Het Data Impact Framework, zo bouwen wij AI & datagedreven trajecten

Waarom een framework, en waarom dit framework

Er is de afgelopen jaren één verschuiving die alle andere overschaduwt: van data als project naar data als product. MIT Sloan Management Review en BCG concludeerden in 2023 dat organisaties die data behandelen als een product met eigenaar, gebruikers en levenscyclus, structureel meer waarde halen uit dezelfde investering. Harvard Business Review noemde dataproducten in 2022 al de bouwstenen van een datagedreven organisatie, niet de uitkomst van losse projecten.

Wat dat in de praktijk betekent: organisaties die hun trajecten als projecten blijven aanvliegen, zien capaciteit weglopen op herwerk en onderhoud. Elke nieuwe vraag levert een nieuwe pipeline, een nieuw dashboard en een nieuwe afhankelijkheid op. Organisaties die werken met productdenken bouwen herbruikbare dataproducten met een eigenaar, en zien hun snelheid bij elke volgende use case toenemen in plaats van afnemen.

Een framework dat die verschuiving niet in zijn DNA heeft, blijft een methodiek voor de oude wereld. Het Data Impact Framework is opgebouwd rondom productdenken, met de drie principes die de volgorde sturen en de twee lagen die het concreet maken. Door jaren ervaring in uiteenlopende sectoren hebben we het framework stap voor stap aangescherpt. Wat in de praktijk werkte hielden we, wat niet werkte sneuvelde, en wat structureel terugkeerde maakten we tot principe. Zo is het geen consultancy theorie geworden, maar een werkwijze die elke nieuwe trajectervaring weer in zich opneemt.

‍

Drie principes als fundament

Het framework rust op drie principes. Ze klinken eenvoudig, en ze sturen elke beslissing in elk traject. Wij denken niet één van de drie tegelijk, wij denken alle drie tegelijk.

H3: Starten bij de vraag en de waarde, niet bij de techniek

Elk traject begint met de vraag onder de vraag. Welk besluit wil de business kunnen nemen? Welke handeling moet straks anders verlopen? Welke euro moet wel of niet anders gaan vallen? Pas als dat antwoord scherp is, kijken we naar wat de techniek erbij moet doen. We beginnen bij de business, niet bij de tool.

In de praktijk voorkomt dit principe het meest voorkomende patroon in mislukte trajecten: een platform dat netjes is opgeleverd, een model dat technisch klopt, en een business die ondertussen op dezelfde manier blijft beslissen als voorheen.

Eerst waarde leveren, dan verbeteren

Een groot plan dat over achttien maanden waarde moet leveren is geen plan, het is een wens. Wij werken in opeenvolgende fases waarbij elke fase op zichzelf iets oplevert dat de business kan gebruiken. Eerst waarde leveren, dan verder bouwen.

Het verschil met klassieke roadmaps is de strengheid van die volgorde. Een fase die geen zelfstandige waarde levert, hoort niet de eerste fase te zijn. Klein, herhaalbaar en streng in volgorde. Zo blijft het MT kunnen bijsturen op wat werkt, in plaats van te wachten op een eindoplevering die wellicht nooit komt.

Dataproducten zijn het doel, het platform ondersteunt

De waarde landt nooit in een platform. Hij landt in een dataproduct: een dashboard, een dataset, een AI agent, een rapportage met eigenaar, gebruikers, versies en een levenscyclus. Het platform faciliteert, maar het is niet het doel.

Dat lijkt een nuance, maar het verandert de volgorde van bijna elke beslissing. Investeringen volgen de dataproducten met de hoogste businesswaarde, niet andersom. Eigenaarschap belegt op het product, niet op het platform. En de meetlat van succes wordt of de business iets met dat product doet, niet of het platform technisch werkt.

Twee lagen, WAT en HOE

De drie principes geven richting. De twee lagen maken het werk concreet. In elk traject zorgen we dat WAT en HOE tegelijk op tafel liggen, niet om de beurt.

WAT, het inzicht over business, organisatie en techniek

De WAT laag brengt inzicht. We maken in elk traject expliciet hoe de situatie eruit ziet op drie dimensies: business (welke vragen, welke besluiten, welke waarde), organisatie (welk eigenaarschap, welk mandaat, welke vaardigheden) en techniek (welke data, welk platform, welke AI laag). Geen van de drie staat los van de andere twee.

Een traject dat alleen op techniek inzoomt, mist de organisatie die het straks moet dragen. Een traject dat alleen op organisatie inzoomt, mist de data realiteit waarin gewerkt wordt. Pas als de drie dimensies samen op tafel liggen, is een keuze onderbouwd in plaats van geleund.

HOE, de inrichting in besluitvorming, platform en dataproducten

De HOE laag vertaalt inzicht naar inrichting. Drie inrichtingsvragen die uit de WAT laag volgen: besluitvorming en kaders (wie beslist waarover, welke kaders gelden), platform en ondersteuning (welke techniek faciliteert het werk) en dataproducten (waar de waarde landt, met eigenaar en levenscyclus).

