Introductie

KPI’s: de kracht van meetbaar succes binnen je BI-strategie

Welkom bij het vierde blog in onze reeks over Business Intelligence (BI). In eerdere blogs hebben we de basispunten van BI besproken: hoe je datagedreven werken integreert in je organisatie en welke tools je daarvoor kunt gebruiken om deze strategieën in de praktijk te brengen. In deze blog duiken we dieper in een belangrijk onderdeel: Key Performance Indicators (KPI’s), oftewel de Kritieke Prestatie Indicatoren die je helpen je BI-strategie te versterken en écht meetbaar succes te realiseren.

Wat zijn KPI’s en waarom zijn ze zo belangrijk?

KPI’s zijn de ruggengraat van elke succesvolle bedrijfsstrategie. Maar wat zijn het nu precies? Heel simpel: KPI’s zijn meetbare doelen die inzicht geven in de prestaties van je organisatie. Ze helpen je te zien of je op de goede weg bent naar je strategische doelen. Of het nu gaat om financiële resultaten, klanttevredenheid of operationele processen, KPI’s maken het mogelijk om succes te kwantificeren en koers te houden.

Door de juiste KPI’s te selecteren, kun je snel zien waar je bedrijf goed in is en waar verbetering nodig is. Dit helpt je niet alleen om de prestaties te meten, maar ook om beter onderbouwde beslissingen te nemen die bijdragen aan de groei van je organisatie.

Stappenplan voor het definiëren van KPI’s

Hoe identificeer je KPI’s?

Het kiezen van de juiste KPI’s begint met het helder definiëren van wat je wilt bereiken. Maar hoe doe je dit dan? Dit hoeft namelijk geen ingewikkelde taak te zijn, het draait allemaal om het stellen van heldere doelen en het begrijpen van de kern van je bedrijfsprocessen. Een aantal vragen die je je zelf kunt stellen om tot de juiste KPI’s te komen, zijn als volgt:

• Wat wil je écht bereiken?

Denk niet alleen in termen van abstracte groei of efficiëntie, maar wees specifiek. Wil je de omzet verhogen? De klanttevredenheid verbeteren? Of misschien de productiviteit van je teams verhogen? Hoe concreter, hoe beter, want je KPI’s moeten hierop inspelen.

• Welke processen zijn belangrijk om je doelen te behalen?

Neem de tijd om te kijken naar de belangrijkste processen binnen je organisatie. Waar ligt je kracht en waar kunnen dingen beter? Deze processen zijn vaak de basis voor je KPI’s. Als je bijvoorbeeld je klanttevredenheid wilt verhogen, kijk dan naar de processen die de klantervaring beïnvloeden.

• Welke succesfactoren bepalen het verschil?

Niet elk detail van je bedrijfsvoering is even belangrijk. Zoom in op de factoren die écht impact hebben op het behalen van je doelen. Dit zijn je succesfactoren. Voor elke succesfactor stel je vervolgens KPI’s vast die goed weergeven hoe deze factor presteert.

• Hoe kun je dit meetbaar maken?

Nu je een goed beeld hebt van wat belangrijk is, is het tijd om na te denken over hoe je de voortgang kunt meten. Sommige dingen zijn makkelijk in cijfers uit te drukken, zoals omzetgroei. Andere, zoals klanttevredenheid, vragen misschien om een enquête of andere kwalitatieve data. Zoek naar manieren om zowel kwantitatieve als kwalitatieve aspecten te combineren.

• Is alles nog SMART?

Hoewel het misschien cliché klinkt, blijft het SMART-principe (Specifiek, Meetbaar, Acceptabel, Realistisch, en Tijdgebonden) een gouden regel voor het opstellen van KPI’s. Het helpt je om te checken of je KPI’s nog steeds scherp en haalbaar zijn. Als ze voldoen aan deze criteria, weet je zeker dat ze niet alleen duidelijk zijn, maar ook praktisch inzetbaar en gemakkelijk te monitoren.

De juiste KPI’s kiezen: Wat is écht een KPI?

Het kiezen van KPI’s begint met het stellen van heldere doelen en het begrijpen van je bedrijfsprocessen. Zoals eerder besproken, is het van belang om de juiste vragen te stellen: Wat wil je bereiken?, Welke processen dragen bij aan die doelen? en Welke succesfactoren zijn het meest relevant?

Maar zelfs als je deze stappen hebt doorlopen, kan het soms lastig zijn om te bepalen welke metingen écht als KPI’s dienen. Hier komt de beslisboom in beeld, die je helpt om te bepalen of een meting daadwerkelijk een KPI, een Kritieke Risico Indicator (KRI), of een Prestatie Indicator (PI) is.

Laten we stap voor stap door deze beslisboom heen lopen.

• Is het een financiële indicator?

