Medewerkers zijn gestart op verschillende plekken met eigen tools
15 december 2023
van de wunderdata redactie

In deze derde blog van de serie over succesfactoren gaan we het hebben over de waarschijnlijke situatie waar je eigen medewerkers als op eigen houtje zijn begonnen met eigen rapportage tools en oplossingen.
Hoe krijgen we één beeld van de werkelijkheid als iedereen maar zijn eigen definities en datasets aan het ophalen is?
Peter en Madelon hadden in de tweede blog al besloten om de eerste stappen te zetten met het Wunderdata platform. Op een dag liep Madelon over de afdeling sales en zag dat een collega bezig was met een eigen rapportage. “Wat heb je daar?”, vroeg Madelon. “Mooi he?, heb ik zelf gemaakt”, zei David. “Ik heb mijn eigen sales dashboard gebouwd in Power BI desktop zodat ik beter mijn werk kan prioriteren”.
En het duurde niet lang voordat Madelon overal eigen tools en oplossingen zag, waar ze ook keek.
Nu werd ze geconfronteerd met een nieuwe uitdaging: hoe krijgen we één beeld van de werkelijkheid als iedereen maar zijn eigen definities en datasets aan het ophalen is?
Je leest het antwoord in deze blog. Laten we beginnen…
Hoezo wisten we dit helemaal niet?
“Allemachtig Peter, wist je dat we veel meer rapportages hebben dan de 10 standaard rapportages die we met zijn allen bespreken in onze MT meetings? En ik ben er ook nog eens achter gekomen dat iedereen zijn eigen tool heeft ingezet, want iedereen mag gewoon van alles installeren op zijn computer”.
“Serieus?”, vraagt Peter. “Over hoeveel dingen hebben we het dan?”.
“Nou, dat kan ik je vertellen. In mijn eerste inventarisatieronde heb ik gewoon naast iedere medewerker gezeten en gevraagd welke lijstjes en overzichten ze iedere week of dag maken. Dit heb ik in één overzicht gezet en daarnaast aangegeven met welke tool ze dat doen. Ik was nog redelijk naïef omdat dit eigenlijk altijd met Excel zou zijn, maar het blijkt dat we een heel scala aan tooltjes hebben”.
“Tooltjes?”, zei Peter. “Wat voor tooltjes? Want ik weet hier helemaal niets van!”.
“Kijk, hier staan ze. Op de Sales afdeling kwam ik voornamelijk Power BI en Excel tegen. Maar bij Marketing kwam ik weer andere tools tegen. Hier staan ze: Qlik, Tableau, Google Analytics, en nog 3 online tools waar ik nog nooit van gehoord had. Maar dit is echt een mooie: weet je wat Erik van Logistiek had? Die heeft dus in zijn vrije tijd een eigen dashboard in elkaar geknutseld met .NET. Dat is dus echt programmeren! Ik wist niet eens dat hij dat kon! Al met al hebben we dus iets van 9 verschillende applicaties, maar geen enkele is te gebruiken voor een hele afdeling Laat staan dat we het door kunnen schalen naar het hele bedrijf. Alles is gemaakt vóór, én dóór, die ene persoon”.
“Dus we hebben allemaal eigen oplossingen binnen ons bedrijf, die niet schaalbaar zijn naar de rest van het bedrijf, die niet met standaard definities werken en als kers op de taart weten we niet hoe we dit moeten onderhouden als deze mensen op vakantie of ziek zijn?”, concludeert Peter enigszins uit het veld geslagen.
Het "Aha!" moment
Hoe had hij dit nou niet eerder gezien? Hij wist dat als hij in de wandelgangen om updates vroeg dat sommige mensen hem al hadden aangegeven dat de standaard rapportages uit de systemen niet voldoende waren. Dat waren vaak lijstjes die vaak prima paste bij operationele inzichten, maar als het ook maar iets meer dan dat was, moesten er toch echt wel wat trucen uitgehaald worden om dit voor elkaar te krijgen. “Dus daarom duurde het zo lang om een antwoord te krijgen op mijn simpele vraag!”, sprak hij ineens hardop uit.
