Business- en dataprofessionals in therapie:
hoe bekom je een perfect huwelijk?
Een doorgedreven data-expertise in je bedrijf is nog geen garantie op sterke resultaten. De kracht van data ligt niet zozeer in het technisch vernuft dat erachter schuilt, maar in de toepasbaarheid voor je business. En daar is taal voor nodig. Hoe beter de wisselwerking tussen je datateam en businessprofessionals, hoe succesvoller je kan werken met data. Maar waarom loopt de communicatie in realiteit dan toch regelmatig spaak? Ormit Talent schuift met beide partijen aan tafel en geeft tips in hoe je een effectieve samenwerking op poten zet.
Waarom is er zo’n grote communicatiekloof tussen business- en data-experts?
Ze spreken een verschillende taal
Dataprofessionals beschikken over een eigen datalexicon, waar managers doorgaans op afknappen. Bovendien groeien datatermen geregeld uit tot containerbegrippen, met heel wat interpretatieproblemen op de werkvloer tot gevolg. Wanneer ondernemingen de stap naar een data-driven business zetten, laten ze data een centrale rol in het besluitvormingsproces spelen. Dat betekent niet noodzakelijk dat iedereen vlotjes Python moet begrijpen, wel dat er nood is aan een gedeelde voertaal.
Businessprofessionals onder- en overschatten de mogelijkheden van data
Businessprofessionals weten vaak niet hoe het dataverwerkingsproces precies in elkaar zit. Zo vormen ze een eigen idee van welke specialiteit ieder dataprofiel heeft en wat voor soort inzichten het datateam met het bedrijf kan delen. Daardoor komt het resultaat niet altijd overeen met de verwachtingen. Wat voor een manager op papier misschien een simpele opdracht lijkt, vergt in werkelijkheid gesofisticeerde analysetechnieken of is soms zelfs helemaal niet realiseerbaar.
Maar het omgekeerde is evengoed waar. Data science biedt een waaier aan opportuniteiten om processen in je organisatie te automatiseren. Toch zijn er slechts weinig managers die hiervan op de hoogte zijn of vanuit bepaalde assumpties afhaken. Bijvoorbeeld: AI werd in de technologiesector aanvankelijk voorgesteld als een hyperefficiënt alternatief voor tijdsintensieve menselijke taken. In de praktijk bleken de resultaten eerder tegenvallend. Die ervaringen creëerden bij veel bedrijven een aversie om in data-analyses met AI te werken. En dat is een gemiste kans. AI biedt een waardevol rationeel complement voor het besluitvormingsproces … Als je weet hoe het te gebruiken.
Het datateam heeft moeite om businessvragen goed te capteren
Managers formuleren hun opdrachten voor het datateam dikwijls in termen van challenges, doelstellingen of ideeën. Hiervoor baseren ze zich onder meer op hun eigen intuïtie, observaties en vragen van de markt. Dataprofessionals hebben meestal minder voeling met het werkveld, waardoor de concrete verwachtingen van de opdrachtgever niet makkelijk te definiëren vallen. Hierdoor bestaat het risico dat een dataproject slechts op een deel van de vraag inspeelt en dus voor de stakeholders tekortschiet. Het gevolg? Een groeiende frustratie tussen het data- en businessdepartement. Kortom, hoog tijd voor een goed gesprek!