29 Sep
Als wij in gesprek zijn met potentiële nieuwe klanten, is er een vraag die vaak terug komt: Wat komt eerst, een goed dashboard of goede data input? Deze vraag doet denken aan het eeuwenoude dilemma van de kip of het ei. Beide elementen zijn cruciaal voor succesvolle datagestuurde besluitvorming, maar waar moet je beginnen? In deze blogpost duiken we dieper in de dynamiek tussen dashboarding en data input en onderzoeken we hoe je de beste resultaten kunt bereiken.
De voor de hand liggende keuze: eerst data op orde, dan pas een dashboard bouwen
“Eerst data op orde, dan pas een dashboard bouwen.” Dit is meestal het standpunt dat we horen in onze gesprekken met uitzenders, detacheerders en wervingsbureaus. Ze kampen vaak met ondermaatse datakwaliteit in hun ATS-systeem. Soms is het systeem niet goed ingericht, maar meestal ontbreekt het aan de discipline binnen het team om gegevens correct bij te houden.
Het is een voor de hand liggende gedachtegang, een die we begrijpen en kunnen volgen. Maar we zijn het er niet helemaal mee eens. Eigenlijk, helemaal niet mee eens. Hieronder leggen we uit waarom wij denken dat deze ogenschijnlijk logische volgorde in de praktijk vaak anders uitpakt.
Waarom je beter eerst met dashboards aan de slag kunt gaan
Hoewel het op het eerste gezicht logischer lijkt om eerst de datakwaliteit op orde te brengen, zien wij in de praktijk dat het gebruik van dashboards juist de nodige verbeteringen in datakwaliteit aanzienlijk gemakkelijker maakt.
Rede 1: verhoogde bewustwording
Door data actief te gebruiken, bijvoorbeeld in een dashboard, wordt de algemene bewustwording van het belang van data vergroot. Het gaat niet langer om registreren om het registreren, maar om registreren met een doel. Dit effect wordt vooral sterk wanneer dashboards worden geïntegreerd in het werkproces, zoals bij een weekstart, 1-op-1 gesprekken of via een wallboard. Niemand wil tijdens een meeting de enige zijn met incorrecte gegevens over het aantal intakes of actuele vacatures. Door ervoor te zorgen dat je gegevens up-to-date zijn, train je jezelf en je team om het ATS goed bij te houden, wat uiteindelijk de datakwaliteit verhoogt.
Rede 2: dashboard als hulpmiddel om problemen te detecteren
Wat is de huidige kwaliteit van jouw data? 50%? 90%? Zonder dashboards is het antwoord op deze vraag vaak gebaseerd op een onderbuikgevoel. En als je zou moeten aangeven welke 50% van de data niet klopt of ontbreekt, is dat vrijwel onmogelijk zonder concrete hulpmiddelen. Wil je inzicht krijgen in de tekortkomingen van je data, dan heb je twee opties:
- Handmatig alle dossiers in jouw ATS controleren (kandidaten, vacatures, matches/procedures, etc.).
- Gebruik maken van een dashboard om snel inzicht te krijgen waar de fouten zitten.
Stel je hebt een dashboard dat het aantal voorstellen per week per medewerker toont. Je ziet dat Piet en Klaas elk gemiddeld tien voorstellen per week doen, terwijl Jan, die vergelijkbaar werk verricht, er slechts twee per week registreert. Het kan zijn dat Jan minder strikt is met het registreren van voorstellen. Hiermee identificeer je snel een deel van de mindere datakwaliteit en kun je direct actie ondernemen. Of Jan stelt écht zo weinig voor, in dat geval is het een ander probleem dat opgelost moet worden.
Rede 3: voorkom vertraging in het ervaren van de toegevoegde waarde van dashboards
Als je datakwaliteit op slechts 60% ligt, zijn dashboards die zich richten op thema’s met de resterende 40% misschien minder waardevol. Echter, dit zou geen reden moeten zijn om helemaal niet met dashboards te starten. Als je overtuigd bent dat dashboards en datagedreven werken je organisatie verder kunnen helpen, waarom zou je dan niet alvast gebruik maken van de 60% correcte data? Dit kan vaak al voldoende waarde opleveren om de investering te rechtvaardigen.
We zien vaak dat organisaties eerst proberen de resterende 40% op orde te brengen, wat soms meer dan een jaar kan duren. Hierdoor missen ze een jaar lang potentiële verbeteringen op de 60% correcte data. Met behulp van een dashboard zou de datakwaliteit waarschijnlijk binnen drie maanden aanzienlijk verbeterd zijn (zie reden 2), waardoor je veel sneller vooruitgang boekt.
Door gebruik te maken van inzichten via dashboards is direct helder welke data belangrijk is. Je kan daarmee de focus leggen op de onderliggende data van de inzichten waarop je wil sturen. Je hoeft hierbij geen langlopende algemeen ‘alle data op orde’ project te doorlopen en legt hiermee de verbeterfocus op wat waarden heeft.
In onze blogpost 4 manieren om jouw ats up to date te houden, gaan we ook in op een speciaal data-check dashboard om dit nog gemakkelijker te maken.
Wanneer wel eerst aan de slag met data kwaliteit?
Natuurlijk zijn er situaties waarin het inderdaad beter is om eerst aan je datakwaliteit te werken. Dit geldt vooral wanneer de kwaliteit van de data zo laag is dat er bijna niets klopt. Bijvoorbeeld, als binnenkomende vacatures niet in je ATS worden opgenomen, er geen matches of procedures worden aangemaakt, en kandidaten nog steeds in een Excel-bestand worden bijgehouden in plaats van in het ATS. In de praktijk komen we deze extreme situaties echter zelden tegen.
Conclusie
Het lijkt vaak logisch om eerst de datakwaliteit op orde te brengen. Tenzij de situatie bij jou extreem is, is dit in onze ervaring vrijwel nooit nodig. Het gebruik van dashboards kan juist helpen om de datakwaliteit snel te verbeteren. Dashboards verhogen de bewustwording over data en bieden de tools om eenvoudig te zien waar de data nog niet op orde is. Daarnaast kun je direct de toegevoegde waarde van de dashboards benutten voor de data die al wel correct is.
Kortom: in 90% van de gevallen is het beter om eerst met dashboards aan de slag te gaan en vanuit daar de datakwaliteit te verbeteren.
Over de schrijver: Wouter Rosenkamp is mede-oprichter van Recbi, gespecialiseerd in dashboarding en BI binnen de arbeidsbemiddeling en recruitment.
