Data moet landen in de dagelijkse praktijk

Erwin Besproken wordt datamanagement en benadrukt dat data pas waarde heeft als die in de dagelijkse praktijk bruikbaar is.

Erwin Er komt aan bod zijn loopbaan van asset management naar datamanagement, en over de verschuiving van werken met cijfers naar het organiseren van data als onderdeel van de business. Een belangrijk punt is dat data in vermogensbeheer het product zelf is: het gaat om rapportage, verantwoording en betere besluiten voor pensioenfondsen en deelnemers.

De kern van het gesprek draait om de spanning tussen strategie en uitvoering. Volgens Erwin helpt een grote datastrategie alleen als die aansluit op de businessstrategie en op wat mensen in hun werk echt kunnen en nodig hebben. Hij gebruikt daarbij het beeld dat je mensen niet “naar de maan” moet willen trekken, maar stap voor stap moet begeleiden.

Er wordt uitgelegd hoe datamash binnen hun organisatie inzet op decentralisatie met lokaal eigenaarschap en centrale spelregels. De mensen in de business weten volgens hem het best wat data betekent en wanneer die goed is, maar dat vraagt wel om training, governance en duidelijke verantwoordelijkheden. Genoemd wordt ook dat de business enthousiast is over meer autonomie, maar dat de praktische gevolgen daarvan niet altijd meteen worden overzien.

Een belangrijk thema is de keten van data, waarin informatie vaak terugloopt en meerdere keren gebruikt wordt. Daardoor zijn data lineage, golden source, datakwaliteit en het voorkomen van dubbel werk essentieel. Genoemd wordt dat onduidelijk eigenaarschap en doorsturen van data zonder controle kunnen leiden tot fouten en inefficiëntie.

Ook komt het verschil tussen kritieke en niet-kritieke data aan bod. Kritieke marktdata wordt gevalideerd en zichtbaar gemaakt, zodat gebruikers weten of de data geschikt is voor hun proces. Volgens Erwin is dat nodig om verkeerde besluiten te voorkomen.

Tot slot benadrukt hij dat adoptie centraal staat: data-experts moeten de business taal spreken, uitleggen wat het oplevert en kleine stappen mogelijk maken. Het gesprek eindigt bij de oproep om samen te bouwen aan data die bruikbaar is in de praktijk.

Wat er in deze aflevering langskomt

• Intro en achtergrond
• Van business naar data
• Data als businesswaarde
• Digitale groei en adoptie
• Wat is datamesh?
• Keten en eigenaarschap
• Systemen en governance
• Spel en gamification
• Starten met datamesh
• Kritieke data bewaken
• Business eerst, data volgt

Transcript

Oké. Erwin, welkom in de studio. Ik heb hier een hoop ervaring aan tafel zitten en ik hoop daar vandaag een glimpen van mee te kunnen pikken. Graag, leuk om hier te zijn. Ja. Als een Delft, ja. Ja, mooi als een Delft. Je bent er nog niet vaak geweest, hè? Nee, ik kom aan deze kant van Nederland niet zo heel vaak. Nee. Ik kom zelf oorspronkelijk uit het zuiden en we hebben iets meer naar het midden verhuisd, maar dit is dan weer nog een stukje verder. Ja, wel eens voor vakantie ben je in de buurt geweest, begreep ik. Ja, pas geleden nog in Julianadorp en het is heerlijk om aan deze kant even op vakantie te komen. Ja, hopelijk kan het vandaag ook een klein beetje voelen als een uitstapje, als een vakantie. Ik wil het vandaag gaan hebben, onder andere over jouw uitgebreide ervaring. Beginnend bij bijna 28 jaar in asset management. Misschien dat je heel kort even kunt verder nog vertellen wie je bent en daarna gaan we daar naartoe. Prima, laten we met het persoonlijke beginnen. Mijn naam is Erwin Jager. Ik woon samen met Jolanda en Amy in een klein dorpje in de Betuwe, Enspijk. We hebben twee honden, een kat het is heerlijk om in de buitenlucht te wandelen met de honden en zelf probeer ik dan ook nog te sporten, wielrennen en pedel en zoals je al zei ik ben na mijn studie begonnen in asset management vooral omdat ik een ding heb met getallen ik probeer alles uit te rekenen in mijn hoofd de rekenmachine is voor mij de slechtste uitvinding die er geweest is en zo Zo kwam ik eigenlijk in asset management terecht. Veel met getallen werken aan performance en risk kant. En eigenlijk sinds een jaar of 10, 12 richting IT en data gegaan. En eigenlijk omdat ik zelf veel met data bezig was. Ik vond er wat van hoe dat zou moeten. En zo