Als het antwoord ja is, dan kijk je verder naar of het een heel specifiek resultaatgebied meet. Is dat het geval? Dan heb je te maken met een KRI. Zo niet, dan is het een KPI. Als het antwoord nee is, ga je naar de volgende vraag.

• Meet het de uitkomst van een opzichzelfstaande gebeurtenis?

Als de indicator alleen een uitkomst van één enkele gebeurtenis meet, en het heeft niet op een breed resultaatgebied impact, dan is het waarschijnlijk een PI. Deze zijn nuttig, maar hebben vaak niet de strategische impact van een KPI. Als het antwoord ja is, dan moet je nagaan of deze uitkomst invloed heeft op meerdere resultaatgebieden. Heeft het wél brede impact, dan kan het alsnog een KPI zijn.

• Heeft het impact op meerdere resultaatgebieden?

Indicatoren die de prestaties van verschillende delen van je organisatie beïnvloeden, kunnen als KPI worden geclassificeerd, mits ze dagelijks of frequent genoeg gemeten kunnen worden. Dit is een belangrijk kenmerk van KPI’s: ze hebben een brede impact en zijn vaak aanpasbaar op de dagelijkse gang van zaken.

• Kun je het dagelijks meten?

KPI’s onderscheiden zich doordat ze vaak op dagelijkse of wekelijkse basis kunnen worden gemeten, wat ervoor zorgt dat ze je real-time inzicht geven in je bedrijfsprocessen. Als je het niet frequent kunt meten, valt het onder een andere categorie zoals een PI of een indicator van incidentele prestaties.

De combinatie van kwantitatieve en kwalitatieve KPI’s is de perfecte balans.

Cijfers zijn belangrijk, dat weten we allemaal. Maar ze vertellen lang niet altijd het hele verhaal. Ja, financiële ratio’s en omzetcijfers laten zien hoe goed je bedrijf presteert op papier, maar hoe zit het met de klanttevredenheid of de bedrijfscultuur? Dit zijn zaken die je niet direct in getallen kunt vatten, maar die wel ontzettend belangrijk zijn. Daarom is het slim om zowel kwantitatieve als kwalitatieve KPI’s in te zetten.

Stel: je omzet stijgt, maar je klanten zijn minder tevreden. Dan mis je het grotere plaatje als je alleen naar de cijfers kijkt. Door kwalitatieve KPI’s, zoals klantfeedback, toe te voegen aan je rapportages krijg je een completer beeld van je prestaties en kun je beter onderbouwde beslissingen nemen.

Hoe nu verder?

Nu je een duidelijk beeld hebt van hoe je de juiste KPI’s kunt identificeren, is het tijd voor de volgende stap: ze in de praktijk brengen. Het definiëren van KPI’s is één ding, maar zorgen dat ze daadwerkelijk bijdragen aan je bedrijfsdoelen is waar de echte uitdaging ligt. Hoe zorg je ervoor dat je KPI’s niet alleen op papier goed klinken, maar ook in de dagelijkse praktijk effectief zijn? En hoe kun je ze continu blijven monitoren en aanpassen om ervoor te zorgen dat ze altijd relevant blijven? Laten we eens kijken hoe je dit concreet kunt aanpakken!

Het kiezen van de juiste tools voor jouw KPI’s.

Het hebben van KPI’s is één ding, maar ze effectief meten en monitoren is een ander verhaal. Gelukkig leven we in een tijd waarin tools ons hierbij enorm kunnen helpen. In onze vorige blog hadden we de tools besproken die real-time data kunnen verzamelen, analyseren én visualiseren. Van eenvoudige oplossingen voor kleinere bedrijven tot complexe systemen voor organisaties met heel specifieke eisen.

De kunst is om de tool te vinden die past bij jouw organisatie. Ga je voor een eenvoudig dashboard om de basis goed te monitoren? Of heb je iets meer maatwerk nodig om écht diep in de data te duiken? Wat je ook kiest, zorg ervoor dat je tools je KPI’s eenvoudig inzichtelijk maken, zodat je niet verdwaalt in een zee van data.

Data verzamelen en analyseren is waar de magie gebeurt.

KPI’s opstellen? Check. De juiste tools gekozen? Check. Nu komt de volgende stap: data verzamelen en analyseren. Dit kan op verschillende manieren, en veel bedrijven kiezen voor een mix van geautomatiseerde en handmatige dataverzameling. Dashboards kunnen je in real-time laten zien wat er gebeurt binnen je bedrijf, maar voor kwalitatieve data, zoals klantfeedback of marktonderzoek, blijft handmatige verzameling van belang.

Als de data eenmaal binnen is, begint het echte werk: de analyse. Door gebruik te maken van statistische analyses, trendonderzoek en benchmarking kun je afwijkingen en patronen in je data opsporen. Dit is hét moment om waardevolle inzichten te verkrijgen, die je vervolgens gebruikt om je strategieën bij te sturen en je prestaties te verbeteren.

