Technologie bepaalt steeds minder vaak de voorsprong op de concurrentie. Mensen wel.

We leven in een tijd waarin technologie voor steeds meer organisaties beschikbaar wordt, en daarmee voor veel bedrijven steeds minder onderscheidend vermogen biedt. De tools die een paar jaar geleden alleen beschikbaar waren voor grote, datagedreven organisaties met grote IT budgetten, zijn inmiddels ook voor de kleinere concurrenten toegankelijk. Programmeren wordt steeds meer gedaan met behulp van AI assistants, software maak je steeds meer zelf met AI en prompting en intuïtieve interfaces vergroten het aantal data gebruikers binnen organisaties. Daarmee is data beschikbaar voor de massa, in plaats van enkel de mensen met een data achtergrond of grote corporates met een groot budget. 

Toch zien we dat het merendeel van de organisaties nog steeds moeite heeft om daadwerkelijk waarde uit data te halen. Ondanks de investeringen. Ondanks de ambitie. Ondanks alle beschikbare technologie. Het resultaat valt simpelweg vaak tegen en de CFO begint steeds vaker de ROI vraag te stellen. 

De logische vraag is dan ook: waarom vallen de resultaten in euro’s toch zo vaak tegen?

Technologie was nooit het probleem

Als je organisaties vraagt naar hun grootste uitdagingen op het gebied van data, krijg je vaak voorspelbare antwoorden. Data zit in silo’s, definities zijn onduidelijk, AI-initiatieven blijven hangen in experimenten en het gebruik van dashboards valt tegen.

Maar wie verder kijkt, ziet dat deze problemen slechts symptomen zijn van een dieper liggende oorzaak. Het probleem zit zelden in de technologie zelf. De meeste organisaties beschikken vandaag de dag over voldoende tooling en experts om technisch hoogwaardige oplossingen te bouwen.

Sterker nog, de kwaliteit van wat gebouwd wordt, is vaak helemaal niet het issue. Het probleem is dat die oplossingen onvoldoende aansluiten op de praktijk waarin ze gebruikt moeten worden.

Start met luisteren in plaats van bouwen

In de afgelopen jaren is de drempel om dataproducten te bouwen drastisch verlaagd. Dashboards, voorspelmodellen en zelfs AI-oplossingen kunnen relatief snel en betaalbaar worden gerealiseerd. Daardoor is de echte bottleneck beter zichtbaar. De uitdaging zit niet in het bouwen van technologie, maar in het maken van de juiste keuzes.

Welke problemen lossen we op?  Welke data is daarvoor relevant? Hoe kunnen we zorgen dat de gebruikers zo eenvoudig mogelijk de juiste inzichten ter beschikking heeft?  En misschien nog belangrijker: hoe wordt deze oplossing onderdeel van het dagelijkse werk? 

Juist op dat niveau zien we dat succesvolle datagedreven organisaties het verschil maken.

Het belang van context en begrip

Succesvolle dataproducten ontstaan zelden vanuit technologie. Ze ontstaan vanuit een goed begrip van de context waarin ze gebruikt worden. Dat begint met luisteren. Naar stakeholders, naar gebruikers en naar de processen waarbinnen beslissingen worden genomen.

Dat klinkt vanzelfsprekend, maar in de praktijk is het dat vaak niet. Organisaties investeren veel tijd in het ontwerpen en bouwen van oplossingen, maar relatief weinig in het écht begrijpen van het probleem. Daardoor ontstaan producten die technisch correct zijn en de data experts heel erg blij maken, maar praktisch irrelevant voor de dagelijkse gebruikers in de business. . 

Een goed dataproduct sluit aan op hoe mensen werken. Het helpt bij concrete beslissingen, past binnen bestaande processen of dwingt deze op een doordachte manier te veranderen. Dat vraagt niet alleen technische kennis, maar vooral begrip van de organisatie en haar dynamiek.

Waarom adoptie het echte verschil maakt

Zelfs wanneer de wens duidelijk is en er goede oplossingen worden gebouwd, is succes nog niet gegarandeerd. De echte waarde van data ontstaat namelijk pas op het moment dat mensen dagelijkse keuzes maken op basis van de inzichten die worden geboden. Dat lijkt een detail, maar is in werkelijkheid de kern van het probleem.