eigenlijk daar de managers vak in gerold. En dat nu eigenlijk sinds 12 jaar. En de laatste vijf jaar eigenlijk specifiek met datamanagement bezig als head of data management bij PGM. En eigenlijk inderdaad altijd binnen asset management gebleven. Wat zij stapjes meer aan de verzekeringenkant, maar voornamelijk aan de institutioneel vermogensbeheerkant. Ja, gewoon een hele lange tijd in een vakgebied. En ik vind het ook mooi dat je vanuit de business dus bent doorgegroeid naar de IT-datakant. Ja, dat merk ik. Het is een merking dat ik werk met veel professionals aan de data- en IT-kant. De verbinding leggen met de business, dat is denk ik wel ook in dit vakgebied heel belangrijk. En daar probeer ik dan als manager mijn steentje aan bij te dragen. Ja, en heb je misschien een heel concreet voorbeeld hoe dat echt wel een groot voordeel is ten opzichte van Andersson? Nou, ik vind de vergelijking in data management, je kan daar heel veel mee doen. En daarmee kun je ook heel groot denken in wat er allemaal nodig is. Maar ik denk dat het vooral gaat over adoptie in de business. Uiteindelijk is het daar waar je het wil bereiken. En als daar een te groot verschil tussen zit, dan begrijpen mensen dat niet meer. En aangezien ik aan de kant van de business gezeten heb, weet ik dan ook wel waar hun prioriteiten liggen. En waar ze mee moeten balanceren tussen data en hun dagelijkse werkzaamheden. Kan ik dat wat meer duidelijk maken aan de mensen en proberen daar het verschil in te maken. Ja, anders voelt data al een beetje als een doel op zich. Ik heb zelf ook wel eens de wens om op die manier te denken, omdat ik gewoon heel veel bezig ben met data. Maar eigenlijk zijn we natuurlijk altijd moeten beginnen vanuit de business, hè? Ja, aan de andere kant moet je ook weten waar je naartoe wilt. Dus de kant van, wat wil je uiteindelijk allemaal, kan je allemaal bereiken. Mensen willen naar de maan toe, maar we staan nog op aarde. En die mensen moet je daarin begeleiden. Je moet niet al meteen naar de maan gaan om de mensen naar je toe te halen. Dat gaat niet werken. Uiteindelijk wil je dat het in de business landt. Binnen vermogensbeheer is data ons product. En wij maken geen meubels. Uiteindelijk gaat alles met data. En daar moet je de mensen in begeleiden om die data goed te beheren. En merk je dat de business ook een beetje data kan denken? Of is dat nog lastig? Nou, dat is altijd wat is data denken. De business denkt data. Alleen wat nu data gedreven werken en meer waarde uit data kunnen halen dan dat je… Nu in je dagelijkse praktijk doet. Daarover nadenken. Dat is de volgende stap. Dat noemen we dan data gedreven werken. Dus dat is het punt dat daar nog een hele stap te maken is. In veel gevallen. En dan inderdaad het data goed beheren. En daarmee aan de slag kunnen. En daar zie je dat de technologie nu natuurlijk grote stappen maakt. Zodat je daar heel veel mee kan doen. En dan kun je die mogelijkheden benutten. Als business zijnde. En daarin, dat data met werken met data, dat is denk ik, dat is de grote stap die de meeste organisaties nog aan het maken zijn. De ene is daar verder in dan de ander. Ik geloof ook wel dat over 28 jaar, dat daar best wel grote verschillen kunnen zitten. Zie je dat ook zo? Ja, kijk, uiteindelijk zie ik zelf, ik was, toen ik begon was Excel er net, laat ik het even zo zeggen. Ik probeerde inderdaad alles zelf met getallen en zelf te ontwikkelen. Dus wat ik zei, ik zat binnen het performance en risicometing. Dat werkt alleen maar met data. Heel veel data. En daarin was je soms heel vaak dingen zelf aan het doen. Tot grote ergernis van de mensen die centraal met data of aan de slag waren. Wat is die jongen daar allemaal aan het doen? En eigenlijk zie je dat nu meer terug dat veel meer mensen dat ook zelf willen. Dus ik was laatst, we hadden een trainee programma bij ons in het bedrijf. En dan kreeg ik wat mensen te interviewen wie dat zouden kunnen doen. Tegenwoordig is iedereen met Python bezig. En dan zeg je, mag ik dat dadelijk zelf doen? Of zit dat ergens achter gesloten deuren? En de mensen zijn er al zelf mee bezig. Mijn dochter krijgt al programmeren op school, is elf jaar oud. Dus dat zijn dingen die… De kinderen worden al nu zo geleerd. En dat is ook