Een volwassen datamindset vormt het vertrekpunt voor een organisatie om op een samenhangende wijze met data om te gaan. Het stuurt aan op het intelligent verkrijgen van onder andere duurzaamheidsgegevens, zodat deze vervolgens adequaat en kosteneffectief kunnen worden omgezet in bruikbare inzichten. De datamindset stuurt ook aan op realisatie van een drempelloze toepassing van duurzaamheidsdata en inzichten in processen, beslissingen en integrale manieren van werken. Door de datamindset bespreekbaar te maken met overige spelers in het ecosysteem, ontstaat integratie van duurzaamheidsinspanningen die zich zullen uitbreiden tot buiten de organisatie. Zo kunnen ze uiteindelijk het ecosysteem, onze maatschappij, duurzamer maken.
Deel 2:
Dit is deel 2 van een tweedelige serie over duurzaamheid vanuit een data-mindset.
In het eerste deel van dit artikel concludeerden we dat digitalisering in ecosystemen ten behoeve van duurzaamheid steeds verder gaat. Verder dan het digitaliseren van processen en het koppelen van applicaties om transactionele data uit te wisselen met andere applicaties of organisaties. Het begrip van een organisatiebrede datamindset werd in deel 1 geïntroduceerd.
In dit tweede deel gaan we verder in op de betekenis van een datamindset naast de proces-mindset. Hoe kan daarmee duurzaamheid zelf in ‘duurzame’ banen worden geleid?
Data wordt steeds meer een bewust bestuurd bedrijfsmiddel voor elke organisatie. In feite is het dat altijd al geweest, maar toch zien we nog vaak dat data her en der verspreid ligt zonder dat daarover een administratie wordt gevoerd, afgezien van de toegangsrechten. Dat is vreemd. Als data zo belangrijk is, waarom beheren organisaties data dan niet zoals ze financiën beheren? Data is, net zoals geld, een core asset. Data is immers equivalent aan geld.
De datamindset leidt vanzelf tot een doordachte governance van te gebruiken databronnen en daaruit voortkomende inzichten. Aspecten als transparantie in datakwaliteit en herkomst van gegevens zijn daarbij cruciaal. Niet alleen vanuit privacyoverwegingen, maar juist ook vanuit economische belangen. In plaats van per vraagstuk op separate plekken datasets te verzamelen en algoritmen te borgen, is het zaak een passend bestuur en organisatiestructuur te realiseren. Alleen relevante en betrouwbare data mag worden gebruikt, zodat beslissingen op de juiste niveaus worden genomen en duurzaamheid daadwerkelijk zal renderen.
Alleen op deze wijze worden taken, werkprocessen en middelen met de grootste duurzaamheidsimpact en potentiële quick wins adequaat geïdentificeerd. Het biedt de organisatie een integrale datagestuurde roadmap voor verbetermogelijkheden op korte, middellange en langere termijn.
‘De data-mindset leidt tot een doordachte governance van te gebruiken databronnen en daaruit voortkomende inzichten’
Duurzaamheid as a Service
Verstrekkende gegevens en procesinzichten zijn nodig om duurzaamheidsaspecten in beslissingen te integreren. Duurzaamheid moet duidelijke richting en vangrails van bovenaf krijgen, maar moet tegelijk van onderaf door de hele organisatie worden geactiveerd. Medewerkers hebben beslissingsrecht nodig om op te treden waar het ertoe doet. Om duurzaamheid te verankeren, is het essentieel mensen in de hele organisatie aan te moedigen om duurzaamheid te integreren in hun dagelijkse taken en beslissingen. Het ligt dan ook voor de hand dat organisaties de analyses in de bedrijfsapplicaties gaan terugkoppelen. Dit geldt ook voor de overige partijen in het ecosysteem waarmee wordt samengewerkt. Naast directe wisselwerking met fabrikanten, transporteurs, afnemers en overige partijen in relatie tot actuele omstandigheden en duurzaamheidsdoelstellingen, vertegenwoordigt data ook bedrijfswaarde voor de analyses binnen andere organisaties. Data en analyses zullen steeds vaker uitgewisseld worden. Data as a Service dus, voor andere belanghebbenden in het ecosysteem.
Data-uitwisseling in de vorm van Duurzaamheid as a Service voor het verkrijgen van duurzaamheidsinzichten zal, anders dan voor transacties tussen ecosysteempartners, strategisch blijken, of dit nu tegen betaling is of niet. Sowieso met het oog op Scope-2 en 3, en niet in de laatste plaats ter bevordering van kostenefficiëntie in onze samenleving als geheel. Ook de businessapplicaties van totaal andere spelers in het ecosysteem hebben baat bij betere duurzaamheidsgegevens, zodat ook daar integrale verbetering van duurzaamheid kan worden gerealiseerd.
Kunstmatige intelligentie (AI) heeft op dit moment alle aandacht. Het wordt nu als bijzonder en soms zelfs bedreigend ervaren. Maar op termijn is AI, net als internet nu, algemeen goed. Het disruptieve karakter van internet op het zakelijk en maatschappelijk verkeer van weleer zal met betrekking tot AI niet anders zijn. Kenmerkend voor disruptieve technieken en werkwijzen is dat zij nieuwe kennis en vaardigheden vereisen voor hen die het willen toepassen.
