Data gebruiken? Eerst opruimen!

René Raaijmakers

3 juli

Ik hoor het steeds vaker: bedrijven die met data en digitale technologie aan de slag gaan, behalen vaak verrassende eerste winsten. Heel vreemd is dat natuurlijk niet, want bij hun zoektocht om hun data in waarde om te zetten, keren organisaties productieprocessen, systemen en producten binnenstebuiten. Daarbij stuiten ze op zowel rommelzolders (ruimte voor besparingen!) als nog niet herkende schatten (‘de sensoren in onze machines blijken waardevolle informatie te leveren waar we eerder nooit naar keken’).

In zo’n traject komt de winst of kostenbesparing vaak uit onverwachte hoek. Die bijvangst valt meestal in de categorie: waarom hebben we dit niet eerder gezien? Voorbeelden zijn een betere indeling van een fabrieksvloer, of een betere logistiek. Vrij simpele verbeteringen dus.

René Raaijmakers is uitgever van Mechatronica&Machinebouw.

Wat dat betreft, is starten met een digitale of datagerichte bedrijfsvoering niet anders dan de invoering van een softwarepakket voor logistiek of sales. Wie zo’n tool invoert, doet er verstandig aan om zijn hele onderneming door te lichten als voorbereiding op de inzet van nieuwe software. Dat betekent werkprocessen in kaart brengen, helder maken wat precies de value stream is en identificeren waar kansen zitten om processen te optimaliseren. Ja, dat is een hoop werk, soms ook vervelend, maar vaak niet moeilijk en eenmaal onderweg wordt het leuk: bedrijven komen erachter waar kosten zijn te besparen of winst valt te behalen.

Investeringen in verandering verdienen zich door die snelle spinoff meestal al snel terug. Een frisse blik op de zaak kan daarbij geen kwaad. Wie iemand van buitenaf naar zijn organisatie laat kijken, komt binnen een paar weken tot een maand achter zaken die hij al jaren over het hoofd ziet. Een externe expert verdient die geringe investering vaak meteen al terug met het laaghangende fruit dat hij tegenkomt. Zo bezien, is een assessment van een paar weken niet eens een investering.

Met alle hype rond big data, iot, machine learning en ai is het bon ton om te roepen dat je iets met data gaat doen. Maar de vraag is natuurlijk: waar zit de pijn in je organisatie? Waar gaat het mis? Daar moet je de eerste stappen zetten. Pas in tweede instantie speelt de vraag: kunnen we dat verschijnsel gaan verklaren met data? Pas helemaal daarna komen de optimalisaties en de verbeterslagen.

Nog voor je aan zaken als machine learning of predictive maintenance toekomt, moet je dus de rommel opruimen, de boel schoonmaken en efficiënter inrichten. Dat eerste stadium is dus vrij basic, met vragen als: wat is de workflow binnen het bedrijf? Wat is de value stream? Waar zitten bottlenecks? Waar zit de pijn, waar gaat het mis? De organisatie in kaart brengen resulteert in modellen of beschrijvingen die snel duidelijk maken waar besparingen of winsten zijn te behalen.

Met die beschrijvingen ben je in staat om in vrij korte tijd bottlenecks te definiëren. Vaak leidt de opgedane kennis tot verrassende conclusies. Bijvoorbeeld dat er grotere winsten te behalen vallen in andere onderdelen van de workflow dan je aanvankelijk dacht.

De ervaring leert dat workflow-optimalisaties in een paar maanden tijd zijn te realiseren. Dit is dus al de tweede nevenvangst, nog voor je begint met de reden waarom je het onderzoek bent gestart. Beide optimalisatieslagen motiveren de betrokkenen om met het ‘echte werk’ te beginnen.

Laat je dus niet gek maken door alle hypes die je om de oren vliegen als het om data en digitale technologie gaat. Start de zoektocht naar waardevolle informatie gewoon met het op orde brengen van je bestaande organisatie. Daarna komt vanzelf het werkplezier en als je dat op een schoon bureaublad doet, is dat extra motiverend.