denk ik waar wij als Nederland stappen in moeten maken. Willen we bijblijven. Ja, dat geloof ik ook wel. Toen ik op school zat, was er helemaal computers. Ja, we hadden een aantal computers. En dat is minder lang geleden dan dat jij op school zat, denk ik. Inderdaad. En nu, ja, toen hadden we helemaal niet zegt, toen konden we spelletjes spelen. En dat was het. En nu leer je blijkbaar al op elfjarige leeftijd programmaeren. Ja, we hebben het ook nodig. Ja. Uiteindelijk. Ik had het geluk dat mijn vader een computer had. Ik was denk ik de enige in de klas die een computer thuis had. Niet dat ik er inderdaad zo heel veel mee deed, maar dat was dan inderdaad vooruitstrevend. Maar tegenwoordig is dat natuurlijk totaal anders. Ja, nu heb je minimaal één computer per persoon volgens mij. Dat klopt. Of we dan de goede dingen ermee doen. Ja, dat is altijd de vraag. Doen we de juiste dingen. Maar goed, daar kunnen we dus wel achterkomen als we dat aan de business vragen. Dus ik ben wel heel erg benieuwd wat asset management nou zo goed leent voor data. Want ik ben ook wel even benieuwd naar het vak asset management, aangezien je er heel veel van weet. Ja, wat ik al zei, het is allemaal data. Dus besluiten nemen op data. Dus dat is altijd al het geval geweest. Het is alleen de vraag, hoe krijg je die data goed bij elkaar? En hoe kun je daar de juiste besluiten opnemen? En uiteindelijk is. Het product is een rapportage. Richting klanten. Richting pensioenfondsen. Verantwoordelijkheid over wat met hun geld gebeurd is. En daar wil je verantwoording overleggen. Analyses op doen. En ik denk dat het. Nu nog meer is, ook met het hele ESG data verhaal van hoe kun je dat nu, hoe heb je nu verantwoord belegd richting klanten, dat je dat heel goed moet kunnen verantwoorden. En daar worden ook steeds meer vragen over gesteld. Zelfs vanuit pensioendeelnemers zijn mensen er veel meer mee bezig dan dat vroeger het geval was. En moet je dus ook meer uitleg daarover kunnen geven. Dat is natuurlijk ook wel zo’n maatschappelijk thema. Pensioen en of je je leeftijd haalt is natuurlijk wel een ding. Maar ook als je hem haalt of je er nog genoeg over hebt. Want in assets moet ik dan denken aan allerlei financiële producten. Of wat houden assets precies allemaal in? Nou ja, dat zijn beleggingen. Dus dat zijn allerlei soorten in aandelen en obligaties. Wat de meeste mensen wel kennen op de beurs. Maar ook beleggen in gebouwen, in snelwegen, de private equity. Dus de opkopen. Allemaal verschillende soorten beleggingen. En hoe je daar dan uiteindelijk voorheen wordt. Vooral van wat is de waarde geworden. En hebben we genoeg winst gemaakt als het ware. Ja precies. Tegenwoordig doen we het juiste met het geld. En mensen willen daar steeds meer van weten. En zo is dat. Wij willen ook steeds meer weten van onze energierekening. En waar het allemaal komt. En ik denk dat, vroeger betaalde je het gewoon en nu wil je het wat meer weten. Mensen willen meer geïnformeerd zijn daarover. Ja, dat is wel echt een bewustzijnsstap die we maken volgens mij. Als ik even naar mezelf denk, ik moest een beetje lachen toen je dat zei. Ik wil ook steeds meer weten over alles waar ik mee bezig ben. Ik ben nu zelf ook aan het kijken van, joh, wat doe ik als er geld overblijft? Ga ik dat dan ergens instoppen? En als ik dat dan doe, ja, hoe is dat dan weer slim in combinatie met hetgeen wat ik doe? Dus ik heb een eigen bedrijf. Dus dat werkt natuurlijk weer anders. Dus ik ben daar dan wel weer in loondienst, maar als er wat overblijft, ga je dat dan weer uitkeren of ga je dat inderdaad beleggen. Dus dat is ook wel een proces waar ik dus nu middenin zit. Of ga ik dan naar vastgoed toe en dan komt er weer iets van een box 1 en een box 3 komt dan weer naar boven. Dan moet je dat weer uitzoeken en dan koop ik daar dan weer een programma voor om te kijken hoe ik dat dan… Dus alles wil ik weten voordat ik daarmee aan de slag ga. En daar kun je enorm veel mee doen met data en besluiten opnemen. En daar moet je uiteindelijk ook de juiste keuze in maken. En uiteindelijk is data, als je de data hebt, heb je ook een voorsprong ten opzichte van anderen. En dat proberen we natuurlijk ook te bewerkstelligen. Interessant. Hé, daar ben ik ook heel erg