Lean Six Sigma en Data-as-a-Product: een winnende combinatie (deel 3 van 4)

Wat is Lean?

Lean is een methodiek die uitstekend toepasbaar is bij de ontwikkeling en productie van dataproducten. Vanuit het perspectief van de klant beschouwt Lean elke activiteit die niet direct bijdraagt aan wat de klant werkelijk nodig heeft als verspilling (Tempelman & Schildmeijer, 2023). Lean streeft ernaar deze verspillingen te identificeren en te elimineren, zodat alleen de waardevolle stappen overblijven. Op deze manier kunnen dataproducten worden gerealiseerd die beter aansluiten op de verwachtingen van de klant en daardoor van hogere kwaliteit zijn. Lean definieert acht vormen van verspilling binnen een proces, die in de datawereld als volgt kunnen worden geïnterpreteerd:

1. Transport: het onnodig verplaatsen van (master)data tussen systemen, processen of afdelingen, wat tijd en middelen kost zonder extra waarde toe te voegen.
2. Voorraad: het opslaan van data die niet nodig is, zoals verouderde of overbodige informatie, die geen toegevoegde waarde biedt voor huidige processen of analyses.
3. Beweging: inefficiënte handelingen en processen van mensen rondom het verkrijgen en verwerken van data die de productiviteit verlagen.
4. Wachten: tijdverlies doordat gebruikers, processen of systemen wachten op de beschikbaarheid of verwerking van data.
5. Overproductie: het verzamelen en produceren van meer data dan nodig, wat leidt tot overtollige opslag en complexiteit zonder extra klantwaarde.
6. Procescomplexiteit: onnodige stappen, overmatige kwaliteitscontroles en een gebrek aan strategie of standaarden, wat resulteert in een inefficiënt en moeilijk beheersbaar dataproces.
7. Fouten: onjuiste invoer, verwerking of onvoldoende validatie van data, wat leidt tot onbetrouwbaar gebruik van analyses en inefficiënte processen.
8. Onbenut talent: het niet optimaal inzetten van medewerkers, zoals het negeren van hun technische vaardigheden of bedrijfskennis.

Door deze soorten verspilling op te sporen en het operationele proces te analyseren aan de hand van de datamanagementleidraad zoals beschreven in DAMA DMBoK**, kun je deze verspilling elimineren en meer waarde voor de klant creëren. Sommige verspillingen zijn daarbij eenvoudiger te verhelpen dan andere; begin daarom met verspillingen die een grote impact hebben op waardecreatie en relatief eenvoudig op te lossen zijn. 

Het belang van een goed ontwikkelproces bij een nieuw dataproduct

Inzicht in bedrijfsprocessen en benodigde beslissingen

Een veelvoorkomend misverstand bij datagedreven werken is dat data de richting bepaalt, terwijl het juist de mensen (de business) zijn die sturing geven. Data ondersteunt de beslissingen en processen die vanuit de business worden aangestuurd. Elke dataset geeft slechts een deel van de werkelijkheid weer en vergt interpretatie vanuit een bredere context. Daarom is het essentieel om eerst goed inzicht te hebben in de bedrijfsprocessen en benodigde beslissingen voordat je met data aan de slag gaat. Zoals je het eerste artikel hebt kunnen lezen, creëren organisaties waarde via hun processen, en kan data als product helpen deze processen effectiever en efficiënter te maken.

Van push naar pull

Een bekend probleem is de gebrekkige afstemming tussen business en IT, wat de effectiviteit van dataproducten belemmert. Het BI-team speelt hierin een cruciale rol als schakel tussen business en IT: waar IT zich richt op technische oplossingen (zoals API-koppelingen en performance), vertaalt BI de vragen van de business naar datamodellen en analyses. Dit vraagt om een verschuiving van traditionele push-denken (produceer zoveel mogelijk dataproducten) naar pull-denken, waarbij de business duidelijk aangeeft welke inzichten werkelijk nodig zijn. Omdat deze inzichten en specificaties soms niet volledig bekend zijn bij de start, is een flexibel, lerend proces nodig waarin business, BI-specialisten en IT samen werken aan het dataproduct. Door flexibel te blijven en de doelen regelmatig af te stemmen, voorkom je verspilling en blijft het product aansluiten bij de werkelijke behoeften. Afhankelijk van de organisatie kan het BI-team organisatorisch onder IT vallen (push-situatie) of juist dichter bij de business gepositioneerd zijn (pull-situatie). In beide gevallen is een goede samenwerking tussen alle partijen essentieel om maximale waarde uit data te halen.

Doelbinding

Een goed ontwikkelproces begint dan ook met een grondige verkenning van de klantvraag. Door scherp te stellen wat de klant nodig heeft, kan een operationeel proces worden ingericht dat zonder verspilling waarde toevoegt. Hier komt doelbinding aan bod: elke stap in het dataproces moet bijdragen aan de klantdoelen, zonder overbodige handelingen, zoals het verzamelen of analyseren van data die geen directe waarde oplevert. Hoe duidelijker de doelen vanaf het begin, hoe doelgerichter het proces ingericht kan worden.

Een effectief ontwikkelproces draait om het creëren van klantwaarde. Begrijp het doel van het dataproduct, welke inzichten de klant zoekt en welke eisen er gelden omtrent snelheid, veiligheid, privacy en datakwaliteit. Zo ontstaat een flexibel proces dat de klant in staat stelt continu meer waarde te halen uit datagedreven werken.

---

*DAMA Internationaal is een non-profit, leveranciersonafhankelijke, wereldwijde vereniging van technische en zakelijke professionals, toegewijd aan het bevorderen van de concepten en praktijken van informatie- en gegevensbeheer.

**DAMA-DMBOK is een raamwerk beschreven in een boek voor informatie- en datamanagement onderverdeeld in elf kennisgebieden. Met dit raamwerk kun je de activiteiten rondom informatie- en databeheer (data governance) inrichten. DMBOK staat voor Data Management Book of Knowledge.

---

In het volgende en laatste deel van deze artikelenreeks passen we de acht verspillingen van Lean toe op het operationele proces van het dataproduct. Alles wat hierbij niet bijdraagt aan klantwaarde (de klantwaarde die we zojuist hebben gedefinieerd in het ontwikkelproces) wordt gezien als een verspilling.