Vertrouw op je eigen mensen voor innovatie

Wil je innoveren? Stel dan geen dure innovatiemanager aan, maar vertrouw op je eigen mensen en gebruik slim interne gestructureerde data die je kan vertrouwen. Begrijp bovendien dat het belangrijkste werk van een data scientist het structureren van data is.

Iedereen heeft het over digitale transformatie, business intelligence en innoveren met data. Ook bij Smart Profile wordt volop geïnnoveerd met alle informatie die we de afgelopen 25 jaar hebben verzameld. We hebben veel B2B data beschikbaar van diverse Europese landen, met name de Benelux. Het is de uitdaging om die data correct, volledig en up-to-date te houden en om daar, op een innovatieve manier, waarde uit te halen. Zo verschuiven we steeds meer van data leverancier naar data partner en analyst. Als basis van die verschuiving staat de ontwikkeling van  de nodige producten en diensten die volledig intern zijn ontwikkeld door mensen uit diverse rollen en vakgebieden.

Geen hiërarchie

Een grote fout die organisaties maken, is de aanstelling van een speciale innovatiemanager. Je dient je dan wel af te vragen of je succesvol kan vernieuwen door iemand die alleen maar ‘innoveert’. Een manager die uitsluitend wordt ingehuurd om tegen mensen te zeggen: jij moet nieuwe dingen gaan doen? Met als reden dat de organisatie vooruit moet en daarom iets nieuws moet bedenken?

Ik geloof daar niet in, je moet de kennis van de mensen in je organisatie gebruiken. In mijn ogen is een organisatie die succesvol innoveert een organisatie waar medewerkers, in welke rol dan ook, de ruimte krijgen om te innoveren. Zodoende zijn we een paar jaar geleden begonnen het ‘operating system’ (de manier waarop we hier samenwerken) te veranderen. Ik wilde af van de hiërarchische bedrijfscultuur waarin de directeur bedenkt waar het allemaal heen moet. Ik probeer de verantwoordelijkheid bij de mensen neer te leggen. Zien zij dingen die beter kunnen binnen de organisatie, dan moeten ze de vrijheid en de mogelijkheden hebben om veranderingen in gang te zetten.

Door nu te kiezen voor Holacracy, is iedere werknemer in de organisatie een ‘sensor’ voor wat beter kan. Bovendien is alles toegestaan, mits het onze organisatie niet in gevaar brengt. Innovaties mogen natuurlijk niet in tegenspraak zijn met onze purpose: ’Realize Potential’.

Jonge mensen

Het bieden van vrijheid middels de keuze voor zelfsturende teams werkt niet voor iedereen. Sommige mensen duiken weg voor meer verantwoordelijkheid. Je hebt mensen nodig die verantwoordelijkheid willen oppakken, nieuwsgierig zijn en niet bang zijn om iets te doen dat wellicht nooit eerder is gedaan. In zo’n nieuwe organisatiecultuur moeten ook fouten kunnen worden gemaakt. We willen daarom vooral jonge mensen binnenhalen, die niet ‘ lineair’ denken. Ouderen hebben de neiging problemen te willen oplossen zoals ze dat altijd hebben gedaan. Jongeren kijken anders tegen dingen aan. Ik zie mensen van 26 jaar oplossingen bedenken waar klanten superblij van worden, maar waar ik zelf niet eens aan had gedacht.

Naast minder hiërarchie en meer jonge mensen, zoeken we ook heel doelbewust contact met de buitenwereld. Wat gebeurd er allemaal buiten onze organisatie op het gebied van data en innovatie? Sinds enkele jaren investeren daarom wij in de Jheronimus Academy of Data Science (JADS) in Den Bosch, een samenwerkingsverband van de provincie Noord-Brabant, de Technische Universiteit Eindhoven en de Universiteit van Tilburg. Voor ons is dat een soort ‘buitenboordmotor’ die ons ‘schip’ wendbaarder maakt. JADS is een kweekvijver voor jonge data scientists en helpt ons voorop te blijven lopen met de laatste kennis op het gebied van data science.

Smart Profile Labs

De samenwerking tussen Smart Profile en de universiteiten brengt onderwijs en praktijk dichter bij elkaar, en past binnen het streven van Smart Profile om naast markt intelligentie te leveren ook slimme data science toepassingen aan te bieden. De universitaire instellingen maken op hun beurt dankbaar gebruik van de (zeer) gestructureerde data van Smart Profile.

Iedereen heeft het over data, maar de grootste uitdaging zit in goede en vooral gestructureerde data. Een data scientist besteedt zo’n 80 procent van zijn tijd aan data engineering: het ‘goed’ krijgen van data, zodat je die kan vertrouwen. Dat je weet wat je hebt en ook wat je niet hebt. Dat je vanuit de beschikbare data kunt analyseren en modelleren, maar dat je wel precies weet wat je doet. Je kunt de meest interessante analyses op data loslaten, maar is je bron niet goed, dan neem je de verkeerde beslissingen.

Mensen laten zich graag verleiden door sexy termen als data science, predictive analytics en machine learning. Maar de praktijk van data science is vooral heel veel data preparation, structuring en engineering. Daar zit een enorme uitdaging. Wij hebben daarom al langer data scientists in onze organisatie en natuurlijk ook de nodige analisten. Op dit moment halen we vooral mensen binnen die echt als data scientist zijn opgeleid, of zelfs nog in opleiding zijn. Wiskundigen van in de twintig. Om dat nog meer kracht bij te zetten, zijn we onlangs gestart met Smart Profile Labs: een laboratorium-achtige omgeving waar mensen kunnen experimenteren met data en dingen kunnen opzetten die niet meteen geld hoeven op te leveren. In Smart Profile Labs innoveren we samen met onze klanten op het gebied van market intelligence, data management en demand generation.

Volledig, gestructureerd en actueel

Het binnenhalen van jonge, talentvolle data scientists, maar ook de samenwerkingsverbanden met universiteiten komen makkelijk van de grond doordat Smart Profile beschikt over gestructureerde data. Data science draait voor een groot deel om de volledigheid, de actualiteit en de dekking van data. Iedereen heeft het over data science en het voorspellend gedrag van artificial intelligence, maar ik vind dat we terug moeten naar de basis: naar wat voor data kijken we nou eigenlijk? Wat kunnen we ermee? Klopt deze data wel? Die stap wordt vaak overgeslagen.