Houd je KPI’s scherp, blijf evalueren en bijsturen.

KPI’s zijn geen statische meetpunten die je één keer vaststelt en daarna vergeet. Sterker nog, als je KPI’s niet regelmatig evalueert, loop je het risico dat ze hun relevantie verliezen. Je bedrijf verandert, de markt verandert – dus je KPI’s moeten daarin meebewegen. Door regelmatig te evalueren of je KPI’s nog in lijn zijn met je doelen, zorg je ervoor dat ze altijd actueel blijven en je de juiste dingen meet.

Het is hierbij belangrijk om stakeholders erbij te betrekken. Samen kun je bepalen of je KPI’s nog steeds effectief zijn of dat er bijsturing nodig is. Flexibiliteit is hier de sleutel tot succes, want zo kun je snel inspelen op veranderingen en zelfs voor blijven op je concurrenten.

Use-cases

Voorbeelden van Business Intelligence oplossingen uit de praktijk met gebruik van KPI’s

Benieuwd naar onze use-cases rondom BI waar KPI’s worden gebruikt? Hieronder vind je een selectie!

• Datagedreven werken en inkopen bij Rijksinkoopsamenwerking: Transformatie naar een datagedreven organisatie voor efficiëntere inkoopprocessen.
• Ontwikkeling naar een datagedreven organisatie bij Morentz: Ondersteuning van sales, operations en contentmanagement met data en automatisering.
• Inzicht in de gehele inkoop- en betaalketen bij OCW: We helpen het Ministerie met BI aan meer inzicht over hun gehele inkoop- en betaalketen.

Conclusie

In dit blog hebben we besproken hoe belangrijk KPI’s zijn voor het succes van een datagedreven organisatie en hoe ze je kunnen helpen om prestaties te meten en bij te sturen. De kernpunten uit dit blog zijn:

• Het belang van KPI’s: KPI’s geven je organisatie helderheid over waar je staat en waar je naartoe moet. Ze zorgen ervoor dat je strategie meetbaar wordt en dat je gericht kunt werken aan je doelen.
• Het opstellen van KPI’s: Het kiezen van de juiste KPI’s begint bij duidelijke en specifieke doelen. Door de focus te leggen op wat echt belangrijk is voor je organisatie, zorg je ervoor dat je de juiste zaken meet.
• Kwantitatieve en kwalitatieve KPI’s combineren: Alleen cijfers geven niet altijd het volledige beeld. Door zowel kwantitatieve als kwalitatieve KPI’s te gebruiken, krijg je een compleet beeld van je prestaties.
• Gebruik van meetinstrumenten: Tools zoals dashboards zijn van belang om KPI’s in real-time te monitoren. De keuze van de juiste tool hangt af van je behoeften en de complexiteit van je data.
• Flexibiliteit en evaluatie: KPI’s zijn geen vaste meetpunten. Het is belangrijk om ze regelmatig te evalueren en aan te passen aan veranderende omstandigheden, zodat ze altijd relevant blijven voor je bedrijfsdoelen.

KPI’s zijn geen eindpunt, maar een hulpmiddel dat je organisatie helpt continu te verbeteren. Door flexibel te blijven en je KPI’s te laten meegroeien met je bedrijf, leg je de basis voor duurzaam succes.

Kortom, een sterke KPI-strategie helpt je niet alleen om je prestaties te meten, maar vooral om die inzichten te benutten en je succes daadwerkelijk te realiseren!

Wat is datagedreven werken?

Datagedreven. Veel organisaties zijn dit of willen het worden. Het is een term die we al langere tijd in jaarplannen, strategische visiedocumenten tegenkomen. Maar wat houdt het nou precies in, dat “datagedreven” werken? Daar een concreet antwoord op vinden is nog niet zo eenvoudig.

Waar het allemaal op neerkomt is het incorporeren van data in het maken van bedrijfskeuzes. Voordat we data tot onze beschikking hadden, maakten we als bedrijven en mensen keuzes vooral op basis van gevoel en ervaring. Tegenwoordig baseren organisaties deze keuzes steeds meer op feitelijke gegevens en maken we de data hierin steeds meer leidend.

Als organisatie kan het lastig zijn om over te stappen op een datagedreven werkwijze, want het heeft nogal wat voeten in de aarde. Er zijn technische tools en skills voor nodig, maar even zo belangrijk zijn juiste processen, definities en competenties en houding van mensen.

In dit blog geven we je een beeld van datagedreven werkenen bespreken we de voordelen, valkuilen én best practices. Wil je na het lezen van dit blog meer weten? Onze specialisten staan klaar om je te helpen de eerste stappen te zetten naar een meer datagedreven organisatie.

