De whitepaper 'De 101 stappen naar BI succes'

Inleiding

Business Intelligence wordt nog vaak gezien als een IT-product. Maar dat is het zeker niet. Er worden nog zoveel rapportenfabrieken opgetuigd. Dat is niet alleen weggegooid geld. Want wie opent en leest al die rapporten (op een reguliere basis)? Maar een rapportenfabriek ontmantel je niet zomaar. De kans dat je ooit nog succes kunt gaan bereiken met BI wordt daarmee aanzienlijk kleiner.

In deze whitepaper beschrijft de auteur alle stappen die nodig zijn om (een groot) succes met Business Intelligence te bereiken.

Leeswijzer

Voordat je de 101 stappen gaat doornemen plaatsen we hier eerst een aantal kanttekeningen.

• Het is een complete lijst die getoetst is door experts met langjarige ervaring in het vakgebied. Per stap zijn uiteraard nog een aantal kleinere stapjes nodig.
• De stappen richten zich op het zo snel mogelijk behalen van succes met BI en zijn niet gericht op het creëren van een rapportenfabriek of compliance reporting.
• Voor een flink aantal stappen bieden wij ondersteuning aan als consultants. Je kunt ons altijd vrijblijvend benaderen voor advies, want waarschijnlijk is jouw situatie weer net even anders dan anders.
• Voor een aantal stappen hebben wij ook praktische templates beschikbaar zoals het projectplan, het functioneel ontwerp, KPI’s et cetera. Neem contact met ons op voor meer informatie.

De scope van BI & definities

Om Business Intelligence tot een succes te maken, moeten meerdere disciplines in de organisatie nauw samenwerken. Het is een multidisciplinair vakgebied. Daarom benoemen we hier vanuit verschillende invalshoeken drie definities van Business Intelligence:

1. BI als proces: BI is het proces waarmee je op gerichte wijze (big) data registreert, verzamelt, combineert en analyseert. De daaruit resulterende (voorspellende) informatie en kennis gebruik je consequent om betere beslissingen te nemen. Het doel: de prestaties op alle niveaus in je bedrijf substantieel verhogen.
2. BI als tool: BI is de verzameling van tools en IT hulpmiddelen die het BI proces in organisaties ondersteunt, efficiënt maakt en een gezicht geeft. De BI technologie zorgt idealiter voor één bron van stuurinformatie waar mens en machine (AI) gebruik van maken. Bekijk alle 25 BI tools
3. BI als discipline: BI is het geheel aan concepten, processen, strategieën, cultuur, structuur, methodieken, standaarden en IT­ hulpmiddelen die ervoor zorgen dat organisaties intelligenter kunnen worden.

In deze whitepaper leggen we de nadruk op de eerste definitie.

We hanteren een vrij strenge definitie van BI succes. Organisaties die succesvol zijn met BI boeken dankzij hun Business Intelligence betere resultaten. Denk hierbij aan lagere werkvoorraden, kortere doorlooptijden, hogere marges, verhoogde klanttevredenheid en een groter marktaandeel. De bijdrage van BI op deze resultaatgebieden is aantoonbaar.

De 101 stappen voor BI succes

Succes met Business Intelligence komt je niet zomaar aanwaaien. Het is geen kwestie van geluk. Het vraagt juist om een proces van nauwgezette engineering. Stap voor stap bouw je het succes op en uit. Dit zijn de stappen die je moet zetten om blijvend Business Intelligence succes te bereiken en zo ontwikkel je een intelligente, datagedreven organisatie:

