Blog

Data-driven project management uitgelegd

Abdallah Baydounby Abdallah Baydoun | In Opinie, Primaned Blog |

Wat bedoelen we met data-driven project management? Abdallah Baydoun legt uit.

Data zijn de afgelopen jaren voor haast alle bedrijven dé bron van invloed en succes. Ze zijn niet langer alleen een trend, maar eerder de nieuwe norm, en degenen die er goed gebruik van kunnen maken, zijn degenen die veel concurrentievoordeel kunnen behalen.

Bij Primaned Belgium, zijn we van mening dat de intelligente analyse van data die tot objectieve en weloverwogen beslissingen leiden, een cruciale rol zal spelen in het succes van projecten. Daarom wordt de behoefte aan data-driven project management (DDPM) een noodzaak. Maar wat bedoelen we precies?

Maar eerst dit

Vooraleer we ons gaan verdiepen in data-driven project management, moeten we eerst drie concepten, die doorgaans als synoniemen worden aanzien, begrijpen en onderscheiden, nl. het verschil tussen data, informatie en kennis. Eerst en vooral, data verwijst naar ongestructureerde feiten en cijfers die onuitgewerkt zijn en zonder enige context. In feite, alleen naar data kijken betekent niets, écht niets tenzij je kunt raden wat de hieronder getoonde gegevens voorstellen ?

Vervolgens kijken we naar de informatie. Informatie vertegenwoordigt gegevens mét een context. Met andere woorden de data zijn nu georganiseerd en gestructureerd, hebben een doel en een welbepaald kader. Door samenhang te geven aan de eerder getoonde data, krijgen we het volgende resultaat.

Klinkt logischer, niet?

Tenslotte, kennis geeft een fijner niveau van begrip en knowhow aan dat gebaseerd is op informatie, ervaringen, samenhang, waarden en deskundige inzichten. Wanneer informatie wordt geanalyseerd, ontwikkelt men kennis over deze informatie. Het is echter geen geheim dat kennis in verschillende stadia komt : je kunt bijvoorbeeld iemand vinden die ergens goed in is versus een echte expert. Zo is het duidelijk dat men doorheen de tijd een betere kennis kan opbouwen.

Samengevat: als je naar woorden, letters of cijfers kijkt waarvan je de betekenis niet kunt begrijpen, dan kijk je naar data. Wanneer context wordt toegevoegd aan de data en je begrijpt waar deze gegevens over gaan, dan kijk je naar informatie. Wanneer je naar informatie kijkt en je weet hoe deze informatie te gebruiken, dan heb je kennis.

Data-driven project management

Nu de definities van data, informatie en kennis duidelijker zijn, is het volgende onderwerp waarover we kunnen spreken, data-driven project management (DDPM).

Het is geen geheim dat veel van de beslissingen die we nemen in ons dagelijkse en professionele leven niet altijd worden ondersteund door feiten of gegevens. Denk maar even terug aan de tijd waar je voor een groepsproject, een team moest kiezen. De kans is groot dat je bijna altijd de voorkeur gaf aan een vriend in plaats van aan een meer bekwaam persoon om in je team te zitten. In feite is dit slechts een klein voorbeeld van een beslissing beïnvloed door je eigen intuïtie, gevoelens, omgeving, andere meer dominante personen, ervaring, subjectieve percepties, noem maar op. Uiteraard is het niet verkeerd om beslissingen te laten beïnvloeden door die factoren, maar ze zijn niet de drijvende basis voor data-driven project management. In feite, data-driven project management bevordert beslissingen die zijn gebaseerd op solide en objectieve gegevens die eerst in een later stadium zouden moeten worden beïnvloed door iemands kennis. En zoals Edward Deming het zei : “Without data, you’re just another person with an opinion”.

