'Wie een datagedreven organisatie wil, moet datagedreven dóén' - vragen die je jezelf zou moeten stellen
De stap naar meer data-gedreven werken vraagt veel van het leiderschap, niet alleen áchter de schermen, maar vooral ook in de spotlights aldus dataexpert Irma Doze. Ze stelt in deze blog enkele vragen die iedere leidinggevende die een leider wil zijn op het vlak van data, analytics en AI zichzelf zou moeten afvragen.
![Beeld 'Wie een datagedreven organisatie wil, moet datagedreven dóén' - vragen die je jezelf zou moeten stellen](https://www.hrpraktijk.nl/sites/hrpraktijk/files/styles/content/public/datagedreven_hr_irma_doze.jpg?itok=TZU8_dlt)
Door: Irma Doze, dataexpert
Enige tijd geleden mocht ik een wat grotere organisatie ‘doorlichten’ waar een HR-analytics afdeling moeite had om vooruit te komen en op zoek was naar de volgende stap. Vol enthousiasme ging ik in gesprek met de CHRO en de managers van de diverse HR-afdelingen. “Data zijn super belangrijk”, zo beaamden ze allemaal.
'Mijn advies aan de HR-adviseur die een dergelijke opdracht krijgt? “Geef maar terug. Dat wordt trekken aan een dood paard”
Maar toen ik vroeg hoe data werden gebruikt binnen het HR-MT werd het stil. Nee, er waren geen cijfers die werden besproken tijdens het MT-overleg om te zien of ze als HR-domein op de goede weg waren. Nee, het gemiddelde voorstel dat werd ingebracht in het MT was niet of nauwelijks onderbouwd met cijfers en de CHRO vroeg er eigenlijk ook niet om.
Vind je het gek dat de rest van de HR-organisatie nauwelijks data gebruikte in hun dagelijkse werk en in hun adviezen? Laat staan dat de echte kracht van data en AI werd gebruikt om processen slimmer te maken en te optimaliseren. Met de volgende stappen maak je het verschil:
1. Draag je visie uit en creëer urgentie
De eerste stap in ieder verandermodel, of je nou het model van Kotter, van Lewin of van Hiatt volgt, bestaat uit het creëren van een visie op de gewenste toekomst en het communiceren daarvan door het management.
Een visie op het gebruik van data, daar ontbreekt het niet eens zo vaak aan in de organisaties, althans op papier. Het daadwerkelijk (continu) uitdragen van deze visie en het creëren van een gevoel van ‘urgentie’, dát mis ik vaak. Mensen inspireren en aanmoedigen iets te gaan doen met data, dat is hoe ik het verschil zie tussen een leidinggevende en een echte leider. En het communiceren moet uiteraard niet eenmalig zijn, maar ook consistent en helder, om chaos en miscommunicatie te voorkomen.
2. Stel de juiste en voldoende middelen ter beschikking
Als het juiste klimaat is gecreëerd dan kan de gemiddelde leider het prima aan enkele enthousiaste stakeholders overlaten om een plan van aanpak te creëren. Zij kunnen de organisatie (laten) doorlichten op alle randvoorwaarden (hoe gaan we het operating model inrichten? Hebben we toegang tot goede data, hebben we de juiste tools, hebben we afspraken over privacy en security, hebben de mensen de juiste competenties, enzovoort) en op basis daarvan, én de ambitie uiteraard, een roadmap opstellen voor het verandertraject?
Maar dan komt het stokje toch weer terug bij het management. Nu zal moeten blijken: Is het voor hen eigenlijk toch gewoon een ‘hype’, waar ze ook iets mee willen. Of zijn ze echt ervan overtuigd dat data hen kunnen helpen. Dit zien we aan de prioriteiten die worden gesteld als de budgetten verdeeld moeten worden.
Maar ook aan de manier waarop het verandertraject wordt vormgegeven. Te vaak zie ik dat een HR-businesspartner wordt belast met het onderwerp en dit ‘erbij’ mag gaan doen (en dus ook zonder budget). Mijn advies aan de HR-adviseur die een dergelijke opdracht krijgt? “Geef maar terug. Dat wordt trekken aan een dood paard”.
'Datagedreven werken is geen projectje, maar een serieuze cultuurverandering'
Uiteraard begrijp ik heel goed dat operationele problemen en systemen soms voorrang moeten krijgen en dat een reorganisatie, verhuizing of fusie eerst aandacht behoeft. Datagedreven werken is echter geen projectje, maar een serieuze cultuurverandering, dus begin er pas aan als de organisatie er klaar voor is en de ruimte heeft om er (blijvend) geld en resources voor vrij te maken.
