Ja, gemiddeld wel, maar niet vanzelf. In een groot onderzoek onder Amerikaanse fabrieken hadden bedrijven die hun beslissingen op data baseerden 3% meer toegevoegde waarde dan vergelijkbare bedrijven die dat niet deden. Het voordeel was het grootst bij kleine bedrijven met één vestiging. Maar het zat niet in het dashboard. Het zat in de combinatie van goede cijfers, duidelijke doelen en mensen die er echt op beslissen.
In het kort
- Amerikaanse fabrieken die op data stuurden, hadden gemiddeld 3% meer toegevoegde waarde dan vergelijkbare fabrieken. Bij kleine bedrijven met één vestiging was het verband het sterkst.
- Data werkt niet overal vanzelf. Het rendement hangt af van de sector, van de mensen die ermee werken en van de vraag of er ook echt op wordt beslist.
- Een dashboard is een middel. Wat telt zijn cijfers die kloppen en actueel zijn, een paar duidelijke doelen, en een vast moment om ze te bespreken.
In dit artikel
Presteren bedrijven die op cijfers sturen echt beter?
Gemiddeld wel. Het grootste onderzoek hiernaar komt uit de Amerikaanse industrie. Fabrieken die op data gingen sturen, hadden daarna gemiddeld 3% meer toegevoegde waarde (de omzet min de ingekochte goederen en diensten) dan vergelijkbare fabrieken die dat niet deden.
De onderzoekers volgden ruim 18.000 fabrieken met gegevens van het Amerikaanse statistiekbureau over 2005 en 2010. Ze hielden rekening met verschillen in kapitaal, personeel en investeringen in IT. Het voordeel stond los van andere goede managementgewoonten (Brynjolfsson & McElheran, 2016).
Ander onderzoek bij 35.000 Amerikaanse fabrieken wijst dezelfde kant op. Gestructureerde managementpraktijken, zoals prestaties meten, doelen stellen en daarop belonen, verklaren meer dan 20% van de verschillen in productiviteit tussen fabrieken. Dat is evenveel of meer dan wat onderzoek en ontwikkeling, IT of opleiding verklaren (Bloom e.a., 2019).
Hebben kleine bedrijven er ook iets aan?
Juist kleine bedrijven, blijkt uit het onderzoek. Kleine bedrijven met één vestiging begonnen later met sturen op data. Maar als ze het deden, was het verschil met vergelijkbare bedrijven die dat niet deden het grootst (Brynjolfsson & McElheran, 2016).
Het sturen op data nam in korte tijd sterk toe. In 2005 stuurde 11% van de Amerikaanse fabrieken intensief op data, in 2010 was dat 30% (Brynjolfsson & McElheran, 2016). Bij fabrieken van bedrijven met één vestiging ging het van 5% naar 15%. Kleine bedrijven liepen dus achter (Brynjolfsson & McElheran, 2016).
Een verklaring die voor de hand ligt: in een groot bedrijf is sturen op cijfers al lang gewoon. In een klein bedrijf maakt het meer verschil, omdat de ondernemer daar anders vooral op gevoel beslist. Dat is een uitleg, geen bewezen oorzaak. Het onderzoek gaat bovendien over de industrie in de Verenigde Staten.
Maken de cijfers het verschil, of doen betere bedrijven gewoon meer met cijfers?
Dat is de lastigste vraag, en het eerlijke antwoord is: waarschijnlijk allebei. Goed geleide bedrijven gaan eerder met data aan de slag. Maar er zijn aanwijzingen dat de cijfers zelf ook verschil maken.
De belangrijkste aanwijzing is de volgorde. De prestaties van de fabrieken verbeterden nadat ze op data gingen sturen, en niet al daarvoor. Dat past bij een oorzakelijk verband. Toch noemen de onderzoekers het zelf geen sluitend bewijs. Andere factoren kunnen tegelijk zowel de prestaties als het gebruik van data verhogen (Brynjolfsson & McElheran, 2016).
Ook bij kleine Australische bedrijven zien onderzoekers een samenhang. Bedrijven die interne financiële rapportages maakten, voorspelden hun omzet nauwkeuriger, vooral als hun omzet sterk wisselde (Cassar & Gibson, 2008). Betere cijfers leiden dus in elk geval tot een beter beeld van wat komt.
Werkt sturen op data voor elk bedrijf?
Nee. Het rendement van data verschilt sterk per bedrijf en per sector. Data levert vooral iets op als ook de mensen, de systemen en de manier van beslissen erbij passen.
