Samenvatting
Digitale projecten falen vaak door verkeerde diagnoses: datakwaliteit en systeembruikbaarheid vragen elk een eigen aanpak.
Digitale projecten: wat er gebeurt
Digitale hulpmiddelen leveren niet altijd de verwachte procesverbetering op. Leidinggevenden schrijven tegenvallende resultaten vaak toe aan gebruikersweerstand, gebrekkige training of problemen met verandermanagement. Volgens het beschreven raamwerk ligt de oorzaak ook bij datakwaliteit of systeemontwerp.
Die factoren lijken op het eerste gezicht samen te hangen, maar werken via verschillende mechanismen. Slechte data en een onbruikbaar systeem veroorzaken elk een ander probleem voor gebruikers. Een investering in het ene onderdeel herstelt het andere niet.
Onderzoekers onderzochten dit verschil bij 564 praktiserende artsen uit 32 medische specialismen. Zij bekeken hoe datakwaliteit, systeemontwerp en informatie-overload de cognitieve belasting beïnvloeden tijdens het gebruik van elektronische patiëntendossiers.
Waarom dit belangrijk is voor digitale projecten
Een postmortem die data en systeemgebruik als één variabele behandelt, wijst al snel naar de verkeerde oplossing. Een organisatie kan dan extra training inkopen terwijl het systeemontwerp de werkwijze belemmert, of nieuwe software aanschaffen terwijl onbetrouwbare gegevens de beslissingen verstoren.
Voor BI-teams ligt hier een directe les. Een rapportageprobleem kan ontstaan door onvolledige of onjuiste gegevens, maar ook door een interface, workflow of navigatie die gebruikers onnodig belast. Die oorzaken vragen om verschillende onderzoeken, verantwoordelijken en investeringen.
De studie gebruikt de medische praktijk als context met hoge beslisdruk. De onderliggende diagnose geldt volgens de bron voor kenniswerkers die afhankelijk zijn van digitale systemen. Daarmee verschuift de evaluatie van de vraag of medewerkers een tool gebruiken naar de vraag welk onderdeel hun werk daadwerkelijk belemmert.
Concrete takeaway voor digitale projecten
Splits elke evaluatie van een mislukt digitaal project in minstens twee sporen: datakwaliteit en systeembruikbaarheid. Test beide afzonderlijk met gebruikers, leg de gevonden oorzaak vast en koppel de investering daarna pas aan dataherstel, systeemontwerp of procesaanpassing.
Verdiep je kennis
Wat is Business Intelligence? Uitleg, voorbeelden en tools
Wat is business intelligence (BI)? Leer over de definitie, de BI-stack, praktijkvoorbeelden, populaire tools en de trend...
KennisbankData-driven werken — Hoe begin je als organisatie?
Leer hoe je als organisatie data-driven gaat werken. Van data-volwassenheid tot cultuurverandering: een praktisch stappe...
KennisbankData governance in het MKB — Praktische aanpak
Wat is data governance en hoe pak je het aan als MKB-organisatie? Een praktisch stappenplan met aandacht voor AVG-compli...