Berichten

Doughnut Economics

Sturen op KPI’s op wereldschaal: de donuteconomie

/in , /door

Op dit moment ben ik me aan het verdiepen in het sturen op KPI’s op wereldschaal. Dat doe ik aan de hand van het boek van Kate Raworth: Donuteconomie (Doughnut Economics).

Raworth stelt in haar boek dat de wereld is geframed om te denken in termen van immer voortdurende groei van slechts 1 KPI: het bruto binnenlands product. Terwijl onze welvaart of welbevinden (het doel) natuurlijk helemaal niet plat valt te slaan in 1 KPI. In de woorden van Raworth: we hebben een heel dashboard aan indicatoren nodig om te zien hoe het met ons en met de wereld gaat. In een zeer overtuigende TED-talk noemt ze het uitgangspunt van eeuwigdurende groei een ‘flight of fancy’.

Zij presenteert daarom het beeld van de donuteconomie*, waarin we moeten zoeken naar de sweet spot tussen aan de ene kant het sociale fundament van welzijn waar niemand onder mag zakken, en aan de andere kant het ecologisch plafond dat de maximale druk op de planeet weergeeft.

Haar kijk op de wereldeconomie en het herformuleren van economische doelen en KPI’s betekent voor mij het loslaten (of afleren) van een aantal zeer ingesleten economische paradigma’s. En dat is heel spannend. Het ter discussie stellen van je eigen paradigma’s levert immers vaak de beste inzichten op.

* In de introductie van haar boek benadrukt Raworth de kracht van beelden: het opnieuw tekenen van de plaatjes van de economische wetenschap
. 

KPI killer – een theaterstuk over perverse effecten van KPI’s

/in , /door

Laatst kreeg ik een link toegestuurd van iemand die mijn diepgaande aversie tegen de perverse effecten van KPI’s kent.

Ik heb daar in het verleden al vaker over geschreven (zie bijvoorbeeld mijn blogpost over het dieselschandaal bij VW). Nu is er een gezelschap onder de naam Songs on the eve of dismissal, dat een theaterstuk gaat maken over de perverse prikkels van KPI’s.  Iedereen wordt uitgenodigd zijn eigen ervaringen met contra-productieve KPI’s te delen. Deze worden dan (anoniem) verwerkt in het theaterstuk. Delen doe je op de pagina van KPI-killer. Doen!

 

self-service analytics

Self-service analytics is niet alleen een technisch vraagstuk

/in , /door

Self-service analytics zou de nadelen van – vaak logge – centraal geleide BI moeten ondervangen. De vraag is of dat wel lukt. Het succesvol implementeren van self-service analytics is veel weerbarstiger dan vaak wordt gedacht. Maar als je weet waar je op moet letten heeft self-service analytics wel degelijk grote toegevoegde waarde.

Exceldorado heerst nog altijd

Ondanks dat business intelligence (BI) als vakgebied inmiddels volwassen is geworden, heerst in veel organisaties nog Exceldorado: een jungle van losse, vrijwel onbeheerbare spreadsheets met vaak bijna, maar net niet helemaal dezelfde inhoud.

Dit is niet helemaal verwonderlijk, gezien de nadelen van ‘corporate BI’: lange ontwikkeltijden van nieuwe informatieproducten, inflexibele oplossingen en een bureaucratisch beheer door het (moeten) volgen van regels, procedures en standaarden. Allemaal dingen waar je als eindgebruiker niet op zit te wachten wanneer je snel een rapportage nodig hebt. De verleiding om dan maar snel even een Excel-rapportje te maken is dan groot.

Is dat erg? Ja, dat is erg. Het is verspilling van tijd en geld. Het kost veel tijd (vaak verborgen tijd van medewerkers in de business) om al die losse Excel-rapportages te maken en te onderhouden. Het is bovendien foutgevoelig, er is veel risico op slechte datakwaliteit, er is veel dubbele content en de verwarring over definities ligt op de loer.