De volgorde is geen toeval. Besluitvorming en kaders komen eerst, want zonder eigenaarschap loopt een dataproduct binnen een jaar leeg. Platform en ondersteuning komen daarna, als faciliterende laag. Dataproducten staan bovenaan, omdat daar de business zijn waarde haalt. Zo wordt het platform een middel, geen doel op zich.

‍

Vier fases die elk traject doorloopt

Elk traject is anders in scope, ambitie en startpunt. Het ritme is herkenbaar. Vier fases, met de drie principes en de twee lagen die in elke fase meedoen.

Oriëntatie, de vraag onder de vraag scherp

We beginnen met een Data Impact Sessie van 90 minuten. Doel: de vraag onder de vraag scherp krijgen en aan tafel zien wat er op de drie dimensies van de WAT laag echt speelt. Aan het einde liggen er minimaal drie aanknopingspunten op tafel, of we nu samen verder gaan of niet.

Dit is de fase waar de meeste consultancy trajecten te snel doorheen lopen. Wij niet. Een traject dat in fase één scheef begint, blijft de rest van de looptijd corrigeren.

Scan en plan, fundament en fasering

In twee tot vier weken brengen we het data fundament, de organisatie en de business prioriteiten in kaart. Geen audit document voor de la, wel een feitelijk vertrekpunt waar het MT zich aan kan committeren. We benoemen wat klopt, wat niet klopt, en welke fasering op zichzelf waarde levert per stap.

Hier worden de WAT en HOE laag concreet voor jullie specifieke situatie. Welke dataproducten als eerste, welk eigenaarschap waar, welke platformkeuzes wel of niet nu. Geen big bang plan, wel een richting waar je in fases naartoe werkt. Uiteraard verschilt de doorlooptijd per situatie en scope.

Bouwen, dataproducten met eigenaar

We werken in opeenvolgende fases met meetbare uitkomsten. Elke fase levert een dataproduct op met eigenaar, gebruikers en governance. Een dashboard dat dagelijks wordt geopend, een dataset waar het AI team op verder kan, een rapportage waar de CFO op stuurt. Concreet, gebruikt, onderhouden.

In deze fase loopt het productdenken het zwaarst. Geen dashboard zonder eigenaar. Geen pipeline zonder gebruiker. Geen AI use case zonder business besluit dat eraan vasthangt. Eerst waarde leveren, dan verder bouwen. En dat over alle disciplines heen: strategie, engineering, analyse en AI.

Overdracht, zodat je zonder ons verder kunt

Overdracht is geen nazorg fase. Vanaf dag één werken we naast jullie mensen, niet voor ze. Documentatie groeit mee, eigenaarschap wordt vanaf het begin belegd, en de vaardigheden om het product te onderhouden komen in jullie team te zitten. De vierde fase is daarmee meer de bevestiging dat het overdragen al gelukt is.

Aan het einde gelden twee meetlatten. De business haalt waarde uit de dataproducten. En jullie team kan de oplossing zelfstandig onderhouden, monitoren en uitbreiden. Als beide kloppen, zijn wij overbodig. Precies de bedoeling.

Hoe we het framework aan jullie overdragen

Een framework dat alleen wij begrijpen, is voor jullie organisatie nutteloos. Daarom verankeren we het Data Impact Framework in elk traject niet alleen als werkwijze van ons, maar als denkwijze die jullie zelfstandig kunnen toepassen.

Drie dingen lopen daarvoor parallel aan het bouwwerk. We documenteren onze keuzes op een manier waar je team morgen mee verder kan, niet in een rapport dat in een SharePoint verdwijnt. We werken samen met jullie mensen aan de dataproducten zelf, met de twee lagen WAT en HOE als gespreksstructuur in elke werkoverleg. En we beleggen eigenaarschap per dataproduct in jullie organisatie, met de governance ritmes die het draaiend houden zodra wij weg zijn.

Het resultaat is een organisatie die nieuwe vragen niet meer als losse projecten oppakt, maar als dataproducten in opbouw. Het framework gaat dan vanzelf werken: bij een nieuwe use case begint het gesprek bij de vraag, in fases waar elke stap waarde levert, met productdenken als default. Met één meetlat die niet beweegt: businesswaarde uit data en AI, terug te zien onderaan de streep. Wij maken je zelfstandig, niet afhankelijk.

‍

Plan een Data Impact Sessie

Een Data Impact Sessie duurt 90 minuten en is kosteloos. We schuiven aan, luisteren naar wat er speelt, en passen het Data Impact Framework toe op jullie situatie. Geen powerpoint van tachtig sliders, wel een gesprek waar je MT direct iets aan heeft.

We geven antwoord op de vraag of een traject met ons op dit moment de juiste keuze is, en geven je minimaal drie aanknopingspunten:

1. Welke vraag onder de vraag op dit moment het scherpst gemaakt moet worden

2. Welke fasering jullie het snelst van waarde voorziet, gegeven de huidige situatie

3. Waar de eerste dataproducten met eigenaar logischerwijs landen

‍

Of we nu samen verder gaan of niet, je gaat met deze aanknopingspunten naar huis.

Plan een: Data Impact Sessie