Schiphol Data lead
Data transformatie in het infrastructuur domein
Als toonaangevende luchthaven in Nederland beheert Royal Schiphol Group onder andere Amsterdam Airport Schiphol en werkt zij aan de ambitie om tot de meest duurzame en hoogwaardige luchthavens ter wereld te behoren. Schiphol wil een luchthaven creëren die klaar is voor de toekomst, met doelstellingen zoals zero-waste en zero-emissions richting 2030. Deze ambitie vraagt om een infrastructuur die optimaal presteert voor passagiers, medewerkers en vliegtuigen. Van assets en onderhoud tot energie en operatie. Dat kan alleen door de juiste beslissingen te nemen op basis van betrouwbare inzichten en door te sturen op heldere KPI’s. Daarom is data het fundament: met data producten die daadwerkelijk worden gebruikt, een duidelijke datastrategie waarbij ‘data at the heart of every key decision’ staat en een manier van werken die adoptie in de organisatie versnelt.
1. In het kort
In deze opdracht werkte ik als interim Data Lead binnen het Data & Analytics en infrastructuur domein, en heb ik tijdelijk ook op senior niveau bijgedragen aan de aansturing en richting van het data-leadership in zowel het DNA en Infra LT. De kern van mijn rol was het bouwen van een sterke data producten door separate product teams en het neerzetten van een werkwijze waarmee use cases niet alleen worden ontwikkeld, maar ook echt landen in de operatie. Het doel was om data structureel een plek te geven in de besluitvorming, én tegelijkertijd de drempel voor collega’s te verlagen om data dagelijks te gebruiken. Daarmee werd data minder “iets van een team” en meer een vanzelfsprekend onderdeel van hoe het domein stuurt en verbetert.
2. Uitdaging
Het infrastructuurdomein stond voor een grote en complexe opgave: zorgen dat de luchthaven nu én in de toekomst betrouwbaar functioneert, terwijl ambities rondom kwaliteit, duurzaamheid en continuïteit steeds hoger worden. In zo’n omgeving is er veel data, veel afhankelijkheid en veel stakeholders. Maar dat betekent niet automatisch dat data ook effectief wordt benut. Tegelijkertijd werkten meerdere teams en specialisten aan uiteenlopende initiatieven, waardoor focus en samenhang niet vanzelf ontstonden. De uitdaging zat daarom niet alleen in de inhoud, maar vooral in het organiseren van richting, prioritering en eigenaarschap: van ad hoc werkzaamheden naar een consistente aanpak waarin de juiste use cases boven komen drijven, teams voorspelbaar leveren, en dataproducten daadwerkelijk worden geadopteerd door de business.
3. Aanpak & oplossing
Alignment & diagnose
Start met een volledig overzicht van teams en individuen, backlog, financiën, producten en stakeholders om snel gefundeerde impact te maken.
Roadmap & operating model
Ambitie en visie neergezet, de backlog gevuld met sterke use cases en gestuurd op business-adoptie via drie sporen:
Inzicht: de business helpen met performance-inzichten via data.
Adoptie: tooling en mensen organiseren, data producten realiseren die adoptie krijgen, en data literacy/adoptie verhogen.
Disrupt: innovatie aanjagen met kansen uit o.a. Generative AI en predictive maintenance, richting initiatieven die later in de business landen.
Delivery met team
Een versnipperd team van individuele sleutelspelers omgevormd naar één sterk en gemotiveerd team, onder andere door het aanstellen van goede product owners en het brengen van focus en ritme.
Adoptie, governance & way of working
Leadership-inbedding: als senior data lead geïntegreerd in het leadership team om visie, uitdagingen en kansen van data leads te vertegenwoordigen en DNA beter te laten ondersteunen.
Backlog & use-case funnel: van ad hoc werk naar structurele intake, scherpere prioritering en een hogere kwaliteit van aanvragen vanuit de business, met focus op adoptie en waarde.
Agile delivery model: van losse Jira-borden en email-werk naar een consistente Agile werkwijze met support van een agile coach en ervaren product owner; initiatieven gemapt op “parents”, timelines en impediments zichtbaar gemaakt en structuur in de operatie gebracht.
Value focus: expliciet gestuurd op data producten die bijdragen aan strategische doelen of EBITDA, en dus ook “nee” gezegd om ruimte te houden voor grotere impact.
Innovatie-initiatieven: kansen opgehaald en vertaald naar initiatieven rond o.a. GenAI en predictive maintenance.
4. Resultaat
Sterker team en betere samenwerking: een samenhangend team dat de bedrijfsdoelen beter ondersteunt.
Meer datavolwassenheid: consistentie in werkwijzen en sterker alignment met de datastrategie binnen DNA.
Van ad hoc naar impactgedreven backlog: hogere kwaliteit van aanvragen en meer focus op substantiële use cases.
Meer voorspelbare delivery: Agile structuur met heldere timelines, afhankelijkheden en blokkades.
Waarde-gedreven prioritering: investeringen gekoppeld aan strategische doelen/EBITDA, met bewuste keuzes voor maximale impact.
““Bas heeft in een moeilijke omgeving geleverd met een glimlach. Een mooie combinatie, want daardoor kreeg hij zijn omgeving mee in de transformatie en bereikte samen met hen resultaat.””
5. Key learnings
Bouw eerst een winnend team: juiste mensen bij elkaar, enablement en een duidelijk doel. Dat is de basis voor delivery.
Impact vraagt om een waardevolle backlog: verzamel en prioriteer use cases die ertoe doen, en vier successen om adoptie te versnellen.
Ritme + governance versnellen (in plaats van vertragen): structuur in werk en besluitvorming maakt resultaten herhaalbaar.