Madelon moest lachen om dit “aha!’ moment die zijzelf een paar uur eerder ook doormaakte. “Ja, het blijkt dat wij als directie heel makkelijk een vraag stellen, maar dat het voor de rest van de organisatie echt heel moeilijk is om die te beantwoorden met de tijd en middelen die ze hebben”, zegt Madelon.
De brainstorm
“Oké, plan de campagne. Laten we even het een en ander op het whiteboard zetten”, zegt Peter.
“Hier, als ik het even makkelijk schets hebben we de volgende uitdagingen. Met al die eigen tools komt het erop neer dat we meerdere versies van de waarheid hebben, afwijkende definities hanteren, data kwaliteit varieert per oplossing, de complexiteit toeneemt, teveel uitgeven aan licenties, we hebben geen enkel inzicht in het benodigde beheer en als laatste weten we niet eens of dit allemaal wel veilig is. Laat staan of we wel compliant zijn met regelgeving”, concludeert Peter.
Ze stappen naar achteren en kijken naar de opsomming op het bord. Als ze dit zo bekijken is het echt wel een behoorlijk risico wat ze lopen. Zeker nu ze hun aankomende ISO-27001 certificering weer willen behalen, zal dit een belangrijk punt zijn om te tackelen.
“Ik ga dit als risico opnemen in ons risico register”, zegt Madelon. “ En dan meteen de juiste maatregelen noteren om hier een professionaliseringsslag in te maken”.
“Het is mij wel duidelijk”, zegt Peter. “We groeien niet meer omdat alles wat wél werkte toen we nog 70 man groot waren, het simpelweg nú niet meer doet. Ondanks alle investeringen in processen en applicaties zijn we het belangrijkste vergeten en dat is onze data. We hebben een prachtige auto gebouwd met zijn allen, maar zijn vergeten om de brandstof goed te organiseren. Dus iedereen zit in die auto en die rijdt wel een eind, maar als de brandstof op is moeten we niet verbaasd zijn dat we dus tot stilstand komen”.
“Je hebt gelijk”, zegt Madelon. “We moeten veel meer data gaan standaardiseren en centraal aanbieden zodat iedereen wel zijn eigen rapportages kan maken, maar dat ze dat wel op een gezamenlijk fundament doen”.
Templates om snel te starten
Peter en Madelon besluiten om in de aankomende dagen te bepalen welke data uit welke applicaties als eerste moet worden ontsloten. Zo proberen ze ook meteen inzichtelijk te krijgen welke eigen tools hiermee gearchiveerd kunnen worden.
Madelon heeft direct contact opgenomen met het Wunderdata team en samen gekeken naar welke applicaties ze als eerste gaan aansluiten. Omdat hun hele bedrijf primair op AFAS draait, is dat de eerste applicatie waarvan ze de data gaan ophalen.
Tot haar verbazing blijkt het Data Minimalisatie Framework al een template voor AFAS te bevatten waardoor FabricaTech al binnen een paar werkdagen beschikt over een breed scala aan standaard datasets uit AFAS. Madelon weet dat ze met deze basis al de meeste inzichten kan maken. Maatwerk datasets kunnen altijd later nog worden gemaakt als dat echt nodig is.
Maar welke data hebben ze uberhaupt in hun systemen?
Maar nu de eerste koppeling gemaakt wordt, is het voor Madelon nog best wel onduidelijk welke data ze überhaupt in hun systemen hebben. Hoe krijgt ze hier nou goed inzicht in?
Lees in de volgende blog hoe Madelon erachter komt welke data zij in de systemen van FabricaTech hebben zitten door het gebruik van een private AI model binnen hun Wunderdata platform.