Data-analyse voor strategie: wat een MT ermee doet
- Paul van Heeringen
- 23 aug 2024
- 5 minuten om te lezen
Bijgewerkt op: 11 jun
KERNANTWOORD: Data-analyse helpt een directieteam om strategische aannames te toetsen aan de werkelijkheid. Het gevaar is niet te weinig data, maar te veel data zonder de vraag: welk besluit helpt dit ons nemen?
Het was een donderdagmiddag in oktober, ergens in een vergaderzaal met uitzicht op een industrieterrein. Het MT had net drie kwartier besteed aan een grafiek over klantverloop. Zeven slides, twee externe adviseurs, een dure tool die alles in real time bijhield. En aan het einde van de presentatie stelde de commercieel directeur de enige vraag die er eigenlijk toe deed: "Maar wat gaan we er dan nu anders mee doen?"
Stilte.
Dat moment ken jij waarschijnlijk. Niet omdat jouw MT incompetent is, maar omdat data verzamelen en data gebruiken voor strategische beslissingen twee heel verschillende dingen zijn.
De aanname die je nooit hebt getoetst
Elk MT werkt met aannames. Dat is niet erg, dat is onvermijdelijk. Je kunt niet elke beslissing vanuit nulpunt opbouwen. Aannames zoals: onze marge zit in de bovenkant van de markt, onze klanten kiezen ons op kwaliteit, groei in regio X is realistisch. Die aannames sturen je strategie, je investeringen, je personeelsplan.
Het probleem is dat die aannames zelden expliciet worden gemaakt. Ze zitten opgesloten in de hoofden van de mensen die al tien jaar in het bedrijf werken. En als ze al worden uitgesproken, gaat de discussie meteen over of ze kloppen, niet over hoe je dat zou kunnen weten.
Data-analyse helpt een directieteam om precies dat te doorbreken. Niet door dashboards te bouwen of PowerPoint-slides te vullen met grafieken, maar door één stap eerder te beginnen: wat is eigenlijk de aanname, en welke data zou ons kunnen vertellen of die aanname nog klopt?
Paul van Heeringen zegt dit vaak tegen MT's die hij begeleidt: een strategie zonder getoetste aannames is geen strategie, maar een gedeeld geloof. Dat werkt prima zolang de markt je gelijk geeft. Maar op het moment dat de werkelijkheid afwijkt, weet je niet meer waar je bij moet sturen.
Wat data-gedreven strategie in de praktijk betekent
Veel organisaties van 100 tot 1.000 mensen hebben inmiddels meer data dan ze aankunnen. CRM-systemen, ERP, klanttevredenheidsmetingen, marktonderzoek, Google Analytics, sectorrapportages. De data is er. Wat ontbreekt, is de verbinding tussen die data en de strategische vragen die het MT werkelijk bezighoudt.
Dat is ook waarom data-analyse voor strategie anders werkt dan operationele rapportage. Operationele data vertelt je hoe goed je presteert op vandaag. Strategische data helpt je beslissingen nemen over volgend jaar, over over twee jaar. Dat vraagt om een andere bril.
Een concreet voorbeeld. Stel dat jouw organisatie al jaren groeit door bestaande klanten te laten uitbreiden, cross-sell en upsell. Dat is de logica waarop je salesstrategie is gebouwd. Maar wat als je je klantdata eens anders snijdt? Wat als je kijkt naar welke klanten in de afgelopen drie jaar zijn vertrokken, wat zij gemeenschappelijk hadden, en welk deel van je huidige klantenbestand datzelfde profiel heeft? Dan praat je ineens over een ander risico dan je dacht te hebben.
Dat soort analyse hoeft niet complex te zijn. Het hoeft geen data scientist te vereisen of een zes maanden durend onderzoekstraject. Wat het wel vereist, is dat het MT bereid is om de juiste vragen te stellen voor je de data induikt. Welk besluit moeten we nemen? Wat zou ons ervan overtuigen om links af te slaan in plaats van rechts? En welke data heeft daar iets mee te maken?
De heisessie die anders verloopt
Stel je een kwartaalreview voor waarbij je niet begint met een dashboard, maar met een lijst aannames. Niet de mooie aannames uit de strategienota, maar de echte. De aannames die je maakt zonder het uit te spreken.
Ga daar dan mee aan de slag. Schrijf ze op. Markeer per aanname of je die ooit hebt getoetst. Niet "we hebben er ooit een onderzoek naar gedaan", maar: hebben we bewijs dat deze aanname klopt voor onze situatie, op dit moment?
Je zult ontdekken dat een flink deel van je strategie drijft op aannames die je nooit systematisch hebt gecontroleerd. Soms terecht, omdat ze zo vanzelfsprekend zijn dat ze geen toetsing nodig hebben. Maar soms is er een aanname bij die al een jaar niet meer klopt en die stilletjes jouw prioriteiten verkeerd stuurt.
Data-gedreven strategie betekent dan ook niet dat je alles meet. Het betekent dat je weet welke aannames het meest wezenlijk zijn voor je koers, en dat je die als eerste wil toetsen. Selectiviteit is het kernwoord. Meer data is bijna nooit het antwoord. De juiste vraag stellen, en dan zoeken naar de data die die vraag beantwoordt, dat wel.
Dat is ook de reden waarom veel MT's na een dag met dit soort analyses zeggen dat ze het gevoel hebben dat ze eindelijk over de goede dingen praten. Niet over wat er misgaat in de uitvoering, maar over of de koers zelf nog steeds logisch is.
Terug naar die vergaderzaal
Weet je wat er in die vergaderzaal uiteindelijk gebeurde? De commercieel directeur stelde zijn vraag. De externe adviseurs keken even ongemakkelijk. En toen zei de CEO iets wat ik nooit vergeet: "Dat weten we eigenlijk niet. We hebben nooit gevraagd wat we met dit antwoord zouden doen als we het hadden."
Ze besloten de presentatie te pauzeren en eerst te bepalen welk besluit ze eigenlijk moesten nemen. Pas daarna keken ze welke data daarvoor relevant was. Het was minder dan een tiende van de slides die klaarlagen.
Drie maanden later hadden ze hun retentiebeleid bijgesteld op basis van twee simpele tabellen. Niet op basis van een dashboard. Op basis van de juiste vraag.
Welke strategische aanname van jullie MT is eigenlijk nog nooit getoetst aan echte data?
Veelgestelde vragen
Hoe gebruik je data-analyse voor je bedrijfsstrategie?
Begin niet met het verzamelen van data, maar met het expliciteren van je strategische aannames. Welke aannames sturen jouw strategie het meest? Bepaal daarna welke data je nodig hebt om die aannames te toetsen. Data-analyse voor strategie draait om de juiste vragen stellen, niet om zoveel mogelijk meten.
Wat is het verschil tussen data gedreven werken en een data gedreven strategie?
Data gedreven werken richt zich vaak op operationele prestaties: hoe goed doe je het vandaag? Een data gedreven strategie gaat een laag dieper: het toetst de aannames waarop je koers is gebouwd. Dat vraagt om andere vragen en andere data dan je dagelijkse rapportages.
Hoeveel data heb je nodig om een goede strategie te onderbouwen?
Minder dan je denkt. Veel MT's hebben al meer data beschikbaar dan ze benutten. Het probleem is zelden een tekort aan data, maar het ontbreken van de juiste vraag. Als je weet welk besluit je wil nemen, weet je ook welke data je nodig hebt om dat besluit te onderbouwen.