benieuwd. Ik las op jouw profiel een heel trots berichtje. Ook iemand die een presentatie gaf over datamash. Dus daar ben je ook veel mee bezig. Kan je eens uitleggen voor de mensen die niet weten wat datumash inhoudt, wat dat is en wat je er dan hebt? Oei, dat is een hele grote vraag. Naar jouw opvatting. Nou, ik denk misschien is het te beginnen met, uiteindelijk heb je een datastrategie. En je hebt al een eerdere podcast, heb je het over datastrategie gehad. En de datastrategie zit vast aan je businessstrategie. Ja, hopelijk wel. Ja, inderdaad. Dus anders heb je, ik denk niet dat het dan anders goed gaat. Dus ook van, waarom doen we dit? En daaruit is, waar wij heel erg zien, dat gaf ik net ook al aan, dat de belegger van de toekomst, of tenminste, die zijn allemaal met data-basic zelf. En daar zijn ook de mogelijkheden voor. En een van de onderdelen waar wij dan vanuit het datamash is een stuk decentralisatie. Dus we willen eigenaarschap lokaal beleggen, zodat iedereen weet hoe die met data omgaat. Maar ook dat mensen daarmee zelf aan de slag kunnen. En dat zijn aspecten die in datamash naar voren komen. waarin eigenlijk lokaal eigenaarschap zit, autonomie hebben om zelf met use cases aan de slag te gaan. Maar ook een aantal centrale spelregels, want anders gaat het uiteindelijk ook niet goed. Dus dat zijn de aspecten van datamash, waar vooral zit, waar ik denk, ja, degene die het best weet wat de data is en wanneer die goed is, dat zijn de mensen die in de business zitten, die die data fabriceren, die weten het. Dus die kunnen ook het beste aangeven wat er met die data kan. En ze moeten, of tenminste in datamash, het productdenken. En dat is wat ook een belangrijk aspect voor ons is. Uiteindelijk in de keten, en dat is eigenlijk voor mij niet een datading, dat is meer een organisatieding. Is van hoe kan je nu in je organisatie het meest efficiënt laten lopen? Waarin mensen dus nadenken, wat doen anderen met mijn data? En als je weet… Informatieketens… Dus breder dan alleen data eigenlijk ook. Ja, het is niet alleen data. Dus uiteindelijk doen wij alles met data. Dus dan is het product wat je levert is data. Maar vooral van het stopt niet met alleen de data die je nodig hebt voor jezelf. Uiteindelijk is het in het vermogensbeheers een totale pot van hoe kun je dat het beste managen. En daarvoor is die informatie ook nodig. Dus niet alleen soms voor jezelf, maar ook voor anderen die die data hebben. Zelf zat ik voorheen aan de performance, dat was helemaal aan het eind van de keten. Mijn werk in het begin bestond bijna voor de helft uit het cleanen van data die je van anderen krijgt. En ze eigenlijk niet begrepen wat je ermee deed. En uitleggen wat je ermee deed was één. Vervolgens moest je het nog steeds aanpassen. En wat wij willen is dat mensen uiteindelijk weten wat er met die data gebeurt. Zodat die keten veel efficiënter verloopt. En dat doe je met behulp van goed data beheer. En dat is eigenlijk altijd al zo geweest. Alleen het is nooit een data op zich geweest. Uiteindelijk is daar denk ik nu veel meer aandacht voor. Ook omdat je veel meer met die data kan doen. En meer waarde uit die data wil halen. Als alleen maar de data in je keten voor hetgene wat je doet. Ja, de drijvende factor is iets groter geworden. Ja, en je kan nu ook veel meer. Dus met de technologie en de snelheid die erin zit. Voorheen was het dan misschien, ja, kijken naar de zandloper voordat je er dan iets mee kon. Ja, stop ik er wel mee. Maar dat is nu niet meer het geval. Zie je ook dat dat dan nu heel erg helpt in het datamash denken ook? Dat mensen ineens denken van, hé, we kunnen hier meer mee dan alleen het proces? Nou ja, dat is dan uiteindelijk die businessstrategie in zitten. Wat wil je uiteindelijk bereiken? En daar zit een in de bij van, wat willen we uiteindelijk met die data gaan doen? Waarom die analyseren van data en betere besluiten kunnen nemen, zodat je beter de pensioendeelnemer kunt, verantwoording kunt af, maar vooral ook het beter kunt doen voor hun. Daar draait het om. Niet zozeer dat we nou heel veel met data doen, maar vooral ook wat we er mee doen. Ik probeer even een beetje een beeld in mijn hoofd te schetsen van zo’n hele keten afgaan en hoe je dat dan aanpakt. Ik