Waarom één dashboard voor iedereen niet werkt

Je rolt een dashboard uit voor de hele organisatie. Een paar weken later blijkt dat bijna niemand het gebruikt. Vaak ligt dat niet aan de techniek. Het begint bij de aanname dat een directielid, een manager en een medewerker in de operatie met dezelfde vraag naar dezelfde data kijken. Dat doen ze niet.

In aflevering 9 van De Dataleiders spreekt Bas Haarhuis met Marnix Kaper, BI Consultant bij Climber Benelux, over het beschikbaar maken van data per gebruikersgroep. Je leest wat er misgaat bij één allesomvattend dashboard, hoe je de echte informatiebehoefte achterhaalt en waar je morgen kunt beginnen.

Het korte antwoord: mensen hebben meestal niet méér data nodig. Ze hebben specifiekere data nodig die past bij hun rol en bij de beslissing die ze moeten nemen. Een breed dashboard is een goed startpunt voor analyse. Als eindproduct zorgt het vaak voor zoeken, afhaken en een lage adoptie.

Waarom werkt één dashboard voor de hele organisatie niet?

Omdat iedere laag in de organisatie een andere vraag stelt. Een dashboard dat alles tegelijk toont, geeft zelden direct antwoord op de vraag van de gebruiker.

Bas herkent dat uit eigen ervaring. Hij opent een commercieel dashboard met veel informatie en moet vervolgens zoeken naar de cijfers die hij nodig heeft. Als het dashboard hem niet in één oogopslag vertelt wat hij wil weten, stopt hij met kijken.

Marnix noemt dat het effect waarbij je door de bomen het bos niet meer ziet. De meeste gebruikers zijn gericht op gemak. Ze openen een rapport en willen direct zien wat voor hen belangrijk is. Moeten ze eerst veel filters instellen en doorklikken, dan haken ze af.

“Alles laten zien is schieten met hagel in plaats van gericht schieten. Je probeert alles tegelijk te raken, terwijl je juist precies wilt raken wat voor de gebruiker relevant is.”

Het probleem is dus niet dat er te weinig data in het dashboard staat. Vaak staat er juist te veel in, zonder dat duidelijk is welke informatie bij welke gebruiker hoort.

Wanneer is een allesomvattend dashboard wel nuttig?

Een allesomvattend dashboard is nuttig als startpunt voor analyse. Marnix bouwt zelf bijna altijd eerst een breed overzicht om te begrijpen wat de data betekent en welke verbanden erin zitten. Hij noemt dit een analistendashboard.

Dat is geen verkeerd product, zolang je het gebruikt waarvoor het bedoeld is. Het gaat mis wanneer het proces daar stopt. Dan blijft het startpunt liggen als eindproduct voor de hele organisatie.

Soms werkt zo’n uitgebreid dashboard toevallig goed voor een directeur of manager die veel ervaring heeft met data. Dat betekent niet dat andere gebruikers er ook mee uit de voeten kunnen.

“Als je niet weet waar je heen gaat, brengt elke weg je daar.”

Een analistendashboard helpt om mogelijke vragen te vinden. Daarna moet je per gebruikersgroep bepalen welke informatie echt nodig is.

Hoe achterhaal je wat een afdeling nodig heeft?

Vraag niet alleen welke data iemand wil zien. Vraag vooral wat die persoon met het inzicht gaat doen. Stel dat iemand vraagt om een overzicht van alle klantvragen en de bijbehorende doorlooptijd. Dan is het verzoek zelf nog niet voldoende. De belangrijkste vervolgvraag is: wat wil je met deze informatie veranderen?

Wil iemand een probleem onderzoeken? Moet de doorlooptijd omlaag? Is er een vermoeden dat bepaalde vragen langer blijven liggen? Of moet er dagelijks op achterstanden worden gestuurd?

Wanneer een afdeling nog niet op deze manier werkt, kan een workshop helpen. Loop samen het dagelijkse proces door. Wat doet iemand op een werkdag? Waar ontstaan wachttijden? Wat houdt het werk tegen? Welke beslissingen worden genomen en welke informatie ontbreekt daarbij?

Dat gesprek levert vaak informatiebehoeften op die nog helemaal niet in het dashboard zitten.

Bekijk daarna samen de cijfers. Medewerkers herkennen vanuit hun vakkennis vaak verklaringen voor verschillen en afwijkingen in de data. Die kennis heb je nodig om een dashboard te maken dat niet alleen technisch klopt, maar ook aansluit op de praktijk.

Dat gaat bijna altijd in meerdere stappen. Processen veranderen en daarmee veranderen ook de vragen.

Welke data hebben het operationele, tactische en strategische niveau nodig?

Het operationele niveau wil weten wat er vandaag moet gebeuren. Het tactische niveau wil begrijpen waarom iets afwijkt. Het strategische niveau wil weten of de organisatie op koers ligt.

Op operationeel niveau werkt gerichte data het beste. Een productmanager die stuurt op de marge per productcategorie heeft precies die weergave nodig. Niet het volledige commerciële dashboard. Een medewerker van de binnendienst wil zien welke klant aandacht nodig heeft. De algemene omzetontwikkeling is voor die dagelijkse actie minder relevant.

Op tactisch niveau draait het om oorzaak en gevolg. Waarom wijkt de omzet af van het budget? Waarom loopt de productie achter op de planning?

Bas noemt hierbij een metric tree. Daarin leg je vast welke factoren invloed hebben op een resultaat. Zie je bovenaan een afwijking, dan kijk je steeds een niveau dieper totdat je de mogelijke oorzaak vindt.

