Transformeren voor twijfelaars
1. Waarom transformeren?
Even verderop in deze Management Scope staat een interview met Eric Rondolat, de ceo van verlichtingsbedrijf Signify, het voormalige Philips Lighting (zie ‘Signify-ceo Eric Rondolat over licht als communicatiemiddel'). Uit het vraaggesprek komt duidelijk naar voren dat de digitale transformatie van zijn bedrijf pas plaatsvond nadat duidelijk werd dat verandering onvermijdelijk was. In de lichtindustrie was de doorbraak van led een kantelpunt. Er kwam een concurrerend product op de markt dat 50 keer zo efficiënt bleek en dat 50 keer langer mee bleek te gaan dan de conventionele lamp. Dat betekende voor de Eindhovense lichtmakers simpelweg een harde noodzaak om de visie en strategie aan te passen.
Het is mooi om te zien dat onze nationale trots, want dat is moederbedrijf Philips natuurlijk, voor 100 procent heeft ingezet op vernieuwing. Inmiddels wordt de bedrijfskoers van Signify gezien als voorbeeld van een geslaagde digitale transformatie, hoewel het passeren van obstakels deel van het proces uitmaakte.
Op het moment dat Signify dat proces inzette, was het nog onduidelijk hoe het concern geld zou gaan verdienen aan nieuwe producten en diensten. Ook bij andere bedrijven vindt de noodzakelijke transformatie vaak pas plaats als het niet meer anders kan. Zoals Rondolat het formuleert: ‘Je kunt twee dingen doen. Je onderkent de realiteit, past je aan en gaat op zoek naar kansen. Of je probeert de evolutie af te remmen. Dan zul je verliezen.’
2. Waarom digitaal transformeren?
Het voorkomen van fouten, van wachttijden, van verspilling: het is tegenwoordig een digitale aangelegenheid. Zeker in de huidige, complexe wereld waarin bedrijven vaak middels honderden onderaannemers aan elkaar gekoppeld zijn. Inzichten gebruiken om te kunnen voorspellen in plaats van achteraf te verklaren, zal decision makers helpen. Transformaties kunnen vandaag beter worden gericht door onderbouwing met Tayloriaans denken (Frederick Taylor was de grondlegger van bedrijfsvoering gebaseerd op wetenschappelijke inzichten), door middel van process mining, van machine learning en van deep learning.
Om weer even terug te grijpen op het voorbeeld van Signify: de komst van led zorgde voor een vrijwel onmiddellijke verlaging van de total cost of ownership ofwel de totale kosten van een product: een benefit, een value add die met de oude conventionele lampen niet mogelijk was. Bij Signify ontwikkelde men het idee van connected lighting.
Dat houdt in: led is een digitale component die data genereert. Die data vertegenwoordigen een waarde voor de eindklant. Dat gaf direct voeding aan een nieuwe wereld van mogelijke diensten en producten die aangeboden zouden kunnen worden. Dit gaf het belang aan van het digitale platform dat Signify ontwikkelde om alle connected lighting-componenten met elkaar te verbinden.
3. Wat is het risico van veranderen?
Een transformatie is elke grote tot zeer grote verandering van een organisatie die nodig is om het voortbestaan te verzekeren. Het is belangrijk aan medewerkers duidelijk te maken dat het voortbestaan in het geding is, want iedere (digitale) transformatie zal het uiterste vergen van alle mensen in het bedrijf. Oude zekerheden verdwijnen en het is niet makkelijk om te leren omgaan met de nieuwe onzekerheden. Dit alles vraagt van leiders andere kwaliteiten dan in het verleden. Omgaan met onzekerheid en adaptief vermogen zijn enorm belangrijk. Signify-ceo Rondolat geeft in het interview aan dat nét op tijd te hebben ingezien: ‘Ik heb me niet direct gerealiseerd dat aanpassingsvermogen, the capacity of adaptation, een hele belangrijke competentie is. Ik heb andere competenties zoals ervaring, kennis en opleiding ten onrechte hoger aangerekend.’ Er zijn dus andere competenties nodig, waarmee nieuwe kansen snel gegrepen kunnen worden, en waarmee direct kan worden bijgestuurd als er problemen ontstaan – en dat laatste is haast onvermijdelijk.