weet niet of je daar misschien mee kan helpen hoor. Het gekke in vermogensbeheer, als je het vergeleidt met een fabriek of misschien een meubelmakerij, dan gaat het van A naar B, naar C, naar D, naar E. Binnen vermogensweer gaat het van A naar B en kan het ook weer teruggaan naar A. Dus die keten is niet vaak één keten. Aan het einde komt ook een loop in terug waar mensen weer met die data aan de slag moeten gaan. En speelt ook heel erg de truth. Wat is nou de golden set van data? Die speelt daar ook heel erg in mee. Dus die data kwaliteit door de keten heen is in die zin belangrijk. Omdat die elke keer weer ergens anders weer terug kan komen. Ja, precies. Maar mensen kunnen ook, uiteindelijk kan je ook je eigen, daarin ook je eigen waarheid creëren. En daar zit het stuk datamanagement aan vast. Hoe gaan we daarmee om? Welke governance hebben we daarvoor? Dus dat is ook het andere aspect van datamanagement die daarin belang. Maar dat is ook weer hoe kijk je als organisatie daartegen aan. Dat de eigenaarschap zit vast aan hoe je verantwoordelijkheden in je organisatie liggen. Dat is niet iets wat we apart bepalen. Nee, het hoort best wel bij het werk en de mensen langs wie het komt. En dat kan dus langs meerdere schakels zijn. En dat is dan ook van ja, wat gebeurt er dan als die data naar een ander gaat? Dus een van de belangrijke aspecten die wij geïntroduceerd hebben is meer van ja, iemand is eigenaar, diegene is eigenaar van de data. En dan ging die naar drie verschillende afdelingen toe. En die gingen ze weer doorzenden naar anderen. Verplaatste het eigenschap dan ook mee per wijziging? Of bleef het er? Dat was dan van, dan dacht ze mij ja, ik heb die van A gekregen, dus het zal wel goed zijn. En dan kan ik ook als iemand erom vraagt, dan stuur ik hem door, want ik heb hem. Maar terwijl misschien niet al ondertussen aangepast was. Dus altijd bij de eigenaar daarin vragen. En dan is inderdaad met datacontracten krijg je dat ook naar voren, dat je dan dus inderdaad soms leveringen ziet die uit goede wil zijn, maar die dat wel probleem kunnen voorzien, omdat die niet echt van de data-eigenaar komt. En los je dan ook op met een stukje tooling, zodat je kunt volgen, Wat dan de overeenkomst zijn in de gegevensleveringsovereenkomst. Denk ik dan. Iets wat daarop lijkt. Uiteindelijk is dat het doel. Nou niet het doel. Maar wat je. Je wilt er ook monitoren en overzicht over hebben. En daardoor wordt het efficiënter. Dan zien je allemaal de termen data lineage en dergelijke. Dus dat je dat dus ook ziet. Dus je kan nu ook. Maar dat betekent dat wel dat we alles in kaart moeten hebben. Dat is een heel stuk. Is dat je dus inderdaad ook ziet. Dat bepaalde data dubbel gaat. Het laatste had ik ook. Toen ik. Een aantal jaren geleden. Bij PGN begon. Toen zat ik vaak in projecten. Of in stuurgroepen. En dan was het eerst van. We moeten even kijken waar al die data. Of wie het allemaal betrekking heeft. En dan werden een paar personen gevraagd. En toen was het altijd nog van. Misschien moeten we het toch nog even testen. Met een goed data. Als je dat goede overzicht hebt. Dan kun je gewoon. Aantikken en dan zie je precies waar alle data naartoe gaat. Dus dat is een extra organisatie vraagstuk wat je oplost waar je efficiëntie mee haalt. Er is heel veel tijd die daar niet meer aan gespendeerd hoeft te worden. En ik probeer ook een beetje in beeld te krijgen van hoe je dat goed doet, want ik denk dat inderdaad dit een hele goede opzet is, ook met een stukje eigenenschap en wie het aanraakt die heeft daar een bepaalde verantwoordelijkheid over helemaal als je het bewerkt. Hoe hou je dan goed bij wanneer data verandert en naar wie het toegaat. Ben je dan geïntegreerd met bijvoorbeeld ook mailing service of zit het allemaal in een systeem? Het zit bij ons allemaal in het systeem. Dat overzicht wil je hebben. Dus iedereen werkt in nagenoeg hetzelfde systeem of tussen een aantal? Oké, in de business worden met verschillende systemen gewerkt. En uiteindelijk hebben we één data governance systeem waarin ze dat allemaal bijhouden. En waarin we ook de koppelingen met die systemen willen maken. Ja, precies. Daar zit inderdaad wel een moeilijkheid in. Als je dat allemaal wil doen, is het in die zin veel