Veelheid

dataDe data paradox verwijst naar een schijnbare tegenstrijdigheid waarbij meer data niet automatisch leidt tot betere inzichten, beslissingen of prestaties — terwijl dat juist vaak wel wordt verwacht. Hoewel organisaties steeds meer data verzamelen, leidt dit niet automatisch tot betere beslissingen. Te veel data kan juist verwarrend werken en besluitvorming vertragen. Data zonder goede analyse of domeinkennis kan misleidend zijn. Maar zelfs als de data klopt, helpt het niet als niemand weet hoe erop te handelen.

Veel organisaties investeren zwaar in dataverzameling, maar zonder duidelijke strategie of doelen levert dat weinig op. Data-driven zijn klinkt goed, maar zonder richting raak je snel verdwaald in dashboards en metingen die niets bijdragen.

Strategische vraag

Hoe gebruik je AI dan wel? Een start is het identificeren van de strategische vraag waar je mee bezig bent. Probeer complexe problemen in concrete onderdelen uit te splitsen waar data aan gekoppeld kunnen worden. Verzamel die data uit verschillende soorten bronnen. Bewaak de kwaliteit van de data gedurende de hele ‘dataketen’. Zorg dat iedereen de data kan gebruiken en doe dat vanuit het stimuleren en ondersteunen van data-geletterdheid. Bevorder een open cultuur: beslissingen worden genomen op basis van data en niet posities.

Dataverzameling

Zorg ervoor dat relevante problemen scherp zijn gedefinieerd voordat dataverzamelingen beginnen. Dit voorkomt dat veel data worden verzameld zonder richting, wat leidt tot verspilling en verwarring. In veel organisaties is sprake van technologische nieuwgierigheid: wat kunnen we meten in plaats van een concreet probleem. Het gevolg is dashboards zonder waarde, analyses zonder actie en AI-modellen die “niks doen. Gebruik bijvoorbeeld het 5x Waarom-principe om het kernprobleem te vinden. Stel steeds opnieuw de “waarom?”-vraag op een antwoord.

Actiegericht

Geef aan wat het gewenste gedrag is. Bepaal van te voren wat je wilt veranderen, verbeteren of beslissen. Bepaal op basis daarvan de data die je nodig hebt en niet de data die je al hebt. Werk terug vanaf het probleem en stel vast wat wil ik weten, wat moet ik meten en welke databronnen horen daarbij. Steel dat je kernprobleem de uitstroom van zorgmedewerkers is. Aanpak is om roostergegevens, medewerkerstevredenheid, exitgesprekken én anonieme feedback te combineren. Je gebruikt AI pas daarna om patronen of signalen te detecteren.

Het draait om actiegerichte uitkomsten: data moet direct impact hebben, niet eindeloos blijven analyseren maar tot daadwerkelijke beslissingen leiden.

Literatuur

Jeninga, A. en H. Woldendorp. (2022). Ontwerp voor digitale transformaties van (zorg)organisaties. SWP
Seth, N. (2024).Mastering the data paradox. Key to winning in the AI age