Strategische data begint bij de pijlers uit het meerjarenplan. Denk aan hogere klanttevredenheid, lagere kosten of een hogere productiviteit. Vervolgens vertaal je die doelen naar de invloed van iedere afdeling.

Klanttevredenheid kan voor een productieafdeling lastig te vertalen zijn naar dagelijks werk. Kosten zijn concreter. Draaiuren van machines kosten geld. Het aantal mensen in een proces bepaalt mede de kosten. Als duidelijk is waar de grootste kosten ontstaan, weet de afdeling ook waar zij kan verbeteren.

Hoe stuur je met data als de strategie op één post-it past?

Begin bij het proces waar de gewenste groei vandaan moet komen. Niet iedere organisatie heeft een uitgebreid strategisch plan. Soms komt de strategie neer op één zin, zoals vijftig procent groei in drie jaar.

Marnix draait de vraag dan om. Waar moet die groei ontstaan?

Gaat het om omzetgroei, dan begint hij bij het commerciële proces. Zit er voldoende structuur in de funnel? Is bekend waar de grootste potentie zit? Hoe concreet zijn de kansen? Welke risico’s kunnen worden bijgestuurd?

Groei komt voort uit een proces. Dat loopt van een eerste kans of idee tot gerealiseerde omzet. Rond dat proces stel je de vragen en zoek je de benodigde data. Ontbreekt die informatie, dan heb je meteen het eerste dataproject gevonden.

Hoe breng je gebruikersgroepen in kaart?

Begin bij de functie en de dagelijkse activiteiten. Ga daarna in gesprek, want binnen dezelfde functie kunnen verschillende rollen bestaan.

Twee salesmanagers hebben niet automatisch dezelfde informatiebehoefte. De ene manager stuurt bijvoorbeeld op een ander distributiekanaal, een andere klantgroep of een andere productcategorie.

Die verschillen worden pas duidelijk wanneer je met de afdeling praat. De vragen hoeven niet ingewikkeld te zijn:
Wat wil je weten? Welke beslissingen neem je? Wat doe je gedurende een werkdag? Welke informatie heb je daarvoor nodig?

Op basis van de antwoorden bepaal je welke gebruikersgroepen echt van elkaar verschillen.

Wat kan een AI agent toevoegen?

Een AI agent kan de rol van een gebruiker koppelen aan de juiste data en vervolgens verdiepende vragen stellen. Geeft iemand aan vanuit welke rol die naar de data kijkt, dan kan de agent bepalen welke informatie waarschijnlijk relevant is. Bij een salesmanager kan de agent bijvoorbeeld vragen naar het distributiekanaal, de klantgroep of de productcategorie.

Marnix ziet daar duidelijke mogelijkheden, met één belangrijke voorwaarde. Je ontwikkelt en traint zo’n agent samen met de mensen die hem gaan gebruiken. Alleen dan sluiten de vragen en antwoorden aan op het werkelijke proces.

Bas schetst ook een volgende stap. Een AI agent die gebruikers zelf attendeert op relevante afwijkingen in de data. De informatie komt dan naar de gebruiker toe. Vervolgens blijft de mens verantwoordelijk voor de afweging en de actie.

Waar begin je morgen?

Begin bij de vraag achter de vraag. Wat gaat iemand met het gevraagde inzicht doen?

Marnix deelt een voorbeeld dat dit goed duidelijk maakt. Op een afdeling met tien businessanalisten kwamen regelmatig algemene verzoeken binnen. Geef mij alle orders. Geef mij alle facturen. Geef mij alle klantvragen.

De analisten kochten bij IKEA een rond kleed en legden dat midden op de afdeling. Kwam er opnieuw zo’n brede vraag binnen, dan vroegen ze de collega vriendelijk om op de stip te gaan staan.

Tien stoelen draaiden om. Daarna kwamen de vragen:
Wat wil je met de data doen? Wat wil je bereiken? Hoe ver moet de informatie teruggaan? Wanneer heb je het resultaat nodig?

Het was geen aanval op de aanvrager. Het hielp juist om de vraag en het doel concreet te maken.

Werkt jouw BI team andersom en vraagt het alleen aan de business wat men wil zien, dan krijg je zelden direct een scherp antwoord. Begin in dat geval met een breed overzicht. Gebruik dat niet als eindproduct, maar als startpunt voor het gesprek.

De kern in het kort

Iedere rol stelt een andere vraag aan dezelfde data. Met één uitgebreid dashboard voor de hele organisatie bedien je daarom zelden iedereen goed.

Vraag door op het doel achter ieder verzoek. Maak onderscheid tussen operationele, tactische en strategische informatie. Ontwikkel het dashboard samen met de gebruikers en verbeter het in meerdere stappen.

Bedien verschillende rollen zoveel mogelijk binnen dezelfde dataset. Zo krijgt iedere gebruiker de juiste informatie, zonder dat er tientallen losse dashboards of verschillende versies van de waarheid ontstaan.

Luister of bekijk aflevering 9

Bekijk of beluister aflevering 9 van De Dataleiders voor het volledige gesprek van Bas Haarhuis met Marnix Kaper, BI Consultant bij Climber Benelux.

Wil je weten hoe datavolwassen jouw organisatie is?
Doe dan de gratis scan

Binnen twee minuten zie je hoe je organisatie scoort op datageletterdheid, eigenaarschap, data, besluitvorming, zelfredzaamheid en AI. Je krijgt ook praktisch advies over de stap waarmee je morgen kunt beginnen.