werk. Of is het compatible en datamodellen die aan elkaar… De baalde definities die misschien kunnen verschillen. Ja, dat hoeft niet erg te zijn. Maar dan gaat het inderdaad over master data management. En wat wij elkaar… Eén data platform waarin we dat allemaal goed uiteindelijk kunnen managen. En waarin we data met elkaar delen. Dat geeft ook wel een beter overzicht daarover. Maar dat vervangt niet je dagelijkse core businesses. Daar heb je specifieke systemen voor. En uiteindelijk, hoe koppel je die goed aan elkaar? En dat is ook wel een aspect, als we weer even terugkomen naar datamage, waarom we dat ook bij ons goed gaan werken of bij een organisatie, is als je daar ook echt systemen gebruikt, of niet systemen, maar processen gebruikt die specifiek zijn voor dat onderdeel. En dat is ook een keuze die wij in ons landschap maken. Ik wil ook hier niet verkondigen dat iedereen datamage moet gebruiken. Laten we dat even goed… Het past erbij of het past niet bij je als organisatie. Je moet het vooral niet doen omdat wij het doen. Je moet het doen omdat het past bij waar je naartoe wil. Ik denk dat dat ook wel een goed advies is. Ik denk ook dat als je ergens voor kiest, dat je vooral voor de methode en de voordelen kiest. Maar dat het ook niet betekent dat je dan ook meteen alles 100% zo moet doen. Het zou wel fijn zijn als je dan nog van afwijkt op sommige punten waar dat minder goed werkt. Ja, dat is het proces waar wij ook doorlopen. Ik denk dat ik in de loop der jaren ook wat minder ideologisch ben geworden op dat vlak. Uiteindelijk wat gaat werken. En voor de organisatie. En daarin heb je in het begin een bepaalde gedachteheerveld. Maar dan werkt het niet. Uiteindelijk gaat het over adoptie en kan de business ermee werken. En daar kun je ook allemaal moeilijke termen voor gebruiken. Maar als mensen het daarmee niet meer begrijpen, dan wordt het lastig. Ik kan me wel voorstellen dat als je zegt van de mensen die erover gaan, dus de mensen die de meeste kennis daarover hebben, die maken hun eigen dataproducten, dat je dan ook wel iets van ze vraagt om in dataproducten dan te denken, hoe pak je dat dan aan? Ja, daar zit training aan vast en ik ook vooral het evangelie van wat brengt het met zich mee en welke voordelen heeft het dan en daaraan zie je wel uiteindelijk dat datavolwassenheid mensen dat uiteindelijk meer gaan zien en uiteindelijk denk ik dat Hoe meer je een gezamenlijk doel hebt, hoe beter decentralisatie werkt. En dat klinkt op zich vreemd. Maar dus als je echt een gezamenlijk doel hebt, dan kun je ook decentraliseren. Want uiteindelijk werken dan mensen niet alleen voor zichzelf. Maar ook denken na over het gezamenlijk doel. En dat ze daarmee gaan doen. En welk stukje van die keten zij dan pakken? Ja, en niet alleen dat zij ook die totale verantwoordelijkheid daarvoor voelen. En als je in feite heel erg in silo’s werkt, dan… Dat is toch wat je vaak nog ziet. Ja, dan weet ik niet of datamash de oplossing is. Wij struggelen daar soms ook nog wel mee. Want uiteindelijk willen we niet naar die silo’s, willen we daar meer naartoe. Maar soms is dat nog wel het geval. Dus hoe meer, als je, toen ik bijvoorbeeld datamash suggereerde of dat we dat gingen doen. Nou, de business stond te juichen. Want dan mag ik zelf prioriteiten stellen, bepaal ik zelf wat ik ga doen. Niet precies weten welke verantwoordelijkheid daarbij hoort en wat er allemaal erbij komt kijken. Maar dat aspect vond men prachtig. Het is lokaal eigenaarschap met een aantal centrale spelregels om dat te laten werken. En daar zijn eigenlijk de, die fase zitten we dan ook nu in. Het klonk heel leuk en het is nog steeds leuk. Maar wat dat nu daadwerkelijk betekent. En daar zijn bepaalde ondelen verder in. En andere weer minder ver. En uiteindelijk zie je dat… En degenen die echt puur veel met data werken, dat daar sneller in zijn. En dan degenen die daar nog van oudsher wat minder mee gewerkt hebben. Die stappen zie je, die ziet de ene sneller gaan dan de andere. En dat is alleen wel zo. Dat klinkt ook wel vrij logisch natuurlijk. Want als je zelf al wat meer in een proces of een werkomgeving zit, waarin dat al wat makkelijker opgepakt wordt, en je bijvoorbeeld de hulp van tooling, dan is dat natuurlijk