1. Begrijp zelf BI & datagedreven werken: zorg dat je zelf ruim voldoende kennis en ervaring opbouwt met BI dashboards, rapporten, datawarehouses, machine learning, KPI’s, beslissingen et cetera.
2. Laat anderen BI ook begrijpen: verzeker je ervan dat je binnen de organisatie voldoende voor- en medestanders om je heen verzamelt die die kennis en ervaring ook hebben of willen opbouwen.
3. Maak een prototype: download één van de BI tools, verzamel relevante data en bouw je eerste BI dashboard met interactieve mogelijkheden. Ga de boer op met de data en je dashboard.
4. Vergroot de bewustwording: met alle kennis die jij en je collega’s nu hebben (inclusief het prototype) ga je de bewustwording van de mogelijkheden en voordelen van Business Intelligence vergroten. Vooral bij de beslissers in het operationele proces en de directie. Denk hierbij aan inspiratiesessies, interviews, demo’s van het prototype en werkateliers.
5. Stel een werkgroep BI samen: identificeer nu alle stakeholders en toekomstige gebruikers in de organisatie en selecteer uit die groep een aantal mensen voor de werkgroep BI. Zorg dat Finance & control en IT aan boord komen en mee kunnen denken.
6. Scan je IT-leverancierscontracten: in sommige contracten verbieden leveranciers directe toegang tot je eigen data. Dit kan een grote blokkade vormen voor de verdere ontwikkeling van Business Intelligence. Zorg dat de belemmeringen voor datatoegang worden weggenomen.
7. Schrijf een visiedocument: laat de werkgroep een gezamenlijke visie ontwikkelen op het totale vakgebied. Zorg dat de visie bij alle leden van de werkgroep tussen de oren komt (met concrete toepassingen en al) en dat ze die zelf kunnen toelichten en uitdragen.
8. Vraag akkoord aan de directie: presenteer de visie aan de directie en andere belangrijke stakeholders. Zorg dat de directie akkoord kan geven op het visiedocument.
9. Breng beslissingen integraal in kaart: ga met behulp van het beslissingenschema alle belangrijke (operationele) beslissingen in het primaire proces in kaart brengen. Dit zijn je use cases. Focus je hier op de hoofdlijnen maar voor elke beslissing probeer je alle blokjes zo goed mogelijk uit te werken.
10. Definieer de belangrijkste KPI’s: nadat je goed inzicht hebt gekregen in de belangrijkste beslissingen, kun je eenvoudig de KPI’s ophalen en nader definiëren. Stem die af met het team van Finance & Control.
11. Prioriteer de beslissingen en KPI’s: samen met de belangrijkste stakeholders en de directie ga je de beslissingen en KPI’s prioriteren. Idealiter ga je de beslissingen optimaliseren die ook een (behoorlijke) bijdrage aan de bedrijfsstrategie leveren.
12. Selecteer de belangrijkste beslissing en KPI’s: aansluitend op de voorgaande stap laat je de directie een besluit nemen over welke beslissing als eerste moet worden ondersteund door een Business Intelligence dashboard of BI systeem.
13. De directie stelt een gedelegeerd opdrachtgever aan: de directie laat zich voor die specifieke beslissing operationeel vertegenwoordigen door een gedelegeerd opdrachtgever. Die is ook de Product Owner BI.
14. Stel een projectteam samen: in overleg met de Product Owner stel je een projectteam samen met een data engineer, een BI consultant / dashboard ontwikkelaar / rapportenbouwer, een data analist en een datacoach. Stel een projectleider aan.
15. Schrijf de business case inclusief projectplan: beschrijf en visualiseer wat je gaat doen (activiteiten), met wie (rollen), hoeveel tijd het gaat kosten (WBS), wat de doelen zijn die je wilt realiseren, welke risico’s er zijn en welke maatregelen je daartegen moet nemen.
16. Organiseer een kick-off: met het projectteam en de belangrijkste stakeholders organiseer je een kick-off meeting zodat iedereen op de hoogte is van de laatste ontwikkelingen. Presenteer het projectplan, vraag om feedback.
17. Laat het projectplan goedkeuren: IT, Finance & Control en de gedelegeerd opdrachtgever keuren het projectplan goed.
18. Communiceer het project naar de organisatie: laat de Product Owner het project communiceren naar de organisatie / afdeling. Focus op de direct betrokkenen, maar vergeet niet de belangrijkste stakeholders in de loop te houden.
