20 december 2019

Data is dé oplossing om tot dé juiste, objectieve beslissing te komen. Tenminste, dat is het op het eerste gezicht: zelfs een oplossing kan een probleem worden als je het fout doet. Dus: welke obstakels moet je overwinnen als je data gebruikt? Gero Pickert, HR VP Operations Nokia, geeft je het antwoord. 

Toegang?

Gegevens centraliseren is een uitdaging. En de eerste uitdaging is de beslissing zélf om de gegevens te centraliseren. Want: veel mensen voelen zich gecontroleerd als ze hun gegevens moeten afstaan. Om vertrouwen te creëren, stelt human resources best regels op. Data gaat immers over meer dan cijfers. Data vertelt je ook iets over mensen en daar willen ze ook iets over te zeggen hebben. 

Wat gaan we analyseren? Hoe gedetailleerd mag onze analyse zijn? Hoe beschermen we de privacy van onze werknemers? Wie heeft toegang tot onze gegevens? Deze vragen beantwoord je best in het begin om tot zo’n goed mogelijke analyse te komen. Iedereen moet zijn gegevens delen, maar diezelfde gegevens mag je niet met iedereen delen. 

Vandaag of morgen?

Stakeholders hebben hoge verwachtingen. Ze willen een analyse van hun data met een druk op de knop. Maar het kan alleen bij verwachtingen blijven, zegt Gero. Je kunt niet én vandaag aan de slag willen gaan met data én de resultaten morgen krijgen. Helaas.

Waaraan ligt dat dan? “Meestal is het analytische gedeelte niet het probleem, maar is het data-gedeelte het probleem, het opruimen van het gebrek aan discipline van de afgelopen 40 jaar”, zegt Gero. Gegevens verzamelen, centraliseren én opkuisen vraagt tijd en zeker als niet iedereen alle gegevens consistent heeft ingevuld. Veel tijd. 

Ook belangrijk: je hebt een team van minstens 5 professionals nodig om het project te begeleiden. Enkele plaatsen mogen ingenomen worden door human resources, maar niet alle plaatsen. Je hebt professionals nodig die de data kunnen analyseren. 

  1. Wie stelt vragen? 
  2. Wie krijgt toegang? 
  3. Wat is onze ambitie? 
  4. Hoe stel je het systeem op?

Je denkt beter twee keer na: 'Als het ambitieniveau niet duidelijk is vanaf het begin en je de database te klein maakt, kun je daar later bijna niet meer van herstellen', zegt Gero. 

Kwantiteit of kwaliteit?

Kwaliteit. Kwaliteit. Kwaliteit. Gero herhaalt het omdat het zo belangrijk is. Je kunt alleen weten of data kwalitatief goed is als je ze test. En toch kan je niet alles vanaf het begin voorspellen. Je kunt bijvoorbeeld alle gegevens hebben en ze in één systeem centraliseren én toch kan de uitkomst nog verkeerd zijn. 

Je ziet inconsistenties waar je in het begin niet aan gedacht hebt. Stel: je werkt in een multinational in Munchen met Engelstalige en Duitstalige werknemers. Je vraagt hen om ‘Munchen’ in te geven in het systeem. Hoe zullen ze dit schrijven? Op z’n Engels: ‘Munich’? Op z’n Duits: ‘Münich’? Of nog creatiever: ‘MUNICH’? Een ding is zeker: elke variatie levert een inconsistent resultaat op. 

Gero's advies: 'Je zou voor altijd kunnen testen, maar data écht gebruiken is de veiligste manier om er snel achter te komen of je een goed resultaat krijgt. Dit toont een ‘donker’ aspect van data: je weet nooit of de uitkomst van je analyse klopt. Omdat er geen referentiepunt is.

Reageer op dit artikel

Geschreven door

Maxim Schelstraete

Marketing & Communications Coordinator

Deel dit artikel