Self-service analytics overbrugt de kloof

De oplossing voor deze kloof tussen eindgebruiker en corporate BI wordt steeds meer gezocht in een zelfbedieningsconcept voor business intelligence en analytics: self-service analytics. Eindgebruikers krijgen daarmee de mogelijkheid om met een gemakkelijk te hanteren BI-tool snel hun eigen rapportages en analyses te maken. Ze zijn niet meer afhankelijk van IT om rapporten voor ze te maken en kunnen daarmee veel sneller en flexibeler voorzien in hun eigen informatiebehoefte.

Klinkt goed, toch? Zeker. Ik denk alleen dat veel van de self-service implementaties zullen uitdraaien op een moderne versie van Exceldorado. Eindgebruikers krijgen de beschikking over data en een self-service BI-tool en gaan daarmee losse, vrijwel onbeheerbare rapporten met vaak bijna, maar net niet helemaal dezelfde inhoud maken. Hé, waar zagen we dat eerder?

Dezelfde chaos, maar dan in een nieuwe tool. Per saldo zijn we dan niets opgeschoten.

Self-service analytics implementeren is geen technisch vraagstuk

De spagaat van self-service is dat je aan de ene kant alle gebruikers het roer in handen wilt geven, terwijl je aan de andere kant wilt voorkomen dat het een chaos wordt. Een manier om uit deze ongemakkelijke spagaat te komen is het beperken van de data of van de mogelijkheden en functionaliteit van de self-service tool, zodat gebruikers geen domme dingen kunnen doen. Dit is echter noch een goede noch een structurele oplossing. Het is een technische oplossing voor een niet-technisch probleem. Bovendien gaan gebruikers dan toch weer hun eigen Excel-bestanden creëren en zijn we weer helemaal terug bij af.

Succesfactoren van self-service analytics

Het implementeren van self-service analytics is veel meer dan het ter beschikking stellen van een mooie nieuwe glimmende BI-tool. Een nieuwe tool (technisch) implementeren is het makkelijke deel van self-service analytics. Wat veel lastiger is zijn de zaken die self-service analytics tot een succes kunnen maken. Er zijn vele succesfactoren voor self-service analytics te benoemen. Hieronder ga ik in op wat ik de drie belangrijkste succesfactoren vind.

Zonder data governance geen self-service analytics

Self-service analytics en data governance gaan hand in hand. Het is geen goed idee om alle gebruikers ongebreideld maar toegang te geven tot allerlei data en iedereen toe te staan om rapportages te maken die binnen en buiten de organisatie worden gebruikt. Een zekere mate van governance zal altijd nodig zijn. Bijvoorbeeld om te bepalen wie toegang heeft tot welke data en wat die persoon daar mee mag doen. Het afdwingen van compliance-regels van (externe) toezichthouders stelt in sommige organisaties zware eisen aan data governance. Maar ook intern is een goede data governance nodig, bijvoorbeeld om te zorgen dat niet verschillende definities van dezelfde begrippen worden gebruikt.

Organiseer self-service analytics als een community

Een actieve gebruikers-community helpt enorm om de mogelijke nadelen van self-service analytics te ondervangen. Een gebruikersgroep kan onderling tips & trucs uitwisselen, elkaar ondersteunen in het gebruiken van data en van de BI-tool en kennis delen over definities en eerder ontwikkelde informatieproducten. Dit voorkomt dat iedere gebruiker weer het wiel gaat (of moet) uitvinden.

Dit is makkelijk gezegd, maar niet eenvoudig uit te voeren. Dit moet georganiseerd worden, onder meer door het bieden van een platform om kennis en ervaring uit te wisselen en om onderling te communiceren en door het aanstellen van super-users, data-stewards, data-ambassadeurs, of welke benaming je maar wilt hanteren. Het enthousiast krijgen van gebruikers voor een actieve deelname aan een dergelijke community vergt vasthoudendheid. Maar als het eenmaal deel uitmaakt van hun normale werkproces onderhoudt de community zichzelf.

