Datamanagement, iedereen vindt ’t prachtig, inclusief ikzelf in een eerdere blog. Keuzes maken op basis van door de jaren heen verzamelde data, wat kan daar nou mis mee zijn?
Toch blijft het uitkijken. Perfecte analyses. Prachtige inzichten. Een snelle beslissing op grond van wat u als feiten ziet. Het jaar daarop een dikke domper. Alle data ten spijt bleek de beslissing onjuist. Hoe kan dat? Hoe ontstaat ruis? Belangrijker: hoe analyseert u wel correct?
Deze blog vertelt wat er regelmatig fout gaat en hoe het beter kan. Komt u er niet uit, neem dan contact op.
Lees mijn andere blog over 5 voordelen over data-analyses hier!
1. Noteer de juiste gegevens
Uw collega's noteren gegevens in kas en veld op een tablet of op papier. Die gegevens moeten kloppen. Helaas gaat dat regelmatig fout, zeker als de verzamelde gegevens over de toestand van het gewas op kantoor worden ingevoerd. Ook als uw tablets automatisch synchroniseren, moeten de correctheid en de compleetheid van de ingevoerde data geborgd zijn.
Met een goede training vooraf weten gebruikers exact wat zij moeten invoeren. Ook een key-user kan zo'n training geven. Anders gezegd: neem alleen correcte beslissingen op basis van correcte gegevens.
2. Kijk naar de data op de langere termijn
Wij willen altijd snel, maar snel is niet altijd goed. Voor goede beslissingen op basis van data mag de lange termijn nooit worden vergeten. Soms doet u al snel mooie ontdekkingen of maakt u een efficiencyslag, maar vaak worden de grootste slagen na het eerste jaar gemaakt.
Het is riskant om op basis van een eerste jaar ingrijpend te veranderen. Focus op langere termijn. Maak pas ingrijpende keuzes na enkele jaren analyseren en kies niet op basis van één heel slecht of goed jaar.
3. Data verzamelen zonder doel
Wie thuis alles bewaart, krijgt een puinhoop. Een huis vol spullen waarmee hij niks doet. Dingen raken zoek, de structuur in je huis inbegrepen. Bij het verzamelen van data geldt hetzelfde. Bepaal welke data u nodig heeft en waarvoor. Allerlei feitjes bijhouden is leuk maar voor scherpe conclusies is focussen noodzakelijk. Voorkom ruis door nutteloos rondzwervende data.
4. Beheer de data goed
Ook u slaat bestanden op in de Cloud of op uw laptop. Daarvan kunt u moeiteloos een zooitje maken en chaos creëren, zodat dingen moeilijker vindbaar zijn of zelfs kwijt raken, zeker als u met meerdere personen werkt met ieder zijn of haar eigen mappenstructuur.
Voor datamanagement geldt hetzelfde. Borg de opslag van data in een systeem en maak daarvoor iemand verantwoordelijk. Die kan dan snel de benodigde gegevens leveren zodat u snel uw analyses kunt uitvoeren. Laat bovendien niet meer mensen binnen het systeem dan noodzakelijk. In sommige systemen kunt u rollen toewijzen aan personen. Dan kunnen zij alleen bij de gegevens die ze nodig hebben, doen ze met andere data niets en voegen ze geen verkeerde data toe.
5. Het verkeerde verband leidt tot de verkeerde conclusie
Een mooi voorbeeld van Frankwatching. Stel er komen meer ooievaars en meer baby`s, is dan het laatste een gevolg van het eerste? Dat gelooft u toch zelf niet…Toch worden zulke foute conclusies in de praktijk maar al te vaak getrokken. Correlatie is nog geen causatie.
Zeker, ook niet vooraf bedachte conclusies moeten mogelijk zijn. Maar bedenk vooraf kritisch waarover uw conclusies moeten gaan en welke data u daarvoor nodig hebt. Vergelijk niet wat niets met elkaar te maken heeft.
Komt u er niet uit? Dan kan uw softwareleverancier u vast verder helpen. Zij hebben ervaring. Onze BI consultant raadt klanten altijd aan om te kijken of de uitkomst overeenstemt met de verwachtingen. Bijvoorbeeld met een sanity check, een gezond verstand basistest over de juistheid of onjuistheid van uw conclusies.