ook weer makkelijker. Als jij ineens eigenaar wordt van iets. Het is natuurlijk leuk om eigenaarschap ergens over te krijgen en te voelen. En daar dan dus ook dingen over te moeten beslissen. Maar als dat ook betekent dat je er ook een stukje verantwoording over af moet leggen. Dat is het ineens minder leuk. Want dan moet je extra dingen doen. Ja. Voor de ene is dat een uitdaging. En voor de andere is dat ook. Dan wordt het een risico. Of waar ben ik nu allemaal verantwoordelijk voor. En ik ben geen data persoon. Dus dan komt dat aspect naar boven. En dat is dan inderdaad, waar stuur je je op? En uiteindelijk heb je als datamanager, heb je daar, kijk van, hoe kun ik daar de juiste mensen goed op aansturen? En wat betekent dat nu? Dus wat verwachten we daar dan van? En daarop te blijven hameren van, dit is wat we dan verwachten. En dan wordt het voor sommige mensen, oh ja, dat is wel heel veel. En veel mensen zien dat echt hier kunnen we uiteindelijk waarde mee creëren als organisatie niet alleen voor mezelf maar ook voor de rest dat merk je dat dat beseft steeds verder komt. Ook dat mensen ook met elkaar gaan praten over die met data bezig zijn. En dan hebben ze bij ons mensen die zelf een soort community gaan opstarten. En dan gaat het werken in plaats van dat je vanuit een zijkant, vanuit een data management of vanuit het support van we gaan community iets opzetten, hebben we allemaal op papier bedacht. Uiteindelijk gaat het erom, gaan de mensen dat zelf met elkaar doen? Gaan ze het elkaar leren? En dan Dan word je daar sterker in als organisatie. Ja, doe ik ook wel een beetje denken aan het spel wat je bedacht hebt. Rondom een wielersport. Daar zie ik eigenlijk een beetje hetzelfde in. Dus als je iets creëert waar iemand met veel enthousiasme en overtuiging veel energie in stopt. Dan kan het aanstekelijk werken. Ja. Nee, dat is… Misschien dat je er heel kort over kunt vertellen. Want ik vond het wel heel leuk. Ik heb zelf een spel ontwikkeld die we in onze organisatie gebruiken. Of tenminste niet rond de Tour de France en daar probeer ik wat smeuïge verhalen bij te vertellen en daarmee de mensen te boeien om dat te doen en vanuit sommige mensen zijn daar heel actief in om daarmee aan de slag te gaan en er is ook gamification en dus denk ik ook wel, wij gebruiken gamification ook proberen dat ook in het data stuk te werken dus ook om mensen daarin te stimuleren om dingen met elkaar te doen we maken heel veel analogie met Lego Dus we doen trainingen met lego en dan halen we wat steentjes weg om de datakwaliteit of dat soort dingen te doen. Hoe werkt dat nu precies in plaats van puur met theoretische verhalen te komen. Aan de ene kant is dat gamification en aan de andere kant ook proberen echt voorbeelden uit de vermogensbeheerwereld te hebben waar mensen dagelijks mee te maken hebben. Om dat bewustzijn te vergroten van welk plekje in dat geheel vorm ik nou en wat is nou de impact van mij als individueel persoon met een toetsenbord op het grote geheel. En mensen houden van spelletjes vaak. Dat helpt ook. Dat maakt het ook wat minder streng allemaal. In een spelletje mag je een fout maken. In je werk mag dat ook, alleen dan vinden mensen dat toch vaak spannend. Ja, en dat vind je ook. Laat mij maar lekker beleggen. En die spelletjes of wat het is. Dat is zo. Je kan niet iedereen daarin tevreden of tevreden houden. Dus daar proberen we goed mee om te gaan. Ja, het is natuurlijk uiteindelijk altijd een soort van cultuurverandering om het hele bedrijf mee te krijgen. Of in welk bedrijf dan ook. In wat doen we nou eigenlijk? Ik merk zelf wel dat op de plekken waar ik terecht ben gekomen, als dan vaak nu zelfstandigen. Als ik ergens binnenkwam, dan lag er nooit een openbare datastrategie. Of dan was er nooit documentatie beschikbaar over waarom ik iets deed. In welk plekje van de keten ik zat. En dat verbaast me eigenlijk een beetje nu met terugwerkende kracht. Toen vond ik dat heel normaal. Dat ik ergens binnenkwam en ging werken aan het verbeteren van een rapportage of een datastroom. Of iets anders in de data hoek. Maar dat probeer ik nu ook wel een heel klein beetje te bevorderen. Ook met dit soort gesprekken. Zie dat grotere geheel. en daarom ben ik ook heel blij dat je