Drie vragen die helpen bepalen wat de juiste data zijn voor het nemen van slimme besluiten?

Om slimme besluiten te nemen, heb je niet altijd grote hoeveelheden data nodig. Je moet je wel een aantal vragen stellen die jouw ‘databehoefte’ sturen.

De enorme focus op het belang van big data is dikwijls misleidend. Het gaat namelijk niet om het hebben van veel data, maar om het hebben van de juiste data. Dat stelt Maxwell Wessel. Hij noemt Uber hier een voorbeeld van.

Volgens Wesel is het soms belangrijk om over grote hoeveelheden data te beschikken, en soms om kleine hoeveelheden. Vernieuwers moeten ontdekken wat de kritische data zijn die van invloed zijn op het onderscheidend vermogen. Volgens hem geven drie vragen zich op het proces om te bepalen wat de juiste data zijn.

1. Waardoor ontstaat verspilling in jouw branche? Verspilling zorgt voor kansen. In elke sector worden bronnen verspild. Welke data helpt bij het voorkomen van verspilling?
2. Welke beslissingen kun je automatiseren om verspilling te voorkomen? De meeste beslissingen zullen door mensen genomen blijven worden. Maar als het gaat om eenvoudige, herhaalde, operationele beslissingen, dan zijn machines daar vaak beter in dan mensen. Amazon laat prijzen bijvoorbeeld automatisch bepalen, op basis van een algoritme.
3. Welke data heb je nodig om beslissingen automatisch te laten nemen?

Al lezende vroeg ik me uiteraard af of deze bijdrage ook relevant is voor leren, opleiden en onderwijs. Uiteraad hebben we dan niet te maken met goederen, zoals bloemen, maar men mensen. Voortijdige uitval is echter ook een vorm van verspilling. Het gaat hierbij om een complex fenomeen waar verschillende factoren aan ten grondslag liggen (en waar een school of opleidingsinstituut niet altijd wat aan kan doen).

Je kunt echter lerenden, die niet actief zijn binnen een digitale leeromgeving, wel automatisch notificeren of op een gegeven moment een begeleider automatisch inseinen om contact op te nemen met de lerende. Je kunt zelfs lerenden die weinig online actief zijn automatisch vragen stellen -bijvoorbeeld of ze moeite hebben met de leerstof- om op basis daarvan het ‘leerpad’ aan te passen (denk aan extra ondersteuning geven).

Met andere woorden: prik door het bedrijfsmatige jargon heen, en gebruik de drie vragen om na te denken over data die voor jouw relevant zijn.

This content is published under the Attribution 3.0 Unported license.