De oude manier

Inmiddels is duidelijk dat data van het grootste belang zijn voor data-driven project management, en met data bedoel ik dan onuitgewerkte data. Typische voorbeelden hiervan zijn : activiteitsdata, kostenramingen, risicogebeurtenissen, materiële hoeveelheden en nog veel meer. Maar wat gebeurt er nadat deze gegevens zijn verzameld, hoe worden ze verwerkt ? Meestal worden projecten beheerd op basis van documenten. Daarom, worden na het verzamelen ervan de data, al dan niet met een beschrijving of context, handmatig verwerkt in een nieuw leeg document (herinner je : in dit geval worden de data informatie). Kun je de problemen hier zien?

Je bent vast wel eens enkele van de gekende problemen tegengekomen, zoals het ad hoc moeten maken en beheren van duizenden documenten of het handmatig bijwerken van onderling verbonden documenten als de brongegevens zijn gewijzigd, of ontdekken dat sommige van de data die werden ingevoerd in een document, onjuist of onvolledig zijn. Belangrijk om weten is dat documenten (informatie) gegevens vastleggen op een specifiek tijdstip. Dit is van cruciaal belang om te begrijpen, omdat één van de terugkerende problemen in een project is dat sommige teamleden een oudere versie van een document gebruiken, en natuurlijk gaat iedereen ervan uit dat ze de nieuwste versie hebben. Vanwege deze menselijke betrokkenheid bij het overzetten van gegevens in documenten, kunnen de gegevens die in een document zijn opgeslagen, onjuist zijn. Dit in tegenstelling tot de gegevens zelf, die altijd correct en dynamisch zijn.

Laten we het volgende bekijken: stel je voor dat je in een fabriek werkt en gegevens verzamelt over het aantal geproduceerde eenheden per dag.

Hieruit blijkt dat je op dag 5 de eenheden onjuist hebt gedocumenteerd, maar dit betekent niet dat de geproduceerde eenheden onjuist zijn. Stel je nu voor dat je na beide inzamelingen de gemiddelde productiesnelheden per dag afzonderlijk hebt gerapporteerd. De lezers van je eerste en niet het tweede rapport, beschikken niet over de meest recente gegevens met betrekking tot de productiesnelheid van de fabriek. Dit betekent niet dat het aantal van de eerste inzameling verkeerd is, het betekent alleen dat het aantal verouderd is. Daarom is stellen we dat de oude manier foutgevoelig en traag is en leidt tot ondoeltreffend projectbeheer.

De betere manier

Gelukkig pakt de huidige technologie die problemen aan om goed data-driven project management mogelijk te maken, dus voor meer informatie over de mogelijkheden ervan kan je misschien ook een keer kijken naar wat wij  project intelligence noemen. Kortom, data kunnen verwerkt en opgeslagen worden in toegankelijke databases, zowel lokaal als in de cloud. Je hoeft je geen zorgen te maken over het zoeken naar de nieuwste versie van een document, omdat de gegevens die je ziet altijd up-to-date zijn. Je kan dynamische dashboards bekijken en rapporten maken met één klik op de knop! Gegevens worden automatisch geanalyseerd en meldingen kunnen naar de betrokken teamleden worden gestuurd of er kunnen zelfs vooraf gedefinieerde responsmaatregelen worden genomen. Het is natuurlijk niet de bedoeling van de geautomatiseerde analyse om het menselijk intellect te vervangen, maar eerder om het proces te versnellen en data-driven project managers toe te laten zich te concentreren op wat ze het beste doen, nl. beslissingen nemen op basis van data-driven inzichten.

Ken je de waarde die kan worden afgeleid uit de historische gegevens van je oude projecten? Wel, voor meer informatie, zou je deze blog eens moeten bekijken.

Eén van de uitdagingen voor data-driven projecten is onmiskenbaar de exponentiële groei van projectdata. Het laatste wat je wil, is ofwel een tekort aan gegevens ofwel overspoeld worden met gegevens, omdat dit de analyse ervan en het nemen van beslissingen echt kan verlammen.

Laatste woorden

Aangezien projecten complexer worden en de markt competitiever, is het essentieel dat bedrijven de concurrentie voor blijven. Daarom zijn er met de vooruitgang van de technologie veel middelen beschikbaar om betere projectmanagementpraktijken te ondersteunen en dat is precies wat we doen bij Primaned Belgium.

Tags:

Leave a comment