Artificiële intelligentie is de kinderschoenen ontgroeid en biedt al tal van mogelijkheden waar bedrijven en organisaties van dromen. Maar voor je ermee aan de slag kan, heb je eerst een goede set aan data nodig. Vandaar dat we bij de Beltug-leden heel vaak de ambitie horen om een data driven company te worden.

Dat is makkelijker gezegd dan gedaan. Want eerst moet worden bepaald welke data je als organisatie precies nodig hebt om er meerwaarde uit te halen. Vervolgens rijzen vragen als: waar bevindt zich die data in de organisatie? Wie is er eigenaar van? Is alles geregeld inzake privacy? Wie krijgt toegang om met de data aan de slag te gaan, en eventueel zelfs: wie kan de data en inzichten eruit vermarkten?

Een datastrategie als richtinggevend kader

Het brede scala aan vragen maakt duidelijk dat het onderwerp ten gronde moet worden uitgespit en dat meerdere departementen betrokken moeten zijn om te slagen in het opzet als data driven company. Vandaar ons pleidooi voor het opstellen van een datastrategie. Net zoals voor andere bedrijfsstrategieën moet op managementniveau een reeks keuzes en beslissingen worden gemaakt, met een langetermijnperspectief dat ambities, middelen en verantwoordelijkheden in kaart brengt.

Met de datastrategie als richtinggevend kader kan vervolgens tot actie worden overgegaan. Het inventariseren van de beschikbare data is een goede eerste stap. In de meeste organisaties is een massa aan data beschikbaar, maar te vaak is ze niet voor iedereen bekend of beschikbaar. Nog veel gegevens zitten verscholen in persoonlijke Excel-files van individuele medewerkers of in aparte overzichten die niet voor iedereen toegankelijk zijn. Die data ontsluiten over departementen heen kan een schat aan toegevoegde waarde naar boven brengen.

Goede datakwaliteit vereist een goede data governance

Wanneer data wordt bijeengebracht, in een CRM- of ERP-systeem, in een datalake of andere toepassing, komt het erop aan om de kwaliteit van de input te bewaken, over langere tijd heen. Alleen als de kwaliteit van de data goed is en goed blijft, kan je er als organisatie bijkomende inzichten uit halen, als bron voor informatie, communicatie en onderbouwde beslissingen. Zonder kwalitatieve data falen data analytics, AI, robotic process automation (RPA) en dergelijke meer.

Dit impliceert dat je een goede data governance nodig hebt: een structuur of architectuur voor databehandeling en -verwerking in je organisatie en de verantwoordelijkheid om de data te verzamelen, te onderhouden en ermee aan de slag te gaan, gaan hand in hand. Elke medewerker moet overtuigd zijn van de meerwaarde én van zijn of haar eigen rol in het verhaal van de data driven company. Alleen als iedereen zijn schouders eronder zet, kan het beste resultaat uit het grootste potentieel aan data worden gehaald.

Een grondig uitgewerkte data governance zal ook een set van regels omvatten die bepalen hoe de data geïnterpreteerd moeten worden. Wanneer iedereen “dezelfde taal spreekt”, zullen de resultaten duidelijk zijn en voor zich spreken. Dit geeft andermaal aan hoe belangrijk het is dat alle stakeholders in het bedrijf betrokken zijn bij het uitrollen van de datastrategie: bestuur en management, IT (voor het opzetten van governance, architectuur en de nodige cyberbeveiliging), business (voor het verzamelen en invoeren van data, maar ook als gebruiker), legal (contracten), DPO (voor alle aspecten met betrekking tot privacy), enzovoort …

In een volgende fase zit veel toegevoegde waarde in het combineren van diverse data. Niet alleen data beschikbaar binnen de eigen organisatie, maar ook data van externe bronnen, zoals de overheid. Dat gebeurt vandaag al, bijvoorbeeld door de verkeersapp Waze, die informatie van de Vlaamse overheid gebruikt en omzet. Maar ook in de relatie tussen jouw bedrijf en je klanten is dit aan de orde, bijvoorbeeld bij IoT-toepassingen, waar gegevens van de sensoren gecombineerd worden met info binnen het bedrijf, onder meer om tot predictieve analyses te komen.

Regelgeving als hinderpaal

Allicht is dat nog toekomstmuziek voor de meeste lezers. Maar het ontginnen van de waarde van data, het implementeren van een datastrategie en concreet met toepassingen van artificiële intelligentie aan de slag gaan, is vandaag aan de orde. En dan stellen we vast dat de GDPR, de Europese privacyregelgeving, vier jaar nadat ze van kracht werd, nog steeds een hinderpaal vormt voor vele organisaties.

Er zijn de spanningen tussen die regelgeving enerzijds, en concrete implementatie in IT-systemen anderzijds. Wie conform de regels wil werken, botst vaak op meer vragen dan antwoorden. Bovendien komt er alweer een nieuwe wetgeving aan, met name de Europese Data Act en AI-act. De doelstelling van die regelgeving is om data van bijv. IoT-toepassingen ruim beschikbaar te maken en ook data uit een bedrijfscontext te kunnen aanwenden voor het algemeen belang. Technische standaarden en interoperabiliteit tussen systemen moet de uitwisseling van gegevens vergemakkelijken. Maar het lijkt alvast de zaken nog gecompliceerder te maken.

En dan hebben we het nog niet eens gehad over de datatransfers tussen Europa en de VS en de mogelijke risico’s van personengegevens die via de alomtegenwoordige Amerikaanse software naar de VS worden getransfereerd (Schrems-II arrest) ...

Nu is het niet mijn bedoeling om je schrik aan te jagen. Integendeel: Beltug wil elke organisatie aanmoedigen om intern te sensibiliseren over het belang van data, om het potentieel van data en AI-toepassingen in kaart te brengen en een datastrategie of specifiek beleid op te zetten. Data is een onderschatte, maar zeer waardevolle asset, die alleen maar in waarde zal toenemen. En nu is het juiste moment om ook op die trein te springen.