Veel organisaties investeren zwaar in data en technologie, maar besteden relatief weinig aandacht aan adoptie. Terwijl juist daar het grootste deel van de waardecreatie plaatsvindt. In de praktijk betekent dit dat dashboards wel bestaan, maar niet worden gebruikt. Dat modellen wel draaien, maar geen invloed hebben op beslissingen.

De bekende 30/70-verdeling uit het AI- en tech-transformatie framework van Boston Consulting Group (BCG) is hier treffend: ongeveer 30% van het succes wordt bepaald door technologie, terwijl 70% samenhangt met menselijk gedrag en adoptie. 

Change management als randvoorwaarde

Het aanpassen van gedrag gebeurt niet vanzelf. Het vraagt om gerichte aandacht voor verandering. Change management is dan ook geen sluitstuk van een dataproject, maar een randvoorwaarde voor succes. Dat begint al bij het ontwerp. Door stakeholders vroegtijdig te betrekken, ontstaat niet alleen een beter product, maar ook draagvlak voor gebruik. Door duidelijke rollen en verantwoordelijkheden te definiëren, wordt het gemakkelijker om data structureel onderdeel te maken van besluitvorming.

Daarnaast vraagt adoptie om begeleiding. Training, communicatie en het actief stimuleren van nieuw gedrag zijn essentieel om ervoor te zorgen dat een dataproduct daadwerkelijk wordt omarmd door de organisatie. Druk en urgentie vanuit senior management geldt hier als versneller. Zonder deze elementen blijft zelfs de beste oplossing zonder impact.

Van AI hype naar financiele waarde

De opkomst van AI maakt deze dynamiek nog zichtbaarder. Veel organisaties experimenteren met nieuwe technologieën, hebben een leuke POC binnen 5 dagen, maar slechts een klein deel slaagt erin om deze om te zetten in structurele waarde. De reden daarvoor ligt zelden in de technologie zelf. De meeste AI-oplossingen falen omdat ze niet gekoppeld zijn aan concrete use cases met duidelijke businesswaarde.

De vraag “wat kunnen we met AI?” blijkt in de praktijk minder relevant dan de vraag “welk probleem willen we oplossen?”. Pas wanneer die laatste vraag scherp is beantwoord, kan technologie bijdragen aan impact. Organisaties die hier bewust op sturen, maken het verschil. Niet door meer te experimenteren, maar door gerichter te kiezen.

De drie pijlers van datagedreven werken

Wanneer we kijken naar organisaties die wel succesvol zijn in het realiseren van waarde uit data, zien we een consistent patroon. Zij investeren in drie samenhangende pijlers:

• een solide fundament van data, governance en kwaliteit

• Verzamelen van goed beschreven use cases, geprioriteerd in een roadmap

• dataproducten die inzichten en automatisering mogelijk maken

• adoptie in de dagelijkse praktijk en het meten en vieren van succes

Deze drie elementen versterken elkaar. Zonder betrouwbaar fundament ontbreekt vertrouwen in data. Zonder relevante dataproducten ontbreekt toepasbaarheid. En zonder adoptie blijft impact uit. Juist de balans tussen deze drie bepaalt het succes.

Adoptie als echte differentiator

De conclusie is daarmee onvermijdelijk. Technologie is steeds minder onderscheidend. Wat organisaties vandaag kunnen bouwen, kan hun concurrent morgen ook. Het verschil zit ergens anders. In het vermogen om de juiste problemen te identificeren.  In het begrijpen van de context waarin beslissingen worden genomen. En in het daadwerkelijk veranderen van gedrag. Dat zijn geen technische vraagstukken. Dat zijn menselijke vraagstukken.En daarmee wordt de rol van mensen in een steeds technischer speelveld alleen maar belangrijker. 

Tot slot

Organisaties die vandaag investeren in data, investeren vaak in technologie. Maar technologie alleen creëert geen waarde. Waarde ontstaat pas wanneer inzichten leiden tot ander gedrag en betere beslissingen. Dat vraagt om een andere focus. Minder op wat er technisch mogelijk is, en meer op wat er organisatorisch nodig is. De organisaties die daarin slagen, bouwen betere dataproducten. En zorgen ervoor dat die gebruikt worden, want alleen daar ontstaat de waarde.In een wereld waarin technologie voor iedereen beschikbaar is, is adoptie het echte concurrentievoordeel. Of eenvoudiger gezegd: niet de technologie, maar de mens maakt het verschil.