19. Maak een functioneel ontwerp: beschrijf datgene wat je gaat realiseren zo gedetailleerd mogelijk. Vergeet niet de KPI’s en PI’s te definiëren, inclusief welke databronnen je nodig hebt om die te berekenen.
20. Maak een dashboard mock-up: schets in grote lijnen hoe het toekomstige dashboard eruit kan komen te zien. Dit maakt onderdeel uit van je functioneel ontwerp.
21. Schets een dimensioneel model: beschrijf nu datgene wat je gaat realiseren in een dimensioneel model met meetwaarden, dimensies inclusief hiërarchieën, en eventuele koppeltabellen en filters. Dit model maakt onderdeel uit van je functioneel ontwerp.
22. Maak het ontwerp AVG-proof: heb je te maken met de verwerking van (gevoelige) persoonsgegevens, dan moet je in je functioneel ontwerp al een aantal zaken dichttimmeren. Privacy by design.
23. Laat het functioneel ontwerp accorderen: vraag feedback aan de Product Owner en Finance & Control en laat ze het ontwerp accorderen.
24. Verricht een datakwaliteitsonderzoek: slechte datakwaliteit moet bekend zijn bij alle projectteamleden en de Product Owner. Escaleer grote problemen via de Product Owner naar de proceseigenaar. Start eventueel parallel een verbetertraject voor het ophogen van de datakwaliteit.
25. Schets de projectstartarchitectuur: benoem alle relevante principes voor de projectstartarchitectuur en beschrijf de benodigde componenten om te komen tot het projectresultaat. Pas bij vervolgprojecten ga je nadenken over een complete BI architectuur.
26. Laat de architectuur accorderen: Laat IT samen met de Product Owner de architectuur accorderen. Zo voorkom je later problemen.
27. Kies de juiste BI tooling: Laat je niet overweldigen door de dominante marktpositie van Microsoft Power BI, maar kies die tool of dat BI platform dat het beste aansluit bij de wensen en eisen van jouw organisatie. Bekijk hier onze BI-kopersgids 2024.
28. Organiseer een knoppentraining: voor je BI team, een aantal mensen van IT en voor enkele toekomstige gebruikers ga je alvast een knoppentraining voor de BI tool organiseren.
29. Ga eens langs bij de opdrachtgever: boek een informeel overleg in met de opdrachtgever (directielid) en vertel wat je tot nu toe tegen bent gekomen aan weerstand, enthousiasme, tegenslagen en meevallers. Doe dit samen met de Product Owner.
30. Ontsluit de databronnen: laat IT onder regie van de data engineer de databronnen ontsluiten. Zorg in elk geval voor een kopie van de tabellen die je nodig denkt te hebben en bewaar deze op een andere server.
31. Zorg voor dagelijkse updates: idem, zorg dat ’s nachts de (gewijzigde) data van de vorige dag klaarstaat. Real-time updates zijn in deze fase gewoonlijk nog een brug te ver tenzij de business case overduidelijk aantoont dat dat per se noodzakelijk is.
32. Verken de data: laat de data engineer samen met de data analist de data verkennen. Zo kom je snel te weten waar eventuele problemen kunnen opdoemen wat betreft de datakwaliteit, het koppelen van data, et cetera.
33. Modelleer de data: nu kan de data engineer helemaal los gaan op je data. Hij of zij gaat een zo robuust en toekomstbestendig mogelijk datamodel in elkaar schroeven. Maar vooralsnog met als scope de huidige beslissing. Het datamodel voor de klant- en productdimensie moet in deze stap wel rekening houden met een grotere scope.
34. Transformeer de data: nadat de updates zijn binnengekomen zorgt de data engineer via ETL-processen dat het datamodel elke nacht wordt bijgewerkt. Ook voeg je belangrijke formules toe voor het berekenen van de KPI’s.
35. Test het datamodel: laat een toekomstige domeinexpert met SQL-kennis en -ervaring (of een externe data engineer) het datamodel toetsen en testen.
36. Verwerk de feedback: eventuele omissies in het datamodel en de overige feedback van de test verwerk je in het datamodel.
37. Ontwerp het dashboard & visualisaties: nu kan de data analist / BI consultant aan de slag om vanuit het datamodel de juiste data op te halen voor het visualiseren van de KPI’s op een dashboard.
