Skip to content
Search for:
Home
Services
Over ons
Partners
Blog
Contact
Data Maturity Assessment
Data Maturity Assessment
Data Maturity Assessment
Bepaal jouw huidige Data Maturity level door dit korte assessment in te vullen. Dit kost je maximaal 5 minuten. Je ziet direct wat je level is!
Stap
1
van
6
16%
Naam
*
Voornaam
Achternaam
Email
People - Rollen
*
Er zijn Data Science (DS) rollen belegd
Data Engineer (DE), Data Analyst (DA) en DS rollen onderscheiden
Ook de rol van analytics translator benoemd en actief toegepast
Alle rollen in juiste mix ingevuld
Gebruik van analytics en data zit in het DNA van het bedrijf (men denkt in termen van data)
People - Inzet
*
DS wordt beperkt als vakgebied zien: DS omgeschoold vanuit andere functies / opleidingen
Opgeleide DE, DA en DS in dienst
Data-steward wordt gevonden
Inzet data-scienceteams in overeenstemming met doelen
DS actief opgezocht vanuit alle hoeken van het bedrijf
People - Teams
*
Beperkt analytics bewustzijn en kennis buiten DS-teams
Data-steward rol ingevuld
Data-steward rol ingevuld
Intern DS opleidingsprogramma (inclusief talentmanagement)
Intern opleidingsprogramma op maat voor alle DS rollen en –management
People - Kennis
*
Kennis van business rules beperkt tot individuen
Her en der ziet management belang
Juristen met analytics kennis aanwezig
Analytics bewustzijn op de werkvloer
Iedereen draagt bij aan analytics
People Score
Proces - Businessdrivers
*
Idee-gedreven activiteiten met lokale impact
Business case gedreven activiteiten (doel is uitgedrukt in impact)
Actief lokaal portfoliomanagement (inclusief nee zeggen / stoppen) -> fail fast
Actief centraal portfoliomanagement
Efficiënt (snel succes en fail cheap) en agile analytics proces
Proces - Beheer
*
Elk data-science team heeft eigen proces
Er is een proces om DS project te starten (budget en data krijgen)
Beheer & productie van modellen efficiënt georganiseerd
Centraal data- en modelonderhoud
Analytics (incusief AI) drijft ontwikkeling nieuwe business modellen (inclusief verdienmodel) en is sturend voor bedrijfsstrategie
Proces - Organisatie
*
Randvoorwaarden project start zijn beschreven (nog niet efficiënt)
“Beheer” van modellen ligt bij data-scientist
Georganiseerde kennisdeling, ad-hoc modellen deling
Georganiseerde data-, kennis- en modellendeling
Georganiseerde data-, kennis- en modellengebruik
Proces - Governance
*
Projectdoel beschreven
Beheer- & productieproces beschreven
Analytics in strategie van een aantal domeinen
Organisatie- en governancestructuur ondersteunt domeinoversteigende samenwerking (ontsilo-en)
Data-gedreven besluiten management
Proces Score
Analytics - Waarde
*
Stand-alone dashboards met individuele KPI’s
Business gedreven gemeenschappelijke KPI’s op breed gebruikte dashboards
Business waarde van modellen is onderbouwd
Modellen optimaliseren business waarde
Gebruik van AI decision automation (geautomatiseerde beslissingen)
Analytics - Gebruik
*
Lokale modellen/scripts vaak gericht op eenmalig gebruik
Bij toepassing passende data preparation
Business-reviewed models
Gestandaardiseerde aanpak
Er worden nieuwe AI producten ontwikkeld en verkocht (B2B/B2C)
Analytics - Inzet
*
Gebruik van descriptive analytics (terugkijken)
Peer-reviewed models
Gebruik van predictive analytics (voorspellen)
Monitoring (van impact & prestatie) en hertraining van (bv ML) modellen in productie
Model keuze passend bij business doelstelling
Analytics - Aanpak
*
Ad-hoc rapporten
Gebruik diagnostic/explorative analytics (oorzakelijke analyse)
Inzichten worden begrepen en geimplementeerd in business processen/modellen
Gebruik van prescriptive analytics (beslissingsondersteunend))
Gestandaardiseerde en geautomatiseerde model lifecycle management
Analytics Score
Technologie - Inzet tooling
*
Gebruik van self-service tools
Ad-hoc gebruik van cloud platformen of on-premises gedistribueerde computing omgevingen
Standaard proces voor versiebeheer van code/scripts/modellen
Productieproces technologisch efficiënt ingericht
Continu integratie- en productieproces ingericht (continuous releasing)
Technologie - Omgeving
*
Handmatige analyses en rapportages
Handmatig productieproces
Flexibele omgeving voor high performance verwerking en opslag (sand-box, ontwikkeling, test)
Snel schaalbare omgeving
Flexibele architectuur zoals hybride cloud en/of ‘containerized’
Technologie - Toegang
*
Veelvuldig gebruik van end-user tooling
Lokaal versiebeheer code/scripts/modellen ingericht
Eenvoudig toegang tot centrale Python/R/machine learning omgeving
Automated deployment van sand-box omgevingen (snel op- en afschalen)
Elke gebruiker kan ontwikkelen
Technologie - Infrastructuur
*
Importeren van data extracts
Rapportage op operationele systemen
Toegang tot operationele datastores
Centrale operationele datastores
Gecentraliseerde analytics infrastructuur
Technologie Score
Trust - Compliancy
Beheersmaatregelen uitsluitend voor wettelijke eisen en rapportages
Expliciete aantoonbaarheid dat compliancy beleid effectief is
Data compliancy is onderdeel van bedrijfsprocessen
Volledige customer journey is toegerust op BIV=3 (Beschikbaarheid, Integriteit, Vertrouwelijkheid)
Compliancy by design ondersteunt bedrijfsdoelen
Trust - Regulatie/Ethiek
*
Compliancy wordt aangetoond door specialisten (2e lijn) en beperk bewustzijn bij Data Scientist
Databeheersing volgens SII, EUT, IFRS, etc
Security is doelmatig: ESA is ingevuld conform BIV classificatie
Duidelijke postionering mbt data ethiek
Leidend in industrie mbt data ethiek
Heb je nog vragen of opmerkingen?
Trust Score
Consent
*
I agree to the privacy policy.
People Level
Proces Level
Analytics Level
Technologie Level
Trust Level
Ready to make the most of your data?
Get in touch
Page load link
Go to Top