Niet vanzelfsprekend

Als gevolg van digitalisering is de hoeveelheid beschikbare data in organisaties flink toegenomen. Veel organisaties zitten zogezegd “op een berg van data” waar ze hun voordeel mee willen doen. Datagedreven werken gaat verder dan deze berg opslaan in een datawarehouse en de informatie hierin omzetten naar overzichten, dashboards en andere vormen van rapportages. Het gaat erom de data te vertalen naar inzichten en deze inzichten een rol te geven in beslissingen die de organisatie maakt. Het is cruciaal dat stakeholders de waarde van data begrijpen en correct interpreteren wat de data hen probeert te vertellen.

Dit is echter niet altijd zo makkelijk gezegd als gedaan.

Onderzoek van Harvard toont aan dat 91.9% van de leidinggevenden de culturele obstakels als grootste belemmering zien in hun datagedreven transformatie. Zo wordt het als lastig ervaren dat medewerkers zich moeten aanpassen aan de datagedreven cultuur binnen de organisatie, want het gaat met de huidige strategie al jaren goed. Daarom is het van belang om een goede basis neer te leggen en de medewerkers juist te trainen. Hierdoor weten stakeholders beter wat de data voor hun kan betekenen en weten ze hun eigen data ook op de juiste manier te interpreteren en door te vertalen naar beslissingen.

Één versie van de waarheid

In een datagedreven organisatie streef je naar één centrale bron van de waarheid. We kennen allemaal de situatie waarbij verschillende bronnen tegenstrijdige informatie geven over dezelfde gegevens. Óf die talloze Excellijstjes en PowerPoint presentaties die rond worden gestuurd, waarbij iedereen eigen inzichten en berekeningen aan toevoegt.

Dit probleem aanpakken is niet eenvoudig en vraagt om een team overstijgende aanpak.

Het vraagt daarnaast op sterk leiderschap en een lange adem. Begin met een solide basis – een solide data-infrastructuur én -architectuur, met een duidelijke visie op datamanagement – en betrek medewerkers vanuit verschillende disciplines. Ontwikkel incrementeel, vier successen en voer continue het gesprek over uitkomsten. Wat betekent het? Vinden we de uitkomst plausibel? Wat is een vervolgactie?

Door IT, data en “de business” samen op te laten trekken, verklein je de kans op weerstand en onbegrip en vergroot je de kans op een succesvolle implementatie aanzienlijk. Als de business de voordelen gaat zien van en vertrouwen krijgt in opgeleverde informatieproducten, zullen de losse Excellijstjes en verschillende waarheden binnen de organisatie vanzelf verdwijnen.

Voordelen

Succesvolle, datagedreven organisaties hebben in onze ogen een aantal grote voordelen.

• Transparante Bedrijfscultuur

In een datagedreven bedrijfscultuur is besluitvorming gebaseerd op data-analyse en interpretatie. Dit vereenvoudigt het verantwoorden en onderbouwen van beslissingen met bewijs, wat leidt tot meer transparantie in de organisatie.

• Strategische, Tactische en Operationele Sturing

Data en analyses kunnen de kern vormen van beslissingen, zowel op strategisch, tactisch en operationeel niveau. Wanneer je als organisatie de juiste “Resultaat Indicatoren” en KPI’s hebt vastgesteld, en deze op de juiste manier meet, zie je niet alleen of het bedrijfsmatig goed gaat, maar juist ook waardoor dit wordt beïnvloed en waar je bij moet sturen.

• Marktveranderingen en Klantbehoeften

Inzicht in marktveranderingen en klantbehoeften, zorgt ervoor dat een organisatie beter in kan spelen op behoeften en voorkeuren. Dit zorgt voor hogere tevredenheid en loyaliteit van klanten.

• Efficiëntie

Datagedreven organisaties zijn beter in staat om inefficiënties in hun processen te identificeren en aan te pakken. Dit leidt tot tijdsbesparing, kostenreductie en optimalisatie van resources.

• Innovatie

Goede data-analyse kan nieuwe trends en kansen identificeren die anders onopgemerkt zouden blijven. Hierdoor kan je organisatie proactief inspelen op marktontwikkelingen.

Succesfactoren

De overstap naar besluitvorming op basis van data brengt dus uitdagingen met zich mee. Het verzekeren van de kwaliteit en toegankelijkheid van data is daarbij cruciaal. Onbetrouwbare data kunnen tot verkeerde beslissingen leiden en zorgen voor verschillende waarheden. Datagedreven werken vraagt daarnaast om een cultuuromslag, waarin iedereen binnen de organisatie het belang van data inziet en deze als de basis voor beslissingen ziet.

Een aantal succesfactoren spelen hierin een belangrijke rol:

• Zorg voor sterke leiderschapsondersteuning

Leiders moeten het belang van datagedreven besluitvorming onderstrepen en investeren in de juiste tools en training. Je kunt als leider aangeven dat je voortaan alleen beslissingen neemt op basis van je managementdashboard, omdat dat voor jou de feiten weergeeft. Als medewerkers het niet eens zijn met de gegevens op het dashboard en met hun eigen cijfers komen, laat je weten dat je die buiten beschouwing laat. In plaats daarvan geef je ze de taak om met de BI-ontwikkelaars te werken aan correcte data in het dashboard.