38. Voeg interactieve elementen toe: maak het Business Intelligence dashboard interactief met onder andere drilldownmogelijkheden zodat gebruikers kunnen grasduinen in de data en die kunnen analyseren.
39. Voeg rapporten toe voor de details: ontwikkel detailrapportages die gebruikers in staat stellen om de juiste acties te nemen. Bijvoorbeeld een rapport dat de artikelen onder de minimale voorraadhoogte toont.
40. Presenteer het dashboard: organiseer een bijeenkomst waar je het dashboard aan de gebruikers toont en toelicht. Vraag om feedback. Laat ook zien wat de achterkant van een dashboard inhoudt zodat ze begrijpen dat het niet allemaal heel eenvoudig is.
41. Laat het dashboard valideren: laat een aantal (kritische) gebruikers het dashboard valideren. Kloppen de cijfers? Is het ontwerp logisch? Is het gebruiksgemak hoog genoeg? Et cetera.
42. Houd IT in de loop: zorg dat je IT regelmatig (en vroegtijdig) op de hoogte houdt van de ontwikkelingen. Zij moeten namelijk het datamodel en het dashboard in beheer gaan nemen.
43. Maak een productieomgeving aan: in overleg met de data engineer en de BI consultant zorgt IT ervoor dat er een productieomgeving komt. Van hieruit kunnen de gebruikers hun dashboard dagelijks/wekelijks raadplegen en de data analyseren.
44. Regel de autorisaties in: iedere gebruiker heeft een rol in het bedrijfsproces. Regel de autorisaties in afhankelijk van iemands rol. Zodoende krijgen gebruikers direct te zien waarvoor ze verantwoordelijk zijn en heeft niemand ongeautoriseerd toegang tot bepaalde data.
45. Maak een handleiding: documenteer het gewenste gebruik in een compacte handleiding (idealiter online) of video-instructie. Zorg dat in deze handleiding ook de definities van de KPI’s op het dashboard geraadpleegd kunnen worden.
46. Richt een servicedesk in: onder regie van IT richt je een servicedesk in waar gebruikers terecht kunnen wanneer het dashboard niet werkt (zoals gewenst).
47. Zet het eerste dashboard live: verwerk de feedback van gebruikers en IT en verpak het dashboard en datamodel en implementeer dit alles op de productieomgeving. Pas eventueel de handleiding aan.
48. Geef alle gebruikers een knoppentraining: neem je gebruikers mee in alle mogelijkheden van het dashboard en de mogelijke data analyses die uitgevoerd kunnen worden. Maak hier onderscheid tussen de managers (beslissers) en de data analisten.
49. Communiceer het dashboard en datamodel: zorg dat alle gebruikers, stakeholders en de directie op de hoogte worden gebracht van het live gaan van het dashboard en het doel ervan.
50. Wees beducht op kritiek en weerstand: door BI ga je de wijze waarop beslissingen genomen worden in je organisatie transparanter maken. Verwacht niet dat iedereen daar op zit te wachten. Vooral het middenkader kan deze transitie soms niet aan.
51. Verzeker je (nogmaals) van steun van de directie: je hebt veel steun nodig vanuit de directie (die moet vierkant achter je staan) omdat anders sommige mensen uit het middenkader je project downsizen of zelfs saboteren.
52. Organiseer een feestje: dit mooie moment moet je niet snel vergeten. Organiseer daarom een feestje voor alle betrokkenen en belanghebbenden. Vier het livegaan van het eerste dashboard.
53. Directie op de zeepkist: tijdens de eerste act van het feestje laat je een directielid én iemand uit de operaties vertellen waarom het dashboard van belang is: veel betere beslissingen door inzicht en data analyse. En niet om een afrekencultuur in stand te houden.
54. Organiseer trainingen datagedreven werken: misschien wel de achilleshiel van het project is het trainen en coachen van de managers. Zij moeten samen met de data analisten in een natuurlijke flow gebracht worden om voortaan datagedreven beslissingen te nemen. De datageletterdheid moet verder omhoog. Vraag hier een offerte aan.
55. Organiseer regelmatig datasessies: hetzij individueel of in groepen organiseer je wekelijkse of maandelijkse datasessies waar je continu verbeteren koppelt aan de dashboards met KPI’s en data analyseren. Managers en teamleiders ga je leren om datagedreven te PDCA-en. Zie de belangrijkste succesfactoren van BI.