Bied centrale ondersteuning waar nodig

Self-service analytics is nooit helemaal zelfbediening. Gebruikers zullen altijd enige mate van ondersteuning nodig hebben. Op welk gebied, dat is erg afhankelijk van de organisatie en van de gebruiker. Maar in veel gevallen zal de BI-afdeling nog veel datapreparatie voor zijn rekening nemen. Ook hulp bij het maken van (de meer complexe) rapportages zal vaak nodig zijn, net als het geven van training in het gebruik van de BI-tool. En vergeet ook niet dat de analisten van de BI-afdeling kunnen helpen bij het helder krijgen van de informatiebehoefte van gebruikers. Dit houdt in dat de BI-afdeling actief de business moet benaderen om te bepalen op welke manier ze het beste de business kunnen helpen.

Betrokkenheid van alle partijen

Het aanbieden van self-service analytics is geen bedreiging voor een bestaande BI-afdeling die gewend is zelf alle rapportages en dashboards voor gebruikers te ontwikkelen. De inhoud van het werk zal echter wel veranderen. Implementatie van self-service analytics vraagt grote inspanning van de BI-afdeling in het ondersteunen van gebruikers, het opzetten en stimuleren van een gebruikers-community en het organiseren van data governance. Het vereist vooral ook grote betrokkenheid van de eindgebruikers van self-service analytics.

 

 

 

Free Frogs illustratie 3 werelden IBCS

Combineer het beste van 3 werelden met IBCS

/in , /door

Kortgeleden was ik aan het bijpraten met een oud-collega. Hij vertelde dat medewerkers van zijn BI-afdeling zich gingen verdiepen in IBCS. In wat? IBCS? Die afkorting kende ik nog niet. Het blijkt te staan voor International Business Communication Standards.

Puntje van m’n stoel

Ik zat bij zo’n naam eerlijk gezegd niet onmiddellijk op het puntje van mijn stoel. Ik weet niet wat het is, maar ik word doorgaans erg onrustig van standaarden. Misschien komt het door eerdere negatieve ervaringen met rigide regels, standaarden en procedures die hun doel voorbij schieten. Of misschien ben ik gewoon te eigenwijs om me aan standaarden te houden. Maar mijn interesse werd behoorlijk groter toen ik ontdekte dat IBCS het gedachtengoed van onder andere Barbara Minto en Stephen Few heeft geadopteerd.

Barbara Minto is de bedenker van The Pyramid Principle (dé manier om een tekst of presentatie goed te structureren) en ik propageer haar methode al jaren. Stephen Few is een van de meest vooraanstaande denkers op het gebied van visualiseren van data op zo’n manier dat de informatie zo goed mogelijk aan de lezer wordt overgebracht. Zijn denkbeelden zijn voor mij al heel lang de basis bij het ontwerp van rapportages en dashboards.

Het overbrengen van de boodschap

Zowel Minto als Few houden zich dus bezig met de beste manier om een boodschap over te brengen. De een door het aanbrengen van structuur, de ander door een goede visualisatie. De combinatie van beide is voor mij enorm interessant.

Wat IBCS hier nog aan toevoegt is een uniforme notatie in tabellen en grafieken, zodat interpretatie over meerdere rapporten, dashboards en organisaties heen eenduidiger en dus makkelijker wordt.

Wat mij betreft brengt IBCS het beste van 3 werelden bij elkaar: structuur, vormgeving en uniforme notatie. Verplichte kost voor iedereen die rapportages en dashboards ontwerpt of bouwt!

Begrip gaat boven kennis

En natuurlijk geldt hier ook weer wat voor elke standaard geldt: het is belangrijker om te begrijpen wat de redenering achter de standaard is, dan alleen maar zonder na te denken de regeltjes toe te passen.