• Investeer in data-infrastructuur

Een robuuste IT-infrastructuur die dataverzameling, -opslag, en -analyse ondersteunt, is essentieel. Investeer in goede technologieën zoals datawarehouses, data lakes, en analytics tools of platforms.

• Ontwikkel vaardigheden en kennis van medewerkers

Bied werknemers training en ontwikkelingsmogelijkheden om hun data-analysevaardigheden te vergroten. Dit bevordert een cultuur waarin datagedreven beslissingen worden genomen. Denk hierbij ook aan de soft skills en investeer in datageletterdheid, visualisatiemethoden of serious games.

• Implementeer data governance

Duidelijke richtlijnen en processen voor datamanagement zorgen voor datakwaliteit en -beveiliging. Maak mensen bewust van de rol die zij hebben in het dataproces en lost oneffenheden in je data op bij de bron.

• Begin klein en ontwikkel incrementeel

Begin met pilots of kleinere projecten om de voordelen te bewijzen. Dit helpt om steun te krijgen en de weerstand tegen verandering te verkleinen. Ontwikkel daarnaast incrementeel en betrek eindgebruikers vroegtijdig. Business Analisten hebben daarbij een belangrijke rol in het in kaart brengen van informatiebehoeften van de organisatie.

Dit zijn slechts een aantal succesfactoren voor een succesvolle implementatie van datagedreven besluitvorming. Afhankelijk van je organisatie, context en datamaturiteit is een andere aanpak nodig. Een maatwerkaanpak is dus eigenlijk altijd nodig.

use-cases

Voorbeelden van datagedreven werken uit de praktijk

Benieuwd naar onze usecases rondom datagedreven werken? Hieronder vindt je een selectie!

• Dataplatform voor een Eredivisieclub: Implementatie van een dataplatform voor datagedreven sportprestaties en scouting.
• Inzicht in de gehele inkoop- en betaalketen bij OCW: We helpen het Ministerie met BI aan meer inzicht over hun gehele inkoop- en betaalketen.
• Datagedreven werken en inkopen bij Rijksinkoopsamenwerking: Transformatie naar een datagedreven organisatie voor efficiëntere inkoopprocessen.
• Ontwikkeling naar een datagedreven organisatie bij Morentz: Ondersteuning van sales, operations en contentmanagement met data en automatisering.
• Datagedreven Innovatie bij Novum Innovatielab: Ontwikkeling en implementatie van oplossingen voor datagedreven innovatie bij de Sociale Verzekeringsbank.

Conclusie

In dit blog behandelden we hoe je als organisatie datagedreven kan werken. De kernpunten uit het blog zijn:

• Datagedreven werken heeft verschillende voordelen, maar een succesvolle implementatie ervan is niet vanzelfsprekend.
• Culturele obstakels worden als de grootste belemmerende factor genoemd door leidinggevenden.
• Datagedreven werken vraagt om sterk leiderschap.
• Er zijn meerdere succesfactoren die, afhankelijk van je organisatie of datamaturiteit, meer of minder van toepassing zijn.
• Iedere organisatie werkt anders. Maatwerk is nodig.

Tot slot: Rome is niet in één dag gebouwd. Hetzelfde geldt voor een datagedreven organisatie. Gun jezelf dus de tijd, maar probeer wel concrete stappen vooruit te zetten. Met een gedegen datastrategie helpen we je organisatie met een visie zowel groot te denken, als met een ontwikkelplan op maat kleine concrete stappen te zetten naar een datagedreven organisatie.

Blijf ons volgen voor meer diepgaande blogs over Business Intelligence, met het volgende blog over het landschap van BI-tools en systemen.

Succesfactor 1: AI use case

Introductie

In ons introductieblog in de serie GenAI noemden we vorige week zes succesfactoren voor ieder AI-project. Deze week gaan we in op de eerste succesfactor; het selecteren van een geschikte AI use case. Het kiezen van een geschikte case is namelijk cruciaal voor het succes van je project. Ook hier geldt: “Een goed begin, is het halve werk”.

Je wil zoveel mogelijk impact en waarde creëren voor de organisatie. Maar hoe vind je dan een goede use case voor je Generatieve AI project? En waar moet je op letten? In dit tweede blog uit de blogserie over GenAI geven we antwoord op die vragen.

How might we..?

Een klassieke misstap is dat organisaties vanuit hun enthousiasme voor een nieuwe technologie op zoek gaan naar een probleem voor een oplossing, in plaats van andersom. Een vraagstelling als “Hoe kunnen we Generatieve AI toepassen om de klanttevredenheid te verhogen?” lijkt op het eerste gezicht misschien een prima vertrekpunt. Maar, door AI in beginsel al centraal te stellen, beperk je jezelf mogelijk in andere oplossingen die bijdragen aan het verhogen van de klanttevredenheid. Je loopt hiermee het risico dat je een (eventueel te complexe) Generatieve AI oplossing ontwikkelt die weinig aansluiting heeft met je organisatie en daardoor beperkte impact heeft.