56. Koppel de bevindingen terug naar opdrachtgever: ga samen met de Product Owner in gesprek met de opdrachtgever en koppel je bevindingen tot nu toe terug. Waar gaat het goed? Waar gaat het minder goed? Hoe bij te sturen? Wat verwacht je nu van de opdrachtgever?
57. Verbeter het dashboard: verzamel alle feedback vanuit de gebruikers en andere betrokkenen. Verwerk die in een aangepast datamodel en dashboard. Maak dit tot een continu proces waarbij de Product Owner regisseert.
58. Stel datacoaches aan: de datacoach help de beslissers in de organisatie op dagelijkse en wekelijkse basis met het nemen van datagedreven beslissingen. Een datacoach neemt soms ook deel aan vergaderingen waar besluiten worden genomen.
59. Limiteer de tijd en het budget: laat al het bovenstaande niet meer dan 70.000 euro kosten en minder dan 4 maanden tijd in beslag nemen. Met een snelkookpan blijven er meer vitamines en smaak over. Dit zijn gemiddelden en de werkelijke kosten hangen af van de hoeveelheid gebruikers, de hoeveelheid data en de complexiteit van de beslissingen en de organisatie.
60. Stel een lessons learned document op: van al de voorgaande stappen heb je ontzettend veel geleerd. Stel samen met de Product Owners een document op waarin je de lessons learned samenvat.
61. Herhaal vanaf stap 11: neem een andere beslissing met hoge prioriteit en doorloop vervolgens de benodigde stappen, met de lessons learned op het netvlies. Doe dit in de helft van de tijd en voor de helft van het eerdere budget. Je kunt bepaalde stappen waarschijnlijk overslaan. Zo hoef je niet elke keer een BI tool te selecteren of je architectuur bij te stellen.
62. Maak dashboards voor datakwaliteit: hoe meer datagedreven beslissingen je gaat nemen hoe groter het belang wordt van zuivere, betrouwbare data. Ga daarom per domein dashboards ontwikkelen waarmee proceseigenaren de kwaliteit van de data kunnen monitoren en analyseren.
63. Stel data stewards aan: de datasteward werkt in opdracht van de proceseigenaar om operationeel problemen met datakwaliteit op te lossen. Ook beschrijft deze de belangrijkste data van zijn of haar domein en hoe de datahuishouding te verbeteren.
64. Spring van project naar programma: de tijd van losse projecten is nu voorbij en je gaat samen met de directie een programma ‘Datagedreven werken’ opstellen. Er komt dus een overkoepelend programma voor alle BI-projecten.
65. Transformeer het team naar een afdeling: ook het projectteam heeft een upgrade nodig en een vaste plek in de organisatie. Zet een BICC of datalab op. Zorg dat er een gezonde mix bestaat van techneuten, domeinexperts, analisten en sociale dieren.
66. Volg een Big Data of Data Science training: breng jezelf en een aantal collega’s op de hoogte van de specifieke mogelijkheden van Big Data, machine learning en AI. Bekijk hier onze 10-daagse Data Science training.
67. Ontwikkel een bedrijfsbrede data-architectuur: na een aantal succesvolle BI-projecten gaat je architectuur piepen en kraken. Geef daarom ook je architectuur een upgrade, ontwerp allereerst de nieuwe architectuur op papier. Houd daarbij rekening met de opslag van Big Data en machine learning. Deze architectuur moet schaalbaar zijn tot in de keten en supersnel data en complexere analyses kunnen verwerken.
68. Stel de huidige tooling ter discussie: eerder heb je gekozen voor een specifieke BI tool maar is die nog wel geschikt voor de nieuwe architectuur? Hier ga je nog eens goed kijken welke BI tool of welk BI platform het beste past bij jouw situatie en organisatie.
69. Stem nieuwe architectuur af met stakeholders: bediscussieer de nieuwe architectuur uitentreuren met alle stakeholders. Breng de impact in kaart zowel qua budget als qua stabiliteit van de staande IT. Durf terug te komen op eerder gemaakte keuzes.
70. Monitor het gebruik van BI: bekijk hoe vaak gebruikers BI aanzetten. Bij veelvuldig gebruik ga je met ze praten, maar ook wanneer het gebruik beneden de verwachting is. Hiervan ga je leren.
71. Verzeker je ervan dat datagedreven werken de norm is: voordat je de nieuwe architectuur gaat implementeren moet je er zeker van zijn dat alle lagen van de organisatie inmiddels grotendeels datagedreven werken. Presenteer daarom de nieuwe organisatie en architectuur aan een grote doelgroep en verzamel feedback.
