Datagedreven organisaties zijn significant succesvoller. Het is dus evident dat bedrijven ‘iets’ met data moeten. De uitdaging is hoe ze concrete waarde creëren met interne en externe data. Nu de ontwikkelingen in de markt en de technologie zo razendsnel gaan, is het noodzakelijk om nauw samen te werken met uiteenlopende partners, schrijven Frans Feldberg (VU) en Rob Hoefnagel (Axians).

Afwachten is geen optie meer. Als je als organisatie niets doet met data en analytics, dan word je zeker ingehaald door de concurrentie. Of geconfronteerd met nieuwe concurrenten uit een hoek waaruit je het totaal niet verwacht. Veel organisaties worstelen met de vertaalslag van data naar waardevolle kennis en inzichten om beter te presteren. En alleen die stap zetten is niet voldoende. Om echt succesvol te zijn en te blijven moeten bedrijven in staat zijn om data te gebruiken als motor voor de ontwikkeling van nieuwe producten en diensten.

Interne verbeteringen

We denken regelmatig mee met organisaties die ‘iets’ met hun data willen. In die gesprekken valt op dat bedrijven zich in eerste instantie beperken tot de veilige route met een interne focus. Ze zijn gericht op het verbeteren van de bedrijfsvoering en optimalisatie van bestaande bedrijfsprocessen. Ze zetten in op improve en gebruiken de inzichten die data opleveren primair voor verbeteracties van de bestaande situatie. Procesoptimalisatie krijgt de meeste aandacht. Omdat daar het snelst winst te halen lijkt. Daarom is het misschien ook een logische keuze.

Businessmodel-innovatie

De echte winst voor datagedreven organisaties is vooral met innovatie van businessmodellen te behalen. Data science en artificial intelligence (AI) zijn belangrijke pijlers voor innovatie en bieden een goede basis voor de ontwikkeling van nieuwe verdienmodellen. Bijvoorbeeld door de beschikbare data slim te combineren en te analyseren voor de ontwikkeling van nieuwe producten en diensten. Een bedrijf levert dan bijvoorbeeld niet langer alleen het product, maar ook datagedreven diensten daaromheen.

Data is een belangrijke driver voor businessmodel-innovatie. De toepassingen hiervan kunnen per sector of bedrijf verschillen. Bijvoorbeeld door data te verzamelen van connected machines (internet of things) die bij klanten staan. Door deze data te analyseren is het mogelijk om klanten beter te adviseren of service op maat te bieden. De fabrikant van motoren kan op deze manier verschuiven van leverancier van hardware naar strategische partner op het gebied van predictive maintenance en assetmanagement.

Een andere optie is het delen of ‘barteren’ van data met partners binnen een supply chain. Dit biedt alle betrokkenen een completer beeld van de keten en de kans om hun processen te stroomlijnen of adequater te reageren. De partij die hierin de regie neemt, kan van schakel in de supply chain verschuiven naar data- en analyticsgedreven ketenregisseur, een nieuw verdienmodel dat misschien nog wel aantrekkelijker kan zijn dan het oorspronkelijke. Verder kunnen partners elkaars diensten verrijken via ‘wrapping’. Bijvoorbeeld door datadiensten aan producten of services te koppelen. De opkomst van ‘as a service’-modellen is hiervan een goed voorbeeld.

Durf te experimenteren

De waarde van data bij innovatie mag dan onomstreden zijn, een kant-en-klaarrecept voor succes is er niet. Juist doordat de mogelijkheden om met data te innoveren steeds breder worden en de technologie zich steeds sneller ontwikkelt en verbetert, is het lastig om de volgende stap te overzien. Als je kansen snel wilt benutten is vlot handelen een vereiste, tezamen met het beschikbaar durven stellen van budgetten. Ook zonder een waterdichte businesscase, waar veel organisaties zo aan gewend zijn. In veel gevallen is het idee al ingehaald voordat de businesscase eenmaal gebouwd is.

“De echte winst is met innovatie van businessmodellen te behalen”

Een goede methode om het proces te starten is om in workshops en datalabs de stakeholders aan de hand van usecases de mogelijkheden van data en AI te laten begrijpen. En dan met een team de meest waardevolle en haalbare businesscases te achterhalen en een beeld te krijgen van de voorwaarden om succesvol te innoveren in relatie tot je organisatie. Denk hierbij aan cultuur, processen, competenties en budgetten.

Dynamische ecosystemen opzetten

Een andere drempel voor innovatie is kennis. Om innovatiekansen met data en analytics te benutten is het noodzakelijk om als organisatie steeds sneller te leren en te reageren. Er is momenteel een grote vraag naar datasciencekennis, die schaars is. Omdat het als individuele organisatie vrijwel onmogelijk is geworden om alle ontwikkelingen bij te houden, voldoende actuele kennis op te bouwen en adequaat te reageren is het essentieel om onderdeel te zijn van de juiste innovatieve ecosystemen. Niet alleen voor samenwerking op het vlak van technologie, zoals datascience en AI, maar ook voor andere aspecten. Bijvoorbeeld rondom privacy. Bij de universiteit merken wij dat we steeds meer worden uitgenodigd om als essentiële kennispartner deel te nemen aan dit soort ecosystemen.

Deze samenwerkingsverbanden zijn allerminst statisch. In de huidige dynamiek is het de uitdaging om steeds te kijken wat de ideale combinatie is. Een ecosysteem kan per keer verschillende deelnemers en vormen hebben. Je kunt samenwerken met andere bedrijven, startups, universiteiten en investeerders. Soms zelfs met concurrenten. Het gaat erom dat partners elkaar verrijken, uitdagen en fungeren als een gezamenlijk R&D-team. Deze dynamische ecosystemen zijn de basis voor de proof-of-concepts die het fundament voor nieuwe businessmodellen kunnen zijn.

Ruimte om te innoveren

Om de potentie van data te kunnen vertalen naar concrete businesswaarde investeren veel bedrijven momenteel in data-scientists. Dat is natuurlijk geen garantie voor succes. Je kunt als team prachtige dingen bedenken met analytics en AI, maar ook hiervoor geldt dat oplossingen nooit op zichzelf staan. Om een datagedreven organisatie te worden is het zaak om oog te hebben voor procesoptimalisatie én innovatie van businessmodellen.

Tegelijkertijd is een blik naar buiten onmisbaar. Door krachten met andere partijen te bundelen in ecosystemen, creëren organisaties het vermogen om succesvol te innoveren en zo de waarde van data en AI maximaal te benutten. Datagedreven samenwerken en innoveren is zelfs een voorwaarde voor bestaansrecht geworden.

Frans Feldberg is hoogleraar Data-Driven Business Innovation aan de School of Business and Economics van de Vrije Universiteit Amsterdam. Rob Hoefnagel is directeur Business Analytics bij Axians.

LAAT EEN REACTIE ACHTER

Laat alsjeblieft een reactie achter!
Laat hier je naam achter