digitaal / Partnerbijdrage

Data is mensenwerk, deepdive!

Binnen datagedreven werken staat de mens centraal. 

15 november 2022
Data mensenwerk

Je hoort of leest het ons wel vaker zeggen: "Data is mensenwerk". Wat bedoelen we hier precies mee en waarom is data dan mensenwerk? In deze blog nemen we je hierin mee. We kijken vanuit de verschillende onderdelen van datagedreven werken naar de data vanuit de menskant. Na het lezen van deze blog heb je een beter idee en gevoel bij het feit dat 'data is mensenwerk'. 

Data zijn toch technische zaken?

Ik kan me voorstellen dat je dat denkt, het woord data kan best technisch overkomen. Al gauw kunnen mensen bij data denken aan:

  • Computers
  • Techniek
  • Applicaties
  • Internet
  • Apps
  • Software
  • Iets ongrijpbaars ofwel iets abstracts
  • IT of ICT
  • Tools als Excel of programmeertalen

Je herkent vast wel één of meerdere van bovenstaande zaken, ongeacht hoeveel affiniteit je met data hebt. Terwijl data iets anders is dan iets van de lijst hierboven, al heeft het zeker met alle zaken (überhaupt álle zaken die je kunt bedenken) iets te maken. Data zijn zogenaamde logmomenten, communicatieonderdelen, een feitelijke vertaling van een moment. Oké, nu maken we het onszelf wellicht onnodig moeilijk... Laten we data zien als bepaalde registratiepunten zoals de temperatuur, bijvoorbeeld 15 graden. De '15' is data. Een ander voorbeeld is een krantenartikel. Alle letters die in het artikel zijn opgenomen zijn data alsook het artikel zelf is een 'type' data. Ook overal nu om jou heen terwijl je dit leest bevindt zich data zoals de hoeveelheid accu in je laptop of smartphone, het tijdstip waarop je dit leest, de datum en ook jouw browser verzamelt momenteel data. Maar wat is hier nu menselijk aan? Aan alle data is een handeling van de mens betrokken, direct dan wel indirect. 

Menselijk handelen

Bij alles binnen datagedreven werken staat de mens centraal. 

Datagedreven werken

Een persoon heeft een bepaalde ambitie, wens, drijfveer, motivatie om iets te verwezenlijken. Vanuit hier wordt een organisatie opgericht om deze doelen te verwezenlijken. Een organisatie heeft een bepaald bestaansrecht. Waarom bestaat deze organisatie, wat is het doel, waar gaan ze voor, waarom etc. Meestal te vinden in de visie, missie en strategie van een organisatie. Al weten de meeste mensen die er werken er zelf niet iets van, afijn. Vanuit de strategie wil je een data-strategie formuleren met daarin kort door de bocht: hoe gaan we data inzetten ter ondersteuning van onze algemene strategie? Waarom willen we dat, wie heeft daar welke rol in, welke middelen gaan we gebruiken etc. Het begint bij de persoon, de mens, die een bepaald doel heeft.

Vervolgens is het aan de mens met zijn competenties en vaardigheden om überhaupt iets te kunnen doen. Vanuit daar kun je de lijn leggen met de data-strategie en visie van een organisatie. En wat betekent dit voor mij? Wat wil en moet ik zien aan data om mijn goed uit te kunnen voeren en structureel toegevoegde waarde te creëren en een bijdrage te leveren aan de data-strategie? Hoe interpreteer ik de data-strategie? Ofwel, wat is mijn informatiebehoefte en informatiepositie?

Vanuit de data-strategie worden systemen aangeschaft en technologie in huis gehaald en structuren en processen (her)ingericht om de juiste data te registreren, verzamelen, combineren etc. door de juiste personen volgens de juiste manieren. De mensen staan aan de start om de data juist & volledig te registreren ten behoeve van data-betrouwbaarheid & datakwaliteit. Als hier iets mis gaat, of men heeft het besef niet waarom het zin heeft om accuraat te registreren of het werkproces (als die er is) netjes te volgen. Hoe meer data-bewustzijn er hier heerst of eenvoudiger het is om van elkaar te weten of de data juist is geregistreerd en wat andere collega's later in het data-proces er mee kunnen gaan doen. 

Als de data met een bepaalde data-kwaliteit is ontstaan zijn competenties van de mens nodig om chocola te maken van de data. De mens herkent de data, leest de data, begrijpt de data, analyseert de data, zet de stappen van data > informatie > kennis > wijsheid en is in staat om vervolgens de data om te zetten in acties. 

Door vervolgens met collega's de gevolgen, effecten en outcome van deze data te evalueren kunnen conclusies worden getrokken en de brug geslagen worden naar de initiële informatiebehoefte. In hoeverre matcht de outcome met wat we wilden bereiken? Welke aanscherpingen waar in het proces kunnen we doen? Hoe kunnen we invloed uitoefenen op activiteiten binnen het proces? Missen we data, welke data zouden we idealiter meer willen zien, welke data is eigenlijk overbodig, wat kunnen of moeten we aanpassen in het registratieproces?

Allemaal mensenwerk!

Techniek is zeker nodig om de data-volwassenheid van een organisatie te verhogen. Maar techniek is zeker niet leidend of het doel. Het investeren in mensen en in de data soft skills is crucialer, duurzamer en effectiever. Welke data-soft-skills dit precies zijn zie je in onderstaande afbeelding. 

Data soft skills

Maar juist omdat data allemaal minder technisch is dan het lijkt, kunnen we leren hiermee te werken. Hoe je kunt oefenen met jouw data-skills lees je deze blog. Maar is lezen over data niet genoeg en wil jij hier nóg meer over leren? Check dan al onze verschillende trainingen of neem contact met ons op!

Door: Peter Frans Oosterbaan

Plaats als eerste een reactie

U moet ingelogd zijn om een reactie te kunnen plaatsen.