72. Scherp de eerder opgestelde visie aan: werk het visiedocument bij met onder andere machine learning en presenteer dit aan de directie, de belangrijkste stakeholders en de verschillende Product Owners.
73. Stel een BI roadmap op voor de komende 3 jaren: in een BI roadmap adresseer je alle BI-behoeften van de organisatie (dashboarding, rapporten, downloads, externe verslaglegging, analyses, et cetera) voor de komende jaren inclusief Big Data en machine learning toepassingen.
74. Presenteer de BI roadmap en vraag budget: bespreek de roadmap met alle betrokkenen en verzamel de feedback. Pas de roadmap aan, los eventuele geschillen op. Zorg dat je voor alle onderdelen uit de BI roadmap voldoende budget krijgt.
75. Migreer de dashboards en rapporten: de eerder gebouwde dashboards en rapporten breng je onder in de nieuwe data-architectuur. Je doet dit met gezond verstand zodat je geen dashboards en rapporten gaat overzetten die niet meer relevant zijn.
76. Vul je BI team aan: in deze fase van BI volwassenheid heb je niet alleen meer mensen nodig maar ook andere expertise. Er is meer expertkennis nodig van nieuwe technologie en tegelijkertijd heb je meer domeinkennis nodig. Ook change management expertise en ervaring is van groot belang.
77. Ga experimenteren met machine learning: ga voor jezelf eens na waar machine learning het verschil kan maken in je organisatie. Huur tijdelijk een ervaren data scientist in om je hierbij op weg te helpen. Neem als uitgangspunt altijd beslissingen in je organisatie, richt je eerst op beoordelingsprocessen in de operaties. Bijvoorbeeld het accepteren van een polis, het taxeren van vastgoed of het toekennen van een vergunning.
78. Selecteer een taal of tool voor machine learning: er zijn verschillende talen en tools in omloop waarmee je machine learning algoritmes kunt gaan ontwikkelen. Denk hierbij niet alleen aan Python en R, maar er zijn ook heel veel bibliotheken en tools beschikbaar zoals Scikit Learn, TensorFlow, SAS, et cetera.
79. Ontwikkel een prototype machine learning: net als in het begin bij BI dashboarding (wat een stappen heb je al gezet!) heb je een prototype nodig. Hier ga je weer de boer mee op.
80. Benoem het verschil tussen BI en AI: Business Intelligence is een parapluterm waar ook machine learning en AI onder vallen. Met Artificial Intelligence automatiseer je de analyses die voorheen door mensen werden gedaan. Eventuele beslissingen kun je er ook mee automatiseren. Leg dit principe uit aan de belangrijkste betrokkenen.
81. Werk de machine learning toepassingen uit: op basis van de eerder opgestelde beslissingschema’s ga je in workshops samen met domeinexperts kijken hoe je machine learning kunt toepassen op de beslissingen. Besteed extra aandacht aan big data en externe data zoals het weer, demografische data et cetera én hoe je met machine learning beslissingen tot in detail kunt gaan differentiëren. Neem contact met ons op voor een toelichting.
82. Presenteer en prioriteer de machine learning toepassingen: in een werkgroep ga je gezamenlijk onder leiding van de Product Owners en een lid van de directie de machine learning toepassingen doornemen en prioriteren. Selecteer net als bij dashboarding in het begin één beslissing waar je machine learning op wilt gaan toepassen.
83. Ontwikkel een visie op AI: vul het eerdergenoemde visiedocument aan met alle mogelijkheden die er zijn voor machine learning. Daarbij denk je ook na over: hoe meer algoritmes je ontwikkelt en implementeert hoe minder rapporten en dashboards er nodig zijn. En ook minder managers.
84. Verken de sociale impact: de organisatie kan door succesvolle AI nog platter worden en er zijn in principe minder mensen nodig om hetzelfde werk uit te voeren. Inventariseer de implicaties, maak deze helder en bespreek die met de Product Owners en de directie.
85. Maak de machine learning AVG-proof: tegenwoordig waait er een wind door AI-land waarbij je zeer zorgvuldig moet omgaan met persoonlijke data en algoritmes. En terecht. Zorg dat je algoritmes binnen de wettelijke kaders blijven.