IBCS is een Creative Commons Project. Kijk voor meer informatie en aanmelden voor gratis lidmaatschap op de website van IBCS.

 

 

Informatieanalyse soft skills

Informatieanalyse: zonder soft skills kun je wel inpakken

/in , /door

Zonder de juiste consultancy-vaardigheden (soft skills) kun je als informatieanalist voor business intelligence wel inpakken. Technieken en methoden zijn hartstikke handig, maar bepalen niet of je uiteindelijk een goede informatieanalyse hebt gedaan. Daar zijn andere vaardigheden voor nodig.

Tips voor informatieanalyse

Een tijdje geleden kreeg ik de vraag of er nog goede tips zijn voor informatieanalyse op het gebied van business intelligence. Nu ben ik veel jaren actief geweest als business- en informatieanalist, dus de vraag was zo gek nog niet. Het antwoord is echter niet eenvoudig.

Technieken voor informatieanalyse binnen BI zijn er natuurlijk wel. Ik ben zelf bijvoorbeeld erg voorstander van BEAM. Maar volgens mij is dat uiteindelijk niet wat het succes van een informatieanalist bepaalt. Voor mij bepaalt het hebben van de juiste consultancy-vaardigheden het succes van een informatieanalist.
Ik heb weleens als de belangrijkste eigenschap van een informatieanalist genoemd: het stellen van de juiste domme vragen. Dat gaat enerzijds over de inhoud (de juiste vragen stellen), maar vooral ook over de attitude: precies willen weten hoe het zit. Ik noem dat de domme vragen stellen; ‘hoe zit dat precies?’

Soft skills zijn cruciaal

Nu denk ik dat het stellen van de juiste domme vragen heel belangrijk is en het gestructureerd vastleggen van de resultaten (met bijvoorbeeld BEAM als methode) ook. Ik heb echter de overtuiging dat je als informatieanalist zonder goede soft skills wel kunt inpakken. Heb je die vaardigheden niet, dan moet je gewoonweg iets anders gaan doen.

De vaardigheid is de ander zover te krijgen precies aan jou uit leggen hoe zijn wereld in elkaar steekt. En dat is heel moeilijk te leren, dat moet in je zitten. Al het andere, zoals methoden, technieken is relatief makkelijk aan te leren. Maar consultancy-vaardigheden liggen erg dicht tegen houding / attitude aan en daarmee dicht tegen je overtuigingen.

Overtuigingen veranderen is verschrikkelijk moeilijk, zo niet onmogelijk. Ik heb daarom niet de illusie iemand in een blogpost consultancy-vaardigheden te kunnen leren. Toch heb ik de loop der jaren wel een aantal makkelijk in een gesprek toe passen handigheidjes verzameld.

  • lichaamshouding in het gesprek. Neem in een gesprek een open lichaamshouding aan, dat is vaak een kwart gedraaid ten opzichte van je gesprekspartner. Dat geeft beide de mogelijkheid om elkaar aan te kijken, maar ook om eenvoudig even weg te kijken. Van elkaar aanstaren word je heel snel heel ongemakkelijk.
  • letterlijke herhaling woordgebruik. Probeer exact de woorden van de ander te herhalen. Wanneer je dat doet zal de ander je aardiger vinden en is dan meer bereid is je dingen te vertellen. Uit onderzoek blijkt bijvoorbeeld dat serveersters die de bestelling van de klant letterlijk herhalen meer fooi krijgen dan hun collega’s die dat niet doen *.
  • niet alleen open vragen stellen. Een bekende interviewtechniek is om alleen open vragen te stellen om daarmee je gesprekspartner niet in een bepaald richting te sturen. Ik heb gemerkt dat juist het poneren van stellingen en het presenteren van (veel te) stellige conclusies en samenvattingen nog heel veel nuance kan uitlokken. Open vragen stellen is een heel goed begin, maar in het vervolg kun je beter een beetje gaan ‘prikken’.
  • niet bang zijn voor stiltes. Veel mensen zijn bang voor stiltes in een gesprek en gaan die dan opvullen. Daar kun je gebruik van maken. Als je na een antwoord van je gesprekspartner het idee hebt dat er nog meer kan volgen, kun je natuurlijk een vervolgvraag stellen. Je kunt ook gewoon niets zeggen. De ander denkt dan er nog meer moet komen (want ook hij vindt stiltes ongemakkelijk) en gaat verder met praten.