Onderzoek naar 814 Amerikaanse beursgenoteerde bedrijven tussen 2008 en 2014 vond dat software voor data-analyse samenging met een 3 tot 7% hogere productiviteit. Maar dat gold alleen voor bedrijven in sectoren met veel IT of veel concurrentie. Buiten die sectoren vonden de onderzoekers geen meetbaar effect (Müller, Fay & vom Brocke, 2018).
In de Amerikaanse industrie versterkten data, IT en geschoolde medewerkers elkaar. Sturen op data leverde het meest op in fabrieken die ook veel in IT hadden geïnvesteerd en meer opgeleide medewerkers hadden (Brynjolfsson & McElheran, 2016). Een dashboard zonder mensen die de cijfers begrijpen en erop handelen, verandert dus weinig.
Wat maakt een dashboard bruikbaar?
Een dashboard werkt als het de lezer helpt snel te zien wat afwijkt, zonder hem te overladen. Opvallend genoeg is weinig onderzocht welke dashboards het best werken. Wel is duidelijk dat de vorm ertoe doet.
Een overzichtsstudie naar dashboards in prestatiemanagement concludeert dat er, ondanks hun populariteit, weinig bekend is over hoe effectief ze zijn. Dashboards hebben volgens de auteurs de meeste kans van slagen als ze informatie zonder overbodige versiering tonen en de gebruiker kan doorklikken naar details. Ze raden ook aan dat gebruikers kunnen wisselen tussen bijvoorbeeld een tabel en een grafiek (Yigitbasioglu & Velcu, 2012).
Belangrijker dan de vorm is wat er achter het dashboard zit. In het Amerikaanse onderzoek telde een fabriek pas als datagestuurd bij een combinatie van vier dingen (Brynjolfsson & McElheran, 2016):
Het dashboard is dus het zichtbare deel. Daarachter moeten cijfers zitten die er zijn, die kloppen, en die tegen een doel worden gelegd. En er moet iemand zijn die er ook echt op beslist.
Hoe begint u als klein bedrijf met sturen op cijfers?
Begin bij de basis: een administratie die actueel is, een paar kengetallen (cijfers die iets zeggen over hoe het bedrijf draait) met een doel erbij, en een vast moment om ze te bespreken. Een duur dashboard is daarvoor niet nodig.
Zorg dat de cijfers er op tijd zijn
Cijfers die drie maanden achterlopen, vertellen u wat er is gebeurd, niet wat u nu moet doen. Een maandelijkse afsluiting kort na het einde van de maand is een goed begin.
Koppel elk kengetal aan een doel
Een cijfer zonder doel zegt niet of het goed of slecht nieuws is. Kies per kengetal een doel voor de korte en voor de lange termijn, zoals de fabrieken in het onderzoek deden.
Spreek af wie wat doet bij een afwijking
Pas als een afwijking tot een beslissing leidt, levert het cijfer iets op. Leg vast wie in actie komt als een kengetal buiten de grens valt.
Verwacht geen wonderen van één scherm. Volgens de onderzoekers passen hun uitkomsten bij een leerproces: bedrijven moeten leren werken met data en de rest van de organisatie erop afstemmen (Brynjolfsson & McElheran, 2016). Sturen op cijfers is een gewoonte, geen aanschaf.
Bronnen
- Brynjolfsson, E. & McElheran, K. (2016). Data in action: data-driven decision making in U.S. manufacturing. Center for Economic Studies, U.S. Census Bureau, werkpaper CES 16-06, januari 2016. census.gov
- Bloom, N., Brynjolfsson, E., Foster, L., Jarmin, R., Patnaik, M., Saporta-Eksten, I. & Van Reenen, J. (2019). What drives differences in management practices? American Economic Review, 109(5), 1648–1683. doi.org
- Brynjolfsson, E. & McElheran, K. (2016). The rapid adoption of data-driven decision-making. American Economic Review: Papers & Proceedings, 106(5), 133–139. doi.org
- Cassar, G. & Gibson, B. (2008). Budgets, internal reports, and manager forecast accuracy. Contemporary Accounting Research, 25(3), 707–737. doi.org
- Müller, O., Fay, M. & vom Brocke, J. (2018). The effect of big data and analytics on firm performance: an econometric analysis considering industry characteristics. Journal of Management Information Systems, 35(2), 488–509. doi.org
- Yigitbasioglu, O.M. & Velcu, O. (2012). A review of dashboards in performance management: implications for design and research. International Journal of Accounting Information Systems, 13(1), 41–59. doi.org