De impact van AI op Data & Analytics-teams

De huidige inrichting van Data & Analytics-teams is divers, zegt Jorg Heizenberg, VP Analist bij Gartner. “Het verschilt natuurlijk per organisatie. Bij grote organisaties zijn er soms meerdere mensen voor één rol, terwijl kleinere organisaties vaak meerdere rollen combineren in één persoon. Als je kijkt naar wat wij bij Gartner in ieder geval vinden wat je aan rollen in je Data & Analytics-team moet hebben, dan is de belangrijkste rol de leider van het team.”

Die leider noemt Gartner de Chief Data & Analytics Officer (CDAO), hoewel die in praktijk diverse andere benamingen kan hebben, waaronder Chief Data Officer (CDO). Steeds meer organisaties gebruiken de titel Chief Data & AI Officer, wat aangeeft hoe nauw data en AI met elkaar verweven zijn. Veel AI-activiteiten, zoals het AI-ready maken van data, vallen tegenwoordig onder dit data-team.

Belangrijk, maar lastig

Heizenberg: “De leidersrol is belangrijk, maar ook lastig. Bij rollen als de CIO of de CFO weet iedereen wat die doen, want die functies bestaan al lang. Voor CDO's is dat anders; deze rol bestaat nog niet zo lang en voor veel organisaties is het zelfs de eerste keer dat ze een CDO hebben. Dit zorgt voor onzekerheid over de exacte verantwoordelijkheden van deze persoon. AI wordt bovendien vaak gezien als het 'speeltje' van iedereen binnen de organisatie. Daarom wordt er soms met een schuin oog gekeken naar de CDO: wat doet die nu precies en waar is hij of zij verantwoordelijk voor?”

De CDO moet er dus voor zorgen dat de organisatie AI-ready en data-driven wordt. “Dat zijn soms loze kreten in allerlei strategieën, maar deze rol moet daar echt concreet invulling aan geven. Dat betekent een verandering in de manier waarop een organisatie beslissingen neemt en hoe processen worden geoptimaliseerd. De rol is strategisch en moet op een hoog niveau binnen de organisatie worden belegd. Ons advies is om deze functie op te nemen in het managementteam, met verantwoordelijkheid voor het beheer van Data, Analytics en AI, ondersteunend aan de bedrijfsdoelstellingen.”

Platform

Naast deze strategische rol hebben organisaties functies nodig die ondersteunend zijn aan het fundament van het Data & Analytics-team. “Je moet een platform bouwen, daarvoor zorgt de Data & Analytics Architect. Die houdt zich bezig met het technologisch landschap, dus zowel de applicatie-architectuur als de informatiearchitectuur, met vragen als ‘waar bevindt de data zich?’ en ‘Wie is de eigenaar?’

Daarnaast is iemand nodig die de data uit de bronnen naar een centrale dataverzameling brengt. “Dat is de Data Engineer. Vervolgens wil je dat de kwaliteit van de data gewaarborgd is. Dat betekent dat er op de juiste manier met data moet worden omgegaan, bijvoorbeeld met archivering en datakwaliteit. Dit valt onder de governance-rol van de Data Steward. Wanneer je deze rollen hebt ingevuld, heb je het strategische gedeelte en het datafundament staan. Daarna moet alles nog uitgerold worden naar de eindgebruikers.”

Eindgebruikers

Steeds vaker doen eindgebruikers dat zelf. “Met name bij analytics en BI zijn er vaak self-service mogelijkheden. Het oude paradigma, waarin het centrale data-team alles bouwde voor iedereen, bestaat niet meer. Maar wanneer het complexer wordt komt de data scientist in beeld. Dat is een rol die volgens Gartner zeker in het team moet zitten.”

Degene tenslotte die volgens Heizenberg het vaakst ontbreekt in een team, is de data translator. “Ik vind het persoonlijk jammer dat deze rol zo vaak wordt gemist. Want als je strategisch vindt dat je datagedreven en AI-gestuurd moet worden, betekent dat een verandering voor de organisatie. Dat brengt een grote verandermanagementcomponent met zich mee.”

Cultuur

Ieder jaar vraagt Gartner in een survey aan organisaties wat hen tegenhoudt om succesvol te zijn met data en analytics. “Bovenaan staat het antwoord ‘Onze cultuur is niet datagedreven.’ Dit betekent dat de CDO hier verantwoordelijkheid voor moet nemen. Dat vraagt om verandermanagement, om ervoor te zorgen dat data en analytics niet alleen begrepen worden, maar ook daadwerkelijk worden gebruikt en verankerd in IT-processen en applicaties. De adoptie van data en analytics in de organisatie is cruciaal, en de data translator speelt hierin een enorm belangrijke rol.”

Hybride model

Uit de meest recente survey van Gartner kwam dat ongeveer 40% van de Data & Analytics-teams in IT zit, 20% in de business, en nog eens 40% zit daar min of meer tussenin. Eén van de dingen die organisaties zouden moeten doen, is het niet zien als IT-competentie met een belangrijk businesscomponent, maar juist als een businesscompetentie met een belangrijke IT-component. Die slag maken is iets waar veel organisaties momenteel doorheen gaan.”

Data management wordt ondertussen steeds meer gedistribueerd. “Dat noemen we een data mesh, waarbij data veel meer binnen de organisatie zelf gegenereerd en beheerd wordt. Self-service analytics en de democratisering van analytics worden steeds belangrijker. Het is dan bijna logisch om te zeggen: als alles gedistribueerd wordt, wat zouden we dan nog centraal houden? Er blijft natuurlijk altijd een noodzaak voor een centrale component, omdat je voor sommige zaken consistentie, betrouwbaarheid en kwaliteit wilt garanderen.”

AI Agents

Alle rollen binnen Data & Analytics veranderen, omdat ze worden aangevuld met AI-capaciteiten. Daarmee wordt het hele veld verder gedemocratiseerd. “Data & Analytics wordt dus steeds meer iets van iedereen en niet meer alleen van de specialisten. Het betekent ook dat andere vaardigheden belangrijker worden. Er zal veel omscholing en bijscholing nodig zijn om up-to-date te blijven. En het zijn niet alleen mensen die je kunnen inhalen, maar ook AI-systemen zelf. Je ziet de trend richting AI-agents die bepaalde taken en werkzaamheden overnemen. Dat heeft consequenties.”

Hij besluit: “Het is dus belangrijk dat organisaties herkennen en er actief eigenaarschap voor creëren. Dat begint vaak met het aanstellen van een Chief Data Officer (CDAO) die niet alleen verantwoordelijk is voor data en analytics, maar ook een brug slaat tussen IT en de business. Een andere belangrijke stap is het denken vanuit de businessstrategie en -doelstellingen in plaats van vanuit de technologie. Het gaat erom hoe data de organisatie kan ondersteunen en niet hoe de organisatie zich moet aanpassen aan de data. Met andere woorden: je moet een business-first mindset hanteren. Uiteindelijk draait het niet om het succes van het data- en analyticsteam zelf, maar om het succes van de organisatie als geheel.”