Hoe kunnen we..

Wij geloven in de kracht van “Hoe kunnen we..” (HKW) vragen. HKW-vragen stellen ons open voor nieuwe perspectieven en innovatieve oplossingen. In principe kan je ieder probleem, vraagstuk of knelpunt positief formuleren in een HKW-vraag.

..Kamervragen sneller, nauwkeuriger en consistenter beantwoorden?

In 2021 wonnen wij de challenge “Kamervragen” van het Startup in Residence InterGov programma. De oorspronkelijke challenge luidde “Ontwikkel een tool waarmee het beantwoorden van Kamervragen verbeterd en versneld wordt”. We kozen ervoor om een stapje terug te doen en eerst te onderzoeken wat nu precies het probleem was. Zo kwamen we er steeds beter achter hoe beleidsmedewerkers en andere betrokkenen het beantwoordingsproces van Kamervragen ervaarden. De volgende problemen en knelpunten kwamen aan het licht:

• Beleidsmedewerkers ervaren een hoge werkdruk en het beantwoorden van Kamervragen komt er dan vaak nog bij
• Kamervragen moeten zeer nauwkeurig en consistent worden beantwoord
• Kamervragen worden vaak meerdere malen, in dezelfde of net andere context gesteld (soms ook aan verschillende bewindspersonen)
• Om een Kamervraag te beantwoorden, zijn beleidsmedewerkers veel tijd kwijt aan het zoeken naar informatie over de laatste stand van zaken

We herformuleerden de challenge op basis hiervan in “Hoe kunnen we Kamervragen sneller, nauwkeuriger en consistenter beantwoorden?”. Op basis van deze HKW-vraag gaven we vorm aan de rest van het project.

Waardepropositiecanvas

De uitkomsten van de Launch-fase visualiseren we in een waardepropositiecanvas, waarmee je in één overzicht je gehele use case voor je AI-project in beeld hebt. Het canvas gaat op hoofdlijnen in op:

• De betrokken doelgroep(en), met een begrip van hun taken en verantwoordelijkheden, ervaren knelpunten en behoeften (rechts)
• De (Gen)AI-oplossing zoals hij is bedacht in de brainstorms en nadere onderzoek, inclusief de voordelen en pijnverzachters hiervan voor de doelgroep(en)
• De technische bouwblokken waaruit de (Gen)AI-oplossing bestaat, inclusief de databronnen, systemen en processen.

Cruciale onderdelen in je GenAI use case

Zoals we in de vorige paragraaf lieten zien, begint een succesvol AI-project met een breed begrip van actuele en relevante uitdagingen, doelstellingen en knelpunten binnen je organisatie. Hoe beter je het project hierop aansluit, hoe meer impact je met je AI-project kan maken. Daarom raden we aan om eerst een duidelijk beeld te schetsen van wat je wil bereiken en specifiek daarvoor te onderzoeken welke rol Generatieve AI hierin kan spelen. (Gen)AI is een krachtige technologie, maar dat betekent niet dat het de beste of meest geschikte oplossing is voor ieder vraagstuk (en andersom).

Een geschikte use case bevat in ieder geval de volgende onderdelen:

• Een duidelijk gedefinieerde behoefte of probleem: Zorg dat je helder hebt wat je wilt oplossen, voor wie je dat doet en waarom.
• Meetbare doelstelling en succescriteria: Maak ook de gewenste situatie, doelstellingen en succescriteria concreet en meetbaar.
• Passend binnen de technische mogelijkheden: Zorg dat je de randvoorwaarden op orde hebt. Denk aan je data, systemen en processen.
• Draagvlak bij stakeholders en betrokkenen: Mensen moeten willen meewerken aan het project. Zonder voldoende draagvlak is de kans dat je tussentijds vastloopt groot.

Geschikte use case voor Generatieve AI

Zodra het vraagstuk helder is, maak je de stap naar het verkennen van oplossingsrichtingen. Afhankelijk van het perspectief van je organisatie en de eindgebruikers, kies je voor een (combinatie van) specifieke functionaliteiten. Generatieve AI kan voor verschillende doeleinden (en daarmee use cases) worden toegepast:

• Het genereren, aanpassen en verklaren van tekst.
• Het genereren, aanpassen en verklaren van programmatuur en code.
• Het genereren, aanpassen en verklaren van spraak.
• Het genereren, aanpassen en verklaren van muziek.
• Het genereren, aanpassen en verklaren van afbeeldingen.
• Het genereren, aanpassen en verklaren van video.
• Een combinatie van bovenstaande.

