Innoveren moet vanuit de organisatie zelf komen

Wil je meer doen met de beschikbare data in je organisatie? Stel dan geen dure innovatiemanager aan, maar vertrouw op je eigen mensen. Begrijp bovendien dat het belangrijkste werk van een data scientist het structureren van data is. Werk daarom alleen met data die je kan vertrouwen.

Iedereen heeft het over AI, machine learning, digitale transformatie, big data en innoveren met data. Ook bij Smart Profile zijn we volop bezig om zoveel mogelijk waarde uit onze B2B Benelux market intelligence data te halen. Doel is om te transformeren van een database marketeer naar een partij die naast data ook slimme analyses kan uitvoeren op data middels de inzet van data science of data analytics toepassingen.

Geen managementlagen of innovatiemanager

Een grote fout die een organisatie in mijn ogen kan maken is  de aanstelling van een speciale innovatiemanager. Kun je succesvol vernieuwen door iemand aan te stellen die alleen maar innoveert? Een manager die uitsluitend wordt ingehuurd om tegen mensen te zeggen: jij moet nieuwe dingen gaan doen? Met als reden dat de organisatie vooruit moet en daarom iets nieuws moet bedenken? Daar geloof ik niet in!

Innoveren begint bij de mensen zelf. Een organisatie die succesvol innoveert, is een organisatie waarin iedereen – in welke rol dan ook – daarvoor de ruimte krijgt. Bij Smart Profile zijn we een paar jaar geleden begonnen om management lagen weg te halen en een zelfsturende organisatie te worden. Ik wilde af van de hiërarchische bedrijfscultuur waarin de directeur bedenkt waar het allemaal heen moet. Daarom leggen we nu de verantwoordelijkheid bij de mensen zelf neer. Zien zij dingen die beter kunnen binnen de organisatie, dan moeten ze de vrijheid en de mogelijkheden hebben om veranderingen in gang te zetten.

Elke Smart Profile medewerker ziet en evalueert punten vanuit zijn of haar rol en is daarbij in staat om zaken door te voeren. Zolang het de organisatie niet in gevaar brengt, is alles toegestaan. Daarnaast kijken we kritisch of het past binnen ons hogere doel ofwel onze purpuse: Realize potential.

Jonge mensen het vertrouwen geven

Niet iedereen staat meteen te springen om die verantwoordelijkheid, sommige mensen duiken zelfs weg voor meer verantwoordelijkheid. Je hebt zodoende mensen nodig die verantwoordelijkheid willen oppakken, nieuwsgierig zijn en niet bang zijn om iets te doen dat wellicht nooit eerder is gedaan. In zo een nieuwe organisatiecultuur moeten ook fouten kunnen worden gemaakt. We willen daarom vooral jonge mensen binnenhalen, die niet zoals ik dat noem:  “lineair” denken. Ouderen hebben de neiging problemen te willen oplossen zoals ze dat altijd hebben gedaan. Jongeren kijken anders tegen dingen aan. Ik zie mensen van 26 jaar oplossingen bedenken waar klanten superblij van worden, maar waar ik zelf niet eens aan had gedacht.

Minder hiërarchie, alles meetbaar maken en meer jonge mensen de kans geven, dat is mijn advies voor organisaties die willen innoveren en meer data-driven willen zijn. Daar bovenop is het goed om bewust te zijn van ontwikkelingen buiten je eigen organisatie en deze ontwikkelingen ook te gebruiken. Zo werken we enkele jaren doelbewust samen met de Jheronimus Academy of Data Science (JADS) in Den Bosch, een samenwerkingsverband van de provincie Noord-Brabant, de Technische Universiteit Eindhoven en de Universiteit van Tilburg. Voor ons is dat een buitenboordmotor die ons schip wendbaarder maakt. JADS is een kweekvijver voor jonge data scientists en helpt ons voorop te blijven lopen met de laatste kennis op het gebied van data science.

Smart Profile Labs en het belang van gestructureerde data

De samenwerking tussen Smart Profile en de universiteiten brengt onderwijs en praktijk dichter bij elkaar, en past binnen het streven om naast database-oplossingen ook slimme data science toepassingen aan te bieden. De universitaire instellingen maken op hun beurt dankbaar gebruik van onze gestructureerde data.

(Big) Data wordt overal gezien als waardevol en steeds waardevoller, waarbij de belangrijkste uitdaging vaak uit het oog wordt verloren. Het is namelijk essentieel dat er gebruik wordt gemaakt van goede en vooral gestructureerde data. Zo besteed een data scientist gemiddeld 80 procent van zijn of haar tijd aan data engineering: het ‘goed’ krijgen van data, zodat je die kan vertrouwen. Dat je weet wat je hebt en ook wat je niet hebt. Dat je vanuit de beschikbare data kunt analyseren en modelleren, maar dat je wel precies weet wat je doet. Je kunt de meest interessante analyses op data loslaten, maar is je bron niet goed, dan neem je de verkeerde beslissingen.

Mensen laten zich graag verleiden door sexy termen als data science, predictive analytics en machine learning. Maar de praktijk van data science is vooral heel veel data preparation, structuring en engineering. Daar zit een enorme uitdaging. Gelet op jarenlange ervaring in het analyseren en managen van data kunnen we onze klanten daar dan ook goed over adviseren. Om ook daar innovatieve ideeen te kunnen gebruiken, zijn we onlangs gestart met Smart Profile Labs. Deze laboratorium-achtige omgeving biedt onze data analisten en data scientists de omgeving om te kunnen experimenteren en dingen op te zetten die niet meteen geld hoeven op te leveren. Zo kunnen we innoveren op het gebied van market intelligence en demand generation.