Het is maar een kleine greep uit de technieken die je kunt toepassen. Ze helpen altijd bij het verhogen van de resultaten uit een gesprek. Maar zonder basis consultancy-vaardigheden red je het alsnog niet. Blijkt dit dus allemaal niet voor jou te werken: ga iets anders doen!

* Zie ‘Het slimme onbewuste, denken met gevoel’, Ab Dijksterhuis, 2008

 

24 mei: Training Management Dashboards voor gemeenten

/in /door

Op 24 mei 2017 geeft Erwin Pilon een training over KPI’s en management dashboards, speciaal voor gemeenten. De training duurt een dag en vindt plaats in Utrecht. Meer informatie en inschrijven via de website van i-BR.

Kanker opsporen met online zoekgedrag?

/in , /door

Dit weekend staat er een interessant artikel in de wetenschapsbijlage van de Volkskrant over de vergaande mogelijkheden van data-analyse. Door het analyseren van internet zoekgedrag zijn onderzoekers van Microsoft in sommige gevallen in staat om vroegtijdig alvleesklierkanker te signaleren.

Bij mij leidt dit artikel tot twee tegenstrijdige gevoelens: enthousiasme en scepsis.

Enthousiasme over de fantastische dingen we nog mogen verwachten van de analyses die mogelijk zijn door onstuimige groei in de beschikbare data.

Maar tegelijkertijd ook scepsis: weten we wel welke conclusies we kunnen en mogen trekken uit die data? Naar mijn idee zit de achilleshiel van ‘advanced analytics‘ in de interpretatie van de resultaten van statistisch onderzoek. Zien we in de data wel wat we denken te zien? De waarschuwende woorden in het artikel van emeritus hoogleraar Van Houwelingen zijn dan ook zeer terecht.

http://www.volkskrant.nl/wetenschap/google-alert-misschien-heeft-u-wel-kanker~a4348377/

Data, puzzels en mysteries

/in , /door

Wat data, puzzels en mysteries betekenen voor de organisatie van analytics.

Donderdagavond was ik bij het Big Data 4.0 event in Amsterdam en luisterde naar een aantal mooie praktijkvoorbeelden van Deloitte. Een van die projecten, dat in de pers veel aandacht heeft gekregen, betrof een analyse naar het aantal banen dat in Nederland verdwijnt als gevolg van de robotisering. Volgens Deloitte zijn dat er miljoenen.

Boeiend verhaal, maar mijn gedachten dwaalden af toen de discussie verschoof naar de vraag welke nieuwe banen door de robotisering juist worden gecreëerd. Is dat dan niet een heel ander type vraagstuk: welke nieuwe banen gaan ontstaan? Nieuw werk, waarvan we nog geen idee hebben. Waarvoor een grenzeloze fantasie nodig is om je het te kunnen voorstellen. Wie kan een analytical model maken als de context en input volslagen onbekend zijn?

Ik herinnerde me een stuk van Gregory Treverton, over het verschil tussen “puzzles and mysteries”. Treverton is chairman van de U.S. National Intelligence Council en legt uit dat in zijn optiek puzzels vraagstukken zijn die, als je maar beschikking hebt tot alle benodigde data, opgelost kunnen worden. Zoals tijdens de koude oorlog de vraag hoeveel raketten de Sovjet Unie bezat. Mysteries daarentegen zijn niet oplosbaar met data. Een mysterie is de vraag welke terroristische aanslagen plaats gaan vinden. Nog meer data helpt in de regel niet om een mysterie op te lossen. Analyse van data is wel een hulpmiddel om de context te begrijpen maar geeft zelf geen antwoord op de vraag.

