiddel. Het transparant gebruik en hergebruik van data en algoritmes in een zichzelf controlerend proces. Datagedreven werken is de weg naar automatisering van onze uitvoeringsorganisaties.

Innovatie met data als grondstof

Eerder vergeleek ik data met de brandstof voor de motoren van machine learning en AI. Grote modellen hebben immers veel data nodig om te leren en ‘verstoken’ enorme hoeveelheden data als brandstof. De – met data opgebouwde – intelligente bedrijfsmiddelen hebben vervolgens digitale grondstoffen nodig om de gewenste informatieproducten te maken. Ook die grondstof is wederom data. Maar nu als ‘bouwsteen’ voor de uiteindelijk gewenste informatieproducten.

Zoals ik reeds tien jaar geleden schreef, is data het bloed van een digitale samenleving. Een voorwaarde om te kunnen leven, je te ontwikkelen, te communiceren en actief in die digitale maatschappij te kunnen zijn. Data is brandstof én bouwsteen om informatieproducten te maken. En krijgt dus ook als geautomatiseerd bedrijfsmiddel – in de vorm van machine learning en kunstmatige intelligentie – een steeds grotere balanswaarde.

Door: Hans Timmerman (foto)