Het veilig ontginnen van talloze databronnen, het kostenefficiënt inrichten en exploiteren van een datawarehouse en het ontwikkelen van modellen op basis van AI vergen een behoorlijk steile leercurve van gevestigde organisaties.
Welk pad moet je nu bewandelen bij gebruik van AI op jouw bedrijfsgegevens en besluitvorming? Enerzijds is de ambitie van de eigen organisatie van belang om bij complexe vraagstukken tot uiterst effectieve businessoplossingen te komen. Zoals oplossingen die verder gaan dan we met klassieke analyses binnen een bepaald tijdsbestek kunnen realiseren. Anderzijds is het tempo van ontwikkelingen in de markt een drijvende kracht bij het toepassen van AI-technieken binnen het ecosysteem. Door deze twee fundamentele zaken tegen elkaar uit te zetten, ontstaan er grofweg vier mogelijkheden:
Transactiegedreven gegevensuitwisseling zonder analytisch vermogen (weinig ambitie, weinig marktvereisten)
Eigen toepassingen verbinden met AI-modellen van anderen door hun domeinkennis te gebruiken (weinig ambitie, veel marktvereisten)
Ontwikkeling van eigen eenvoudige AI-modellen op projectbasis (veel ambitie, weinig marktvereisten)
Lever AI powered services op basis van eigen domeinkennis en corporate intellectual property (veel ambitie, veel marktvereisten)
Niet voor elke onderneming zal punt 4 een vereiste blijken. Ook hoeft niet voor elke inzichtvraag hetzelfde pad bewandeld te worden. Een hybride benadering ligt voor de hand. De vraag voor nu is wel voor welke type organisatie en activiteiten het cruciaal is om op termijn te kunnen overleven zonder dat toegepaste AI-modellen tot het eigen intellectual property hoeven te behoren. Op het moment dat de noodzaak voor gebruik van AI zich voltrekt, is de race gelopen. Aan de basis van dit alles ligt de data, als waardevol bezit, die als eerste goed op orde moet zijn tegen minimale kosten.
Moet elke onderneming dan zijn eigen intelligente ‘sustainability stack’ bouwen? Marktwerking is immers een groot goed, waarbij intellectual property binnen analysemodellen in vertrouwelijkheid moet kunnen worden ontwikkeld. Ook op het vlak van reductie van verspilling, energietransities en duurzaamheid in het algemeen. Maar daar waar het gaat om generiek beschikbare multi-tenant cloud gebaseerde oplossingen, waarbij data en analysemodellen vertrouwelijk gehouden kunnen worden, hoeft niet iedereen voor zich het wiel uit te vinden.
Daarnaast is er de permanent exponentieel groeiende zee van data. Hoe lang willen organisaties doorgaan met het naar binnen halen van gegevens die elders ook opgeslagen staan? Hoeveel partijen in een ecosysteem denken zo kosteneffectief, en duurzaam, hun data in een cloudomgeving te stallen? Hoe vaak wordt data op termijn in de cloud gerepliceerd, puur omdat elke organisatie voor zichzelf de zekerheid van snelle en betrouwbare datatoegang wenst?
De datahonger zal met de opkomst van kunstmatige intelligentie en het trainen van Machine Learning-modellen versneld toenemen. Gelukkig stelt de techniek ons steeds beter in staat veilig en snel over externe databronnen te beschikken, waardoor het klassieke Extract & Transform-principe steeds meer ‘on demand’ kan plaatsvinden en replicatie van databronnen beperkt kan worden met inzet van goede ’Data as a Service-afspraken’ tussen partijen in het ecosysteem.
Hierbij speelt vertrouwelijkheid een cruciale rol. De noodzaak voor een centrale regievoering over datasets en analyse-uitkomsten wordt dan ook steeds groter, waarbij zaken als rechtenstructuren, pseudonimisatie en beprijzing gemanaged worden.
‘De datahonger neemt alleen maar verder toe door de opkomst van kunstmatige intelligentie en het trainen van Machine Learning-modellen’
Doordachte datagedreven benadering
Duurzaamheid met versterking van de concurrentiepositie en maatschappelijke verantwoordelijkheid van een onderneming is zonder een doordachte datagedreven benadering onwerkbaar. Gedetailleerde analyses op diverse databronnen stellen organisaties in staat om onze ecologische voetafdruk te meten, verspilling te beperken, risico's te beheren, stakeholders te betrekken en innovatie te stimuleren. Alleen het ontwikkelen van data- en analyse-strategieën om duurzaamheid in de talloze bedrijfsprocessen te integreren, biedt de opening naar verbetering van prestatie en reputatie van organisaties in een steeds duurzamer wordende samenleving.
Bijdrager(s)
Als enterprise innovator bij Centric begeleidt Frank de Nijs organisaties die graag het maximale uit hun data halen door techniek, data science en business uitdagingen bij elkaar te brengen. Daarnaast schrijft hij over business development, datagerichte ecosystemen en de zakelijke mogelijkheden van data science.