4. Wat is het grootste probleem rondom transformeren?
Het allergrootste probleem is dat organisaties vaak al tientallen jaren aan het automatiseren zijn. Hierdoor hebben de systemen veelal een enorme historie en heeft men door de tijd provisorische veranderingen aangebracht. Helder krijgen welke databronnen welke waarde hebben om toekomstgerichte besturing mogelijk te maken, is niet gemakkelijk. De IT-systemen zijn niet opgezet met deze vragen in het achterhoofd en de kennis ontbreekt vaak om deze data betekeninsvol in te zetten. Hierdoor blijkt het in de praktijk extreem moeilijk om inzage te krijgen in hoe data kunnen helpen deze bedrijven te optimaliseren en daarmee hoe ze een transitie kunnen ondersteunen.
5. Wat is de oplossing?
De oplossing schuilt in het identificeren van de goede vragen en in het beschikbaar krijgen van de juiste gegevens. Pas daarna kan er gekeken worden naar het toepassen van de juiste artificial intelligence-oplossingen om ‘zingeving’ uit deze data te halen. Dit moet dus use case driven, net zoals Signify dat doet. Dus als u een projectaanvraag ziet om een data lake aan te leggen, waarbij alle beschikbare, soms nog ruwe data bij elkaar worden opgeslagen tot iemand ze nodig heeft: stink er niet in! Het gaat niet om de hoeveelheid data die je beheert, het gaat erom wat je met die data wilt doen. Een aanvraag om een proof of concept te doen rond een concrete behoefte kan wél een project zijn om achter te staan. Denk bijvoorbeeld aan een drankenproducent die iedere keer zes tot acht uur productieverlies heeft als de flessenvullijn wordt omgesteld naar een ander product. Wat is het beste moment om te schakelen, gegeven fluctuaties in bijvoorbeeld vraag, leververplichtingen en logistiek? Het probleem is smal genoeg om de bijbehorende data redelijk gemakkelijk bij elkaar te krijgen. Pas als de modellen blijken te werken en waarde toevoegen aan het bedrijf, zullen de applicaties aangepast moeten worden om de nieuwe inzichten toe te passen. De software en besturing worden dan ook aangepast. Het gevolg van deze maatregelen is dat de organisatie zich ook moet aanpassen.
6. Wat zijn dan goede vragen?
Dat is een goede vraag. Het moeilijkste van alles is om de juiste vraag vast te stellen. ‘Hoe vergroot ik mijn winst?’ is weliswaar een begrijpelijke, maar zeker geen goede vraag. De vraag is zo vaag en zo groot, dat de afdeling data-analyse waarschijnlijk 20 jaar bezig is een model te bouwen om die vraag te beantwoorden. Een model dat hoogstwaarschijnlijk niet gaat werken, omdat de omstandigheden zullen veranderen. In de tussentijd heeft een nieuwe Amerikaanse president de olieboycot tegen Iran opgeheven en is er plots geen tekort aan olie meer.
De vraag moet dus klein genoeg zijn om snel een resultaat te kunnen boeken en slim genoeg zijn om maximaal resultaat op te leveren. Stel bovendien vooral veel kleine vragen, want sommige vragen zijn niet oplosbaar omdat de data simpelweg ontbreken.
Er zijn twee soorten vragen die voldoen: vragen die gaan over het wegnemen van bottlenecks en vragen die gaan over het toevoegen van waarde. Beide kunnen zowel besparingen als hogere omzet opleveren.
7. Is dat alles wat er nodig is om succesvol te transformeren?
Nee, zeker niet. Er zijn vele wegen die naar Rome leiden. Maar het op een juiste manier ontsluiten van bedrijfsgegevens en die koppelen aan externe factoren die de winstgevendheid beïnvloeden, geven managers en medewerkers het inzicht dat ze nodig hebben om de juiste besluiten te nemen. Het hebben van een data analysis capability, plus het in huis halen van managers met een adaptief vermogen zijn belangrijke voorwaarden voor een succesvolle digitale transformatie.
Essay door Arthur van Schendel. Van Schendel is managing director bij Schuberg Philis. Hij interviewt en schrijft voor Management Scope over digitale transitie. Deze bijdragen zijn terug te vinden bij zijn profiel op