Datamanagement als drijvende kracht achter succesvolle digitale transformatie

De afgelopen decennia is “digitalisering” de norm geworden voor veel organisaties. We spreken vaak van digitale transformatie (DT) wanneer het gaat om een bewuste, ingrijpende verandering binnen een organisatie. Vaak heeft dit soort initiatieven als doel de digitale capaciteiten van de organisatie significant te versterken. DT-initiatieven hebben dus niet alleen impact op interne processen, maar ook op producten, diensten en de manier waarop een organisatie met (potentiële) klanten communiceert. 

De opkomst van kunstmatige intelligentie (AI) versterkt deze trend alleen maar. Met name de introductie van generatieve AI (GenAI)-systemen en Large Language Models (LLM’s) heeft organisaties aangespoord om massaal aan de slag te gaan met digitale transformatie-initiatieven. De vraag is: is dit wel gerechtvaardigd en verstandig? In deze blog betoog ik dat dit alleen het geval is als de organisatie haar datamanagement op orde heeft. Waarom dat zo is, wordt duidelijk aan de hand van de volgende observaties: 

DT: weet waar je staat. Digitale transformatie draait om het doorvoeren van substantiële veranderingen binnen een organisatie. Als je geen helder beeld hebt van de huidige situatie – soms tot in detail – hoe kun je dan met enige zekerheid voorspellen wat de impact van deze veranderingen zal zijn? Data over de bestaande organisatie kan beschikbaar zijn in de vorm van modellen, rapportages, proceshandboeken, enzovoort. 

DT: weet waar je naartoe gaat. Winnie de Poeh zei ooit treffend, “Als je niet weet waar je naartoe gaat, maakt het niet uit welke weg je neemt.” Om te voorkomen dat initiatieven alle kanten op gaan is een gedeelde visie cruciaal. Dit soort strategische data komt vaak terug in documenten zoals strategierapporten, architecturen en beleidsstukken. 

AI is data-hongerig. AI-systemen bestaan in vele vormen, en de huidige populariteit van GenAI is slechts het topje van de ijsberg. Wat al deze systemen gemeen hebben, is dat ze grote hoeveelheden data nodig hebben voor training en toepassing. Zonder goed beheerde en kwalitatieve data blijft het potentieel van AI beperkt. 

Deze lijst is gemakkelijk uit te breiden met nog meer voorbeelden. Eén conclusie lijkt gerechtvaardigd: data is een essentiële bouwsteen voor digitale transformatie-initiatieven. Dit roept meteen nieuwe vragen op over de beschikbaarheid en kwaliteit van deze data, zoals: 

• Beschikken we over voldoende data? 
  
• Weten we wat onze data betekent en waar deze zich bevindt (metadata)? 
  
• Kunnen we de data raadplegen wanneer nodig (beveiliging, integratie, interoperabiliteit)? 
  
• Is de data een correcte representatie van de werkelijkheid? Is deze compleet en in het juiste formaat (kwaliteit) 

Effectief datamanagement is onmisbaar voor het borgen van data, en daarmee een cruciale succesfactor voor digitale transformatie. Wat zijn jouw gedachten over deze conclusie? Ik nodig je graag uit om verder in gesprek te gaan en je inzichten te delen.