86. Vergeet niet de AI-ethiek: allerlei ethische dilemma’s komen om de hoek kijken als je Artificial Intelligence wil gaan toepassen. Mag je bijvoorbeeld als verzekeraar aan de poort met AI gaan selecteren op eventuele winstgevendheid van een verzekerde? Bespreek de AI-ethiek met je belangrijkste stakeholders en formuleer de grenzen dan wel onderbouw de AI-toepassingen met argumenten waarom het ethisch verantwoord is.
87. Haal extra budget op voor AI: waarschijnlijk heb je extra budget nodig om AI met succes te kunnen implementeren. Stel samen met de Product Owner een business case op voor deze specifieke AI-toepassing.
88. Screen de data die nodig is voor AI: voordat je met machine learning een beslissing gaat ondersteunen of automatiseren moet je de data heel goed kennen. “Slechte data” is desastreus voor AI. Met een BI dashboard of rapport kun je slechte data nog zelf opmerken, maar met een machine learning model niet.
89. Bepaal een dataset voor de training: om een machine learning model te ontwikkelen train je het algoritme met een representatieve dataset. Die moet vrij van biases zijn. Staar je niet blind op je eigen data. Tegenwoordig kun je ook datasets inkopen voor het trainen van algoritmes.
90. Laat je model valideren: samen met domeinexperts en een machine learning engineer ga je het model valideren. Wat gebeurt er onder de motorkap (voor zover je dat nog kunt begrijpen) en welke uitkomsten genereert het model gegeven de input.
91. Slijp het model fijn: op basis van de uitkomsten uit de vorige stap ga je het model fijnslijpen en indien nodig kortwieken. Let er op dat het model precies goed presteert voor het doel. Soms is een nauwkeurigheid van 25% al voldoende, het model presteert beter dan een mens kan doen. Maar voor medische beoordelingen heb je een veel hogere nauwkeurigheid nodig.
92. Zet een productieomgeving op voor AI: net als bij de dashboards en rapporten heb je voor machine learning een productieomgeving nodig waar de machine learning modellen op draaien.
93. Neem het model in productie: nu is het machine learning model klaar om daadwerkelijk op basis van nieuwe input een beoordeling of voorspelling te gaan doen. Je hebt een fantastische mijlpaal bereikt want slechts weinig AI-toepassingen halen de finish.
94. Evalueer de performance: zorg dat je eerst dagelijks en later wekelijks de performance van het model monitort. Blijf er de eerste tijd bijzitten en kijk wat er gebeurt. Zorg voor een back-upsysteem.
95. Communiceer het succes: is de performance van het model goed genoeg? Communiceer dan het succes met de organisatie.
96. Organiseer een AI-feestje: successen moet je met elkaar vieren en dit succes verdient zeker een feestje. Nodig iedereen uit die betrokken is bij het succes en bedank iedereen voor zijn inzet en resultaat.
97. Bepaal de lessons learned: bepaal samen met het team welke lessen je kunt trekken uit de eerste AI-implementatie. Vat ze samen op een A4’tje.
98. Koppel de AI-bevindingen terug naar opdrachtgever: ga samen met de Product Owner in gesprek met de opdrachtgever en koppel de AI-bevindingen tot nu toe terug.
99. Herhaal vanaf stap 81: ga nu ook andere beslissingen automatiseren met machine learning. Scherp je visie voor AI aan.
100. Definieer de nieuwe organisatie: alle belangrijke beslissingen worden nu ondersteund met Business Intelligence dashboards, rapporten of machine learning. Heb je nu meer of minder medewerkers nodig? Waar kun je afslanken en waar moet je bijplussen? Definieer samen met de directie en het management hoe de organisatie er in de toekomst uit gaat zien. Maak een sociaal plan.
101. Meld je aan voor de Dutch BI & Data Science Award: om het jaar organiseren wij deze award voor de Slimste organisatie van Nederland waar datagedreven werken de norm is.

Misschien was het je al opgevallen. Tijdens deze 101 stappen heb je eigenlijk 3 fasen doorlopen. Eerst leg je de nadruk op Business Intelligence dashboards, datagedreven werken en beslissingen. Hierna komt een fase van herstructurering met het aanleggen van een solide data architectuur en de migratie. In de laatste fase implementeer je machine learning.