Data is de start. Voorspellingskracht is de kern.

Data is het nieuwe goud of olie hoor je veel zeggen. Zelf denk ik dat je het een stap verder moet brengen en nadenken over wat data dan je brengen gaat. En ik denk dat dit ‘voorspellingskracht’ is. Of met een ander woord Trefzekerheid. Data geeft organisaties de mogelijk te voorspellen wat er gebeuren gaat. Met hun markt, hun klanten, hun leveranciers, hun logistiek en zo voort. En goed voorspellen is wat je wil, dat brengt winst op. Als je denkt dat dit kan kloppen, of je weet het niet zeker, lees verder.

Organisatie bestaan om waarde te creëren. Voor aandeelhouder, voor werknemers en ga zo maar door. En wil je waarde die gemaakt is vast houden. Waarde die je ziet ontstaan te grijpen. En waarde die je denkt dat ontstaan kan te gaan proberen te pakken te krijgen voor jouw organisatie.

Stel. Je maakt houten klompen en de waarde daarvan wil je behouden. Dan ga je verkopen aan verplegend personeel. Je ziet waarde ontstaan bij hippies en je maakt klompen van plastic en je noemt ze Crocs. Je weet het niet zeker, maar je denkt dat houten klompen tijdens overstromingen, en die gaan meer gebeuren, opnieuw populair zullen worden. In al deze gevallen ben je bezig een inschatting te maken van de toekomst. En daar dan over te besluiten voor je toekomstige winsten.

Data. Bij dat alles zou je kunnen denken dat om iets te voorspellen je data nodig hebt. Hoe meer hoe beter. Dat kan zijn meer in de breedte, of meer in de diepte of meer in de juiste context. Een beetje weten van alle mensen die voeten hebben en schoeisel nodig hebben, tot heel veel weten van verplegend personeel en de behoefte van hun voeten.

Besluiten. Of je denkt dat je besluit beter is met veel data is aan jou. De historie bewijst dat dit niet het geval hoeft te zijn. Of dat veel data, je juist verteld waar geen data is, en daar je dan jouw ondernemerschap op gaat zetten is ook aan jou. Over het besluiten deel hebben we een apart opleiding/workshops. Zie daar verder.

Voorspel kracht geeft verhoogde winstkansen

Hypotheses

1. Een organisatie wil op korte en/of langere termijn rendabel zijn.
2. Men wil zelf kunnen kiezen of men dat trefzeker, zonder risico, wil bereiken. Of het bereiken met veel risico.
3. Dus men wil weten of een keuze risico-loos is of risico-vol.
4. De enige manier waarop je dat kan weten is te kijken naar de data die je hebt. Die data namelijk geeft weer wat er in het verleden gebeurde. En dat verleden kan een richting geven voor de toekomst. Tezamen met je intuitie.
5. Je neemt de historische data en extrapoleert die. En dan kan je besluiten op die extrapolatie van die historie je gok te zetten, of juist een gok te zetten naast de trend die je ziet.

Toelichting

Ad 1. Rendabel zijn. Ben je een oud familie bedrijf wil je graag nog vele jaren bestaan. Een beetje rendement voor tig jaren is prima. Een venture capital firma wil op vaak korte termijn veel rendement maken.

Ad 2. Risico inschatting. De CFO wil vaak geen risico nemen. De commerciele persoon wel. En de aandeelhouder wat die wil hangt af van haar of zijn positie. Veel geld op de bank? Laten we een gokje wagen! Even in krappe tijden? Dan op zeker spelen.

Ad 3. Keuze mogelijkheden. Wanneer is een keuze zodanig dat men kan inschatten of het vol met risico is, of juist niet? Geef de CFO een pak papier met bergen excel cijfers en die zal denken dat het risico lozer is. Geef de commerciële persoon bergen klantevaluaties, schets de CEO een enorme winst, etc.

Ad 4. Data uit verleden en toekomst. Een eerste vraag is wat voor data je hebt? Veel organisaties is mijn ervaring slaan te weinig op een handige manier op. Dus vinden steeds het wiel opnieuw uit. Of gaan maar voor het gemak op hun buikgevoel af. [invullen welke bias dit is]

Een verkoper van een schoenenfabriek komt uit een land en zegt: ‘Hier is geen zaken te doen: iedereen loopt op blote voeten!’ Zijn collega komt wat later binnen in de directiekamer en zegt ‘Een enorm potentieel is er: iedereen loopt op blote voeten!’.

Ad 5. Waar zet je jouw besluit (je gok). Je besluit zal altijd een gok zijn. Maar met de juiste inzet van bestaande en verrijkte data gaat de gok minder groot worden. En data verrijken klinkt als veel werk, maar dat is het niet. Het zijn de stapjes om data in een volgende fase te brengen, die van informatie. En die informatie van kennis uit jouw organisatie te voorzien, zodat je er besluiten op kan nemen en die dan in actie te zetten.

Intermezzo: als je voor het rode licht staat, is het alleen omdat je denkt door ervaring dat er een zeer grote waarschijnlijkheid is dat het stoplicht eens op groen zal gaan. Echt 100% zeker weet je dat nooit. De elektriciteit kan uitvallen, de groene lamp kan stuk zijn etc.

Hoe praktisch verder? Hoe krijg je een olifant in een miniauto?

De oude grap is dat je een olifant in een mini krijgt, door eerst de olie eruit te laten lopen en dan de Fanta op te drinken.

Mijn voorstel zou zijn de uitdaging in kleinere stukken op te delen. En die kleine stukken te geven aan de mensen die op dat onderdeel verstand van zaken hebben. En verstand en intuitie hebben voor wat er mogelijk aan het gebeuren is en gebeuren gaat.

Daarvoor heb ik enige jaren geleden met een blik aan consultants van McKinsey een werkboek gemaakt. Dat gebruikte we om 12 land organisatie in Europa op een lijn te krijgen wat betreft besturing en toekomstige operationele plannen.

Het plaatje ziet er zo uit:

Mijn suggestie is wat jouw organisatie doet in een acht tal stappen te knippen. En voor iedere stap is er vaak een specialist of iemand met op dat gebied veel ervaring en inzicht. Vaak zijn dit de teams die deze activiteiten voor de klant uitvoeren. Laat die inschattingen maken, tel die bij elkaar op en maak een bedrijf breed besluit en zet dat in een operationeel plan en reken mensen daarop af.

Iets van vier dagen werk om dit in grove lijnen te doen. Daarna kan je zelf nog beslissen het in meer detail verder te doen.

Uitnodiging: kost je een etentje, niets meer.

Graag neem ik met jouw organisatie door of op deze manier werken het voor je operationele plannen zou kunnen werken. En er een strak plan voor het volgend boekjaar van te maken.

We kunnen dat doen samen met een organisatie van deskundige op het gebied van data-analyse en strategie. Of we zetten wat studenten erbij in die gratis jouw analyse gaan maken. We hebben dat al voor een groot aantal organisatie eerder gedaan. Zoals KPN, Erasmus MC, Tui, VanderBron.

Rudolph Regter

26 oktober 2025. (zonder artifi intel geschreven)

---

---

Artikelen hieraan gerelateerd:

Tick data

Of ook:

Zieke mensen zijn actiever. Ideeënstromen met Sociale Big Data.