Mysteries worden getackeld door creatieven en strategen, mensen die niet per sé data literate en data minded zijn. Sterker: die onze liefde voor data zelfs heel saai vinden. Hun werkwijze is volstrekt anders, zij zijn juist enthousiast over methoden als bijvoorbeeld design thinking.

Als dat zo is en als wij met analytics niet alleen puzzels op willen lossen maar ook bij willen dragen aan het onthullen van mysteries, zouden we dan niet uit ons kwantitatieve getto moeten treden? Wordt het geen tijd om ons geloof in “fact-based” decision making te reframen naar “fact supported” decision making? Of, zoals een grote vastgoedbelegger me schetste: vakmanschap (art) met analytics (science) te ondersteunen. En ja: in die volgorde.

Dat lijkt een kleine nuance maar heeft grote gevolgen voor de manier waarop we analytics organiseren. Het betekent dat we analisten niet bij elkaar in een ivoren toren moeten zetten, maar direct naast die vaklui, creatieven en strategen.

Het betekent ook dat wij, data-freaks, ons ten dienste moeten stellen van mensen die niets van cijfers begrijpen. Dat we beter naar hen luisteren en hun manier van denken proberen te snappen. Oef! Hardcore beta’s die zich in het land van de alfa’s begeven.

En Design thinking zou wel eens de brug kunnen slaan tussen deze twee werelden.

 

Free Frogs illustratie Proces KPI's

Sturen op uitkomsten of op oorzaken

/in , /door

KPI’s (kern prestatie-indicatoren) worden veel gebruikt. Helaas wordt er daarbij vaak onvoldoende nagedacht over wat precies de bedoeling is van de KPI, hoe dat het beste meetbaar kan worden gemaakt en wat het effect van het meten is.

Voor een deel komt dat omdat men niet helemaal scherp heeft wat KPI’s nu precies zijn en hoe ze werken. In een presentatie op SlideShare heb ik een aspect van KPI’s uiteengezet, namelijk het onderscheid tussen “leading” en “lagging” KPI’s.

KPI VW motoren

Sturen op de zuinigheids-KPI

/in , /door

Vandaag kwam er weer een goed voorbeeld van perverse effecten van KPI’s (key performance indicator) in het nieuws. Volkswagen heeft in Amerika de verkoop van alle modellen met een viercilinder 2.0 TDI-motor stilgelegd nadat uitkwam dat ze jarenlang hebben gesjoemeld met de tests die meten hoe zuinig een motor is. Auto’s die als heel zuinig uit de test kwamen blijken nu in de praktijk helemaal niet zo zuinig.

Belangrijkste kenmerk van een perverse prikkel is dat je de KPI kunt halen (en de beloning kunt opstrijken), zonder de doelstelling te bereiken.

Als de beloning maar hoog genoeg is en als er voldoende licht zit tussen de KPI (hier de test om het brandstofverbruik op een standaardwijze te meten) en de doelstelling (auto’s die in de dagelijkse praktijk zuinig zijn), ontstaat er een sterke prikkel om – hoe zeg ik dit netjes – de creativiteit de vrije loop te laten. Oftewel – om het maar minder diplomatiek te formuleren – te frauderen.

In het geval van Volkswagen is de prikkel immens: de verkoop van vele, vele auto’s die voldoen aan de zuinigheidsnorm. En de score op die zuinigheids-KPI blijkt nu te beïnvloeden, namelijk met software die herkent of er een test werd afgenomen. Zo kreeg Volkswagen het voor elkaar om de KPI te halen zonder de doelstelling te bereiken.

Pervers.