Binnen JoinSeven focussen we met name in de generatie van tekstuele content. Enkele voorbeelden vind je in de afbeelding hieronder.

Combineer je Generatieve AI use case met “traditionele” data engineering en data science

De mogelijkheden met Generatieve AI zijn eindeloos. Met name wanneer je het combineert met andere vormen van data-engineering en data science. Zo kan een AI-model nog betere voorspellingen doen over relevante antwoorden op klantvragen, wanneer je de data over historische gesprekken (bijvoorbeeld met behulp van topic modeling) tagt. En kan een AI-model dat bedoeld is om interne rapporten samen te vatten dat het beste doen wanneer je hem goede voorbeelden geeft van samengevatte rapporten in het specifieke domein (of domeinen) waarvoor de AI dat moet doen. Een goede samenvatting van een aanbestedingsdocument, is wellicht niet de goede opzet voor een samenvatting voor een marketingstrategie, of de business case van een technologische verkenning.

Denk na over de rol van AI in het proces

Het helpt daarnaast om de vraag te stellen hoe ver de rol van AI reikt in het proces. Wil je dat deze een proces moet overnemen, of mensen in deze processen moet ondersteunen? In sommige situaties wil je Generatieve AI vooral een ondersteunende functie geven en niet autonoom beslissingen laten nemen. Denk aan situaties waar precisie en betrouwbaarheid cruciaal zijn, zoals in juridische, financiële of medische besluitvorming. Hierin is het oordeel van mensen zeer belangrijk en niet los te zien van de AI. Hetzelfde geldt voor de rol van AI bij het beantwoorden van Kamervragen. We kiezen er bewust voor om beleidsmedewerkers met AI te ondersteunen door relevante informatie snel en doelmatig te vinden en presenteren. Het formuleren van een antwoord laten we bewust bij de beleidsmedewerkers.

Conclusie

In dit blog hebben we je meegenomen in het belang van het kiezen van de juiste AI use case. We namen je mee in veelvoorkomende valkuilen bij het kiezen van een use-case en gaven een overzicht van hoe je de juiste use-case vindt in je organisatie.

Een aantal hoofdpunten:

• Het kiezen van een geschikte AI use-case is cruciaal voor het succes van je AI-project.
• Een klassieke misstap is om op zoek gaan naar een probleem voor een oplossing, in plaats van andersom.
• Een succesvol AI-project begint met een breed begrip van uitdagingen, doelstellingen en knelpunten binnen je organisatie.
• De Data Discovery Sprint methodiek kan je helpen om goede use-cases voor je AI-project te creëren.

Implementeren van (Gen)AI

Introductie

Welkom bij het één na laatste blog in de blogserie over Generatieve AI. We schrijven in deze serie over zes succesfactoren voor AI-projecten. In de vorige blogs behandelden we de eerste vijf succesfactoren, waaronder het selecteren van een sterke use case, je technisch fundament, AI-modellen, Mensgerichte AI en het valideren van je oplossing. In dit blog richten we ons op de laatste van totaal zes succesfactoren: Het implementeren van je AI-toepassing in je organisatie.

De mens staat centraal

Zoals we in deze serie al vaker hebben benadrukt, ligt het succes van Generatieve AI niet alleen in de technologie zelf. Een essentieel onderdeel is hoe we deze technologie toepassen en hoe gebruikers ermee omgaan. Daarom duiken we in dit blog dieper in hoe je Generatieve AI succesvol implementeert. We gaan in op implementatiestrategieën die niet alleen de technologische kracht maximaliseren, maar ook een soepele, intuïtieve en mensgerichte gebruikerservaring bieden.

Betrek gebruikers van start tot finish

Bij Generatieve AI projecten is het essentieel om gebruikers van begin tot eind te betrekken. Dit betekent dat vanaf de ideevorming tot de uiteindelijke implementatie, gebruikersinput en -feedback centraal staan. Door gebruikers te betrekken bij elke stap, van het ontwerpen van het AI-toepassing tot de dagelijkse toepassing ervan, zorgen we ervoor dat de technologie niet alleen functioneel is, maar ook naadloos aansluit bij werkprocessen en behoeften. Deze gebruikersgerichte benadering garandeert dat AI-toepassingen niet alleen technologisch geavanceerd zijn, maar ook praktisch bruikbaar en waardevol voor degenen die ze dagelijks gebruiken.

Data Discovery Sprint

Onze Data Discovery Sprint methodiek, met de mens centraal in elk stadium, verzekert een volledige betrokkenheid van eindgebruikers van begin tot eind in het AI-implementatieproces. Vanaf de ‘Launch’-fase, gericht op het begrijpen van gebruikersbehoeften, en de ‘Validate’-fase, waarin feedback wordt gebruikt voor het finetunen van het ontwerp. In de daaropvolgende ‘Awaken’-fase wordt het AI-toepassing tot leven gebracht, steeds met aandacht voor het optimaliseren van het gebruikersgemak. Tenslotte, tijdens de ‘Deliver’-fase, wordt de verandering binnen de organisatie verankerd, met training en ondersteuning voor het team, gericht op het maximaliseren van gebruikersacceptatie en -efficiëntie.

