deel van de werkelijkheid na te bootsen. Vanuit deze modellering kunnen belangrijke relaties onderzocht worden. Sterker nog, het uiteindelijke doel is om via deze modellen de werkelijke situatie te verbeteren. Vanwege dit doel en de mogelijke impact van de algoritmes zijn zaken als risico-, impact- en privacyanalyses zeer belangrijk. Modelleurs hebben dus een enorme verantwoordelijkheid. Zij bepalen immers welke data we koppelen, zij kiezen tussen modellen die meer interpretatie bieden of black box-modellen met een mogelijk betere performance. Verder moeten zij nadenken of de implementatie van het uiteindelijke model wel het gewenste effect heeft op de werkelijke situatie. Zijn er misschien nog negatieve consequenties? Ten slotte zorgt de informatiekloof tussen vraag en aanbod voor een extra dynamiek. Vanwege deze kloof zijn modelleurs continu bezig de daadwerkelijke vraag te achterhalen, want deze hoeft niet hetzelfde te zijn als de gestelde vraag. Is het doel wel juist gedefinieerd? Al dergelijke vraagstukken moeten beantwoord worden om tot de juiste modellen te komen. feedback loop En hier zie je goed wat de fabriek doet. De ontwikkeleenheid bouwt modellen, de productie-eenheid neemt deze modellen daarna in gebruik. Met de data van nieuwe zaken wordt het model gevuld, hetgeen leidt tot concrete informatieproducten. Men gebruikt het model in de dagelijkse werkelijkheid en na gebruik ontstaan er nieuwe data. Aangezien informatieproducten de werkelijkheid kunnen veranderen (dat is vaak de bedoeling) leidt hun toepassing tot kleine aanpassingen van de werkelijkheid en dus tot finetunen van het proces of een verzoek aan het datalab tot aanpassing van het algoritme, omdat de geleverde producten de werkelijkheid feitelijk hebben veranderd. Er zit een duidelijke feedback loop in het productieproces. personeel Er zijn vele soorten functionarissen aanwezig in de fabriek. Zo bouwen datascience-medewerkers in het datalab nieuwe toepassingen. Maar er zijn ook functionarissen– data-analisten en businessconsultants – die dashboards maken, veelal business intelligence. Zij maken af en toe een uitstapje naar het datalab om een deel van de machine anders in te stellen en de machinerie te finetunen, zodat het gevraagde product eruit komt. En er zijn ook medewerkers die de machines onderhouden en vervangen, zoals de (technisch-)beheerafdelingen van ICT, de informatiemanagers, de architecten. Deze functies betreffen het voortdurend op orde houden van de apparatuur in de fabriek, dan wel de mensen die nadenken over de aanschaf van nieuwe machines om aan bepaalde wensen te kunnen voldoen. Ook zij die het datawarehouse beheren of erin programmeren, werken in dit deel van de fabriek. Of zij die een analytics platform beheren. Afhankelijk van wat is ingekocht, kan dit ook een regieorganisatie zijn die een externe partij aanstuurt. Dan zijn er nog alle kwaliteitsmedewerkers in de Tot slot, ergens in de strategische unit vlak tegen de directie aan, zitten de strategisch medewerkers die op directieverzoek nadenken over en meewerken aan de plannen voor de toekomst van de fabriek. En in dezelfde hoek zitten ook vaak de programma- en projectleiders die over de oprichting en inrichting van de fabriek gaan en haar open moeten krijgen. Die dus ook al de hierboven genoemde functies moeten opleveren, integreren en laten samenwerken volgens omschreven protocollen. En de fabrieksbaas? Daarover lopen discussies die ook te maken hebben met hoe je de fabriek in je organisatie neerzet. Met als belangrijke vraag: hoe verhoudt deze eenheid zich tot het primaire proces? Ook hier geldt weer dat er geen goed of fout antwoord is, maar waar wel over nagedacht moet worden. Mijn voorkeur is om pas een fabrieksbaas aan te stellen als de datafabriek eenmaal draait, want dan kan je goed zien wat voor taken, verantwoordelijkheden en bevoegdheden erbij horen. Structure follows strategy, nietwaar. conclusie Door het proces van datagedreven werken te beschouwen als een datafabriek en ontstaat een beschrijving van de samenhang tussen verschillende functies in deze nieuwe tak van sport. En, door de hele organisatie heen, meer horizontale oriëntatie op hoe met data om te gaan. Dit kan helpen om de visie op datagedreven werken te operationaliseren. Een samenhang die aanstuurt op fabricatie en richting geeft aan wat er moet worden gemaakt en opgezet om tot een continu hoogwaardig proces van dataverwerking te komen. Het kan helpen om te verbeelden wat wij allemaal in samenhang moeten ontwikkelen. Maar een ding is zeker, er moet nog heel wat worden ingericht om deze samenhang te bewerkstelligen. 19 fabriek. De privacy- en informatiebeveiligingsmensen, de mensen die de ethische gesprekken entameren, de kwaliteitsbewakers van de algoritmes en werkprocessen om deze te maken. Ook zijn er functionarissen die datakwaliteitsvraagstukken oplossen en feitelijk de juiste datasets voor het productieproces samenstellen. Vanuit hun expertrol helpen zij de business om goede grondstoffen te leveren. Het samenstellen van datasets is een hele specifieke functie. Deze groep functionarissen – in Rotterdam noemen we ze ‘data-dienstverleners’ – zijn in het productieproces op allerlei manieren bezig met het voorbereiden en klaarzetten van goede grondstoffen. in fabriekstermen gaat het hier om marktverkenningen en het benoemen van behoeftes bij burgers
20 Online Touch Home