Zelfs als er budget beschikbaar wordt gesteld en mensen worden vrijgemaakt, aangenomen of ingehuurd om aan de slag te gaan, dan zijn er nog vaak hindernissen te overwinnen, waar gedreven managers kunnen helpen. Zoals het beschikbaar stellen van de benodigde tools (door IT) en de toegang tot de relevante gegevensbronnen (ook vaak door IT of externe leveranciers).
3. Wees de beste versie van jezelf
Aan de slag gaan met data, dat kunnen veel gespecialiseerde vakmensen vaak beter dan menig leidinggevende. Laat dat dus ook gerust over aan de experts en de vooroplopende enthousiastelingen. Natuurlijk moeten er zaken worden ingericht en moeten mensen worden getraind en gecoacht. Allemaal prima.
'Leiders zijn het levende bewijs van het gedrag dat binnen de organisatie wordt verwacht'
Maar opnieuw staat of valt het uiteindelijke succes met het leiderschap van de leidinggevenden. Een leider toont het goede voorbeeld. Hij of zij is het levende bewijs van het gedrag dat binnen de organisatie wordt verwacht. Dit betekent dat ook een leidinggevende zijn/haar competenties ten aanzien van data tegen het licht moet houden.
Iedere leidinggevende die een leider wil zijn op het vlak van data, analytics en AI zou zichzelf het volgende moeten afvragen:
- Heb ik de kennis om data strategisch in te zetten? Begrijp ik de waarde van data en analytics voor mijn eigen organisatieonderdeel en voor de organisatie in z’n geheel? Ben ik in staat kansen te spotten voor het gebruik van data om mijn doelstellingen te ondersteunen?
- Ben ik voldoende op de hoogte van de ‘rand’zaken die erbij komen kijken? Ben ik (enigszins) bekend met de nieuwste technologieën en tools op het gebied van data en analytics? En ben ik me voldoende bewust van ethische en privacy-kwesties? Weet ik wat we als organisatie wel en niet mogen en (vooral) willen doen met data?
- Ben ik zelf voldoende data-vaardig? Heb ik een goed begrip van de basisbegrippen en terminologie rondom data, analytics en AI? Weet ik waar data vandaan komen en welke fouten kunnen voorkomen door de manier van verzamelen en opslag van data? Hoe staat het met mijn eigen vermogen om gegevens te analyseren, de basisstatiek regels toe te passen en, vooral, het herkennen van valkuilen daarbij? Heb ik het vermogen om te beoordelen of de conclusies die worden getrokken uit gegevens geldig en betrouwbaar zijn? En kan ik deze, tot slot, op een begrijpelijke manier overbrengen?
Gedrag van een leider
Het is echter niet alleen het hebben van kennis en kunde dat een leider onderscheidt van een leidinggevende. Dat is toch vooral het gedrag dat iemand daadwerkelijk laat zien. Wat je wilt zien van een leider is persoonlijke toewijding aan het gebruik van data, analytics en AI. Dit uit zich bijvoorbeeld in het ervoor open staan om nieuwe mogelijkheden te verkennen en te experimenteren met het gebruik van gegevens.
En natuurlijk volgt een goede leider zelf ook de data, ook als de resultaten niet overeenkomen met het eigen onderbuikgevoel of minder goed uitkomen met de richting die hij/zij op had willen gaan. Natuurlijk altijd met een kritische blik blijven kijken, want ook data en zeker voorspellende analyses zijn niet waterdicht. Maar het is uiteraard funest als bij de eerste de beste analyse het management besluit om de resultaten van een analyse of een onderzoek volledig te negeren.
In de spotlights
Zoals iedere cultuurverandering vraagt de transformatie naar datagedreven werken dus best veel van het leiderschap. Niet achter de schermen, maar vooral ook in de spotlights. Het is daarbij belangrijk voor leiders om transparant te zijn over hoe beslissingen worden genomen en hoe gegevens worden gebruikt in het besluitvormingsproces. Dit helpt anderen vertrouwen te krijgen in de datagedreven aanpak. En natuurlijk is het vooral in de eerste jaren belangrijk om te laten zien hoe gegevens zijn gebruikt om problemen op te lossen en doelen te bereiken. Daar wordt iedereen blijer van!