Interacties tussen mens en machines veranderen

Generatieve AI verandert de manier waarop we met computers interacteren fundamenteel. We zijn gewend om computers expliciete commando’s te geven, bijvoorbeeld door aanraking, ons toetsenbord of muis. Met Generatieve AI kunnen we communiceren met apps op een veel natuurlijkere manier, door te praten of te typen in alledaagse taal.

Denk aan deze twee voorbeelden:

• In plaats van complexe zoekopdrachten uit te voeren, kunnen we nu aan een AI-assistent vragen om documenten over klimaatverandering te verzamelen. Of vragen we de AI-assistent zelfs om het antwoord te formuleren waar we naar op zoek zijn!
• En, in plaats van te kijken naar een dashboard vol statistieken over je verkoopproces kan je een AI-toepassing vragen om “de top 10 meest verkochte artikelen in Zuid-Holland”. De AI-toepassing geeft antwoord op je vraag. En, indien gewenst, geeft de AI-toepassing hier ook duiding bij.

Deze ontwikkelingen maken de interactie met technologie niet alleen efficiënter, maar ook toegankelijker en aangenamer voor een breed scala aan gebruikers. Zo maakt de eerste AI-toepassing het samenstellen van dossiers gemakkelijk, zelfs als je geen ervaring hebt met het gebruiken van zoekmachines en document management systemen. En maakt de tweede AI-toepassing het analyseren en interpreteren van grote hoeveelheden financiële data toegankelijk, ook voor personen die minder analytisch vaardig zijn.

Strategieën voor het implementeren van AI

Bij de implementatie van Generatieve AI is een effectieve strategie essentieel voor een succesvolle integratie in de dagelijkse praktijk. In de ‘Deliver’ fase van de Data Discovery Sprint zetten wij in op de volgende activiteiten:

• Informatiebijeenkomsten: Hier presenteren we de AI-oplossing en de voordelen ervan. We gebruiken deze bijeenkomsten om enthousiasme te genereren en een gemeenschappelijk begrip te creëren. Dit werkt goed voor oplossingen met een relatief grote en generieke gebruikersgroep.
• Trainingen: We vinden het belangrijk dat gebruikers het uiterste uit onze oplossingen te halen. Daarom bieden we voor iedere toepassing trainingen aan. Deze sessies zijn gericht op het ontwikkelen van vaardigheden en vertrouwdheid met de AI-oplossing. We bieden soms aangepaste trainingen aan voor geavanceerde gebruikers of beheerders van de AI-oplossing.
• Ondersteuning: We bieden ondersteuning bij vragen of problemen. Dit verhoogt het gebruikersvertrouwen en zorgt voor een soepele ervaring. Meestal spreken we met de opdrachtgever af om na een tijdelijke periode deze ondersteuningsrol te beleggen in de organisatie of het team waar we de AI-0plossing implementeren.
• Ondersteuningsmateriaal en interactieve tours: Niet voor iedere vraag is het nodig (of gewenst) om in-person ondersteuning te bieden. Veel (standaard)vragen vangen we af met handleidingen en tours. Dit materiaal is bedoeld om te helpen bij het zelfstandig oplossen van problemen en het verdiepen van kennis. Aanvullend op documentatie, ontwikkelen we voor sommige toepassingen ook interactieve demo’s en product tours die alle features langslopen en uitleggen.
• Feedback loops: Ook na de eerste releases blijven we feedback verzamelen. Hierdoor kunnen we onze AI-oplossingen blijven verbeteren. Dit zorgt ervoor dat de oplossingen blijven voldoen aan de veranderende behoeften van gebruikers.
• Releases: Bij elke update van de AI-oplossing verstrekken we duidelijke release notes en uitleg. Dit helpt gebruikers om op de hoogte te blijven van nieuwe functies en verbeteringen.

Conclusie

In dit blog hebben we de cruciale rol van implementatiestrategieën in Generatieve AI-projecten onderzocht. Het betrekken van eindgebruikers van start tot finish staat centraal in onze benadering, waarbij de menselijke interactie met AI opnieuw wordt vormgegeven. We benadrukten het belang van gebruikerstraining, ondersteuning en feedbackloops, en hoe deze bijdragen aan een succesvolle integratie van AI-technologieën.

Enkele kernpunten uit dit blog:

• De herdefiniëring van mens-machine interactie is cruciaal in het AI-tijdperk.
• Gebruikersgerichte implementatiestrategieën zijn essentieel voor succes.
• Training en continue ondersteuning vergroten de effectiviteit van AI.
• Feedbackloops zorgen voor constante verbetering en aanpassing van AI-oplossingen.