AI-toepassingen rekenen op gegevens. Niet op de gegevens die u zich voorstelt dat u heeft, maar op de gegevens zoals ze feitelijk zijn opgeslagen, gedefinieerd en onderhouden. Datamanagement is daarom een van de fundamentele dimensies binnen de volwassenheidsmeting: samen met organisatie en IT-infrastructuur bepaalt het of er iets is om op te bouwen. Een organisatie kan sterk scoren op mensen en vaardigheden of op prestatiemanagement en toch vaststellen dat elke AI-toepassing vastloopt omdat niemand met zekerheid kan zeggen welke versie van een klantenbestand de juiste is. Die volgorde is geen keuze van ons; het is de volgorde waarin het werkt.
Datamanagement gaat over de staat van de gegevens die een organisatie gebruikt om te werken en te beslissen. Staan definities vast, of betekent "actieve klant" in elke afdeling iets anders. Is er een aanwijsbare eigenaar per gegevensset, of weet niemand wie verantwoordelijk is als een veld al jaren fout staat. Worden gegevens één keer vastgelegd en overal vandaan gehaald, of bestaan er drie exports die inmiddels van elkaar afwijken. De vragen in de meting gaan niet over de hoeveelheid data of het type systeem, maar over de betrouwbaarheid en herkomst van wat er ligt.
De vijf niveaus lopen van baseline naar intelligence, en bij datamanagement is het verschil tussen die niveaus vaak concreter te merken dan bij andere dimensies. Op baseline bestaan gegevens vooral lokaal: in spreadsheets, in het hoofd van een collega, in een systeem dat niemand meer volledig doorgrondt. Op foundation zijn de belangrijkste gegevenssets benoemd en is er een begin van eigenaarschap, ook al lopen definities nog uiteen. Wat dat foundation-niveau in de praktijk betekent, ook voor andere dimensies, staat beschreven op wat betekent het niveau foundation in de praktijk, en hetzelfde geldt voor het startpunt zelf op wat betekent het niveau baseline in de praktijk. Bij activation zijn definities grotendeels gedeeld en is er een proces om afwijkingen te signaleren. Bij insight worden gegevens actief gebruikt om beslissingen te onderbouwen, met zicht op kwaliteit en herkomst. Bij intelligence is datamanagement geen apart traject meer maar een vaste eigenschap van hoe de organisatie werkt.
De plot-ronde maakt zichtbaar of die inschatting klopt. Wanneer de CIO datamanagement op activation plaatst en de teams die er dagelijks mee werken op baseline, zegt die spreiding meer over de werkelijke situatie dan het gemiddelde van beide scores. Vaak blijkt dat de systemen zijn ingericht op een niveau hoger dan het gedrag erin: er is een centraal systeem, maar mensen werken er nog naast in eigen bestanden omdat ze het systeem niet vertrouwen.
Wat het kost om van baseline naar foundation te gaan, hangt af van hoe versnipperd de gegevens nu zijn en hoeveel afdelingen een eigen versie van de waarheid hanteren. Het werk zit dan vooral in het benoemen van eigenaarschap en het vastleggen van definities, niet in nieuwe technologie. Van foundation naar activation vraagt vaker een technische stap: één bron aanwijzen, andere afschaffen of alleen nog laten lezen. Van activation naar insight verschuift het gewicht naar governance: wie mag wat wijzigen, hoe wordt kwaliteit gecontroleerd, wat gebeurt er als een fout wordt gevonden. Hoe lang en hoe zwaar dat traject is, hangt af van de omvang van de organisatie, het aantal systemen dat gegevens bijhoudt en de mate waarin mensen al gewend zijn om één bron als leidend te zien. Dat is niet in een vast bedrag of een vaste doorlooptijd te vangen; het hangt af van waar de spreiding in uw plot-ronde zich concentreert.
Datamanagement staat zelden op zichzelf. Een organisatie die haar gegevens niet vertrouwt, zal ook moeite hebben met wat kost het om privacy en beveiliging een niveau te laten stijgen, omdat je niet kunt beveiligen wat je niet in kaart hebt. Andersom kan sterk datamanagement een fundament leggen waarop wat kost het om prestatiemanagement een niveau te laten stijgen makkelijker te beantwoorden is, want prestatiemanagement heeft betrouwbare gegevens nodig om iets te kunnen meten. Ook de vraag wat kost het om ethiek een niveau te laten stijgen raakt datamanagement direct: verantwoord omgaan met gegevens begint bij weten wat je hebt en waar het vandaan komt. Wie deze dimensies los van elkaar aanpakt, loopt het risico dat werk aan de ene dimensie wordt tegengehouden door een achterstand in een andere.
Deze meting laat zien of de organisatie de gegevens, de systemen en de mensen heeft om AI te dragen. Dat is een andere vraag dan welk deel van het werk AI daadwerkelijk kan overnemen. Zodra duidelijk is waar de fundamentele dimensies staan, inclusief datamanagement, wordt het zinvol om per taak te bekijken wat AI kan doen en wat niet. Dat is het domein van de werkscan van FTE TO AI: die rekent per taak uit welk deel van het werk over te nemen is, uitgaande van de gegevens en systemen die er op dat moment daadwerkelijk liggen.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.