daarover vertelt van joh, Wil je er op je naartoe? Uiteindelijk heb je ook heel duidelijk specialisten nodig in je organisatie. Die daadwerkelijk mensen weten hoe hun data is en wat daarmee kan. En daardoor ook, die heb je nodig om die waarde te creëren. Uiteindelijk ga je meer naar het geheel kijken. Hoe lopen dingen nu over elkaar heen? En hoe kunnen we met die data weer nieuwe dingen ontwikkelen? Ja, dat is meer het over de afdelingen heen kijken. Die persoon heb je wel echt nodig. En dat moet ook wel een aparte functie zijn. Want je kan ook weer niet van mensen verwachten dat ze dat allemaal zelf kunnen en willen. Altijd maar in die helikopter opstijgen en weer neerdalen. Nee, want daarvoor zijn er ook veel specialistische onderdelen nodig. Als we allemaal alleen maar naar de helikopter gaan kijken, dan missen we opportunities op dat specifieke beleggingsgebied. En dat is ook wel, kijk, ik kom wel uit de business. Maar als je dan, we hebben hele duidelijke beleggingen, we hadden net over welke beleggingen er zijn. Nou, dat zijn mensen die daar van alles vanaf weten. En die moeten juist, of die gaan bedenken wat ze allemaal met die data moeten gaan doen. Ik kan daarnaast gaan zitten. Maar als ik naast vastgoed mensen ga zitten, dan ga ik geen use case verzinnen. Om, wel als ik ze ga uitvragen of dergelijke, maar die weten ze zelf wel dus daar, het is vooral hun te supporten met een goed data platform waar al die data goed beschikbaar is. Uiteindelijk gaat het erover dat data beschikbaar is op een snelle manier en dat is tegenwoordig ook heel veel makkelijker geworden dan we hele interfaces moeten bouwen en dat er een blackbox van data ontstaat en nu kun je heel makkelijk data delen met elkaar. Maar ook weer wat binnen vermogensbeheerwereld, ook weer een soort security is daarin ook heel belangrijk. Welke data mag je wel zien en niet zien? Dus dat moet je ook goed onder de knie hebben. Dus dat ene voordeel heeft weer een ander punt waar je mee aan de slag moet. Ja, best gevoelige data. In principe kan je natuurlijk aan de hand van iemand financiën best wel veel over iemand te weten komen. Ja, en ook bepaalde beleggingskeuzes die niet openbaar mogen zijn. Dus daarin zit ook een verschil in de manier waarop wij beleggen. Dus dan is het ook voldoende aan de afspraken die we met elkaar hebben. Data, vermogensbeheer data is niet goedkoop. Als we op tv kijken, dan zie je al die beleggers met al die schermen voor hun neus met al die data die erin zit. Mooie grafiekjes overal. Die niet gratis en mag niet overal voor gebruiken. Dus daar zitten ook bepaalde aspecten aan die goed geregeld moeten worden. Er zitten heel veel aspecten aan die het delen van data aan de ene kant heel makkelijk maken. Maar aan de andere kant ook zitten daar ook beperkingen aan vast van wat je wel en niet met elkaar mag delen. En daarom moet je dus allerlei in je architectuur ook zaken voor bedenken. Ook in je data mesh, dat we helemaal data met elkaar delen. Zodat er een weef ontstaat. Maar als je dat niet goed doet, dan ontstaat een mesh. Een data mesh. Dan staat er een afval of alles loopt door elkaar heen. En dan is uiteindelijk iemand aan de achterkant aan elkaar aan het knopen. En dat kost heel veel tijd. Met alle gevolgen van die dat het niet goed zal zijn. En dat wil je goed met elkaar managen. Ja, en stel dat iemand hier nu mee zou willen starten. Iemand heeft zoiets van, joh, het klinkt alsof we daar iets aan zouden kunnen hebben. We maken het besluit om daarmee te starten. Dus er gaat er even vanuit dat iemand dat heeft uitgezocht. Dat dat de toegevoegde waarde zou kunnen hebben. Wat voor advies zou je geven om dat aan te pakken? Heel duidelijk die lokale eigenaarschap. Zonder lokaal eigenaarschap, dat mensen heel goed weten wat het betekent. Daar de verantwoording over hebben dan, daar zou ik mee beginnen om eerst dat fundament neer te leggen. Daarnaast is het dan ook het punt een datafundament, een platform waarin je die data ook makkelijk hebt. Dat mensen ook zelf met die data aan de slag kunnen. Uiteindelijk, de businessmensen zijn geen data professionals. Dus we willen vanuit in die business wel meer data met data gaan werken. Maar dan wil je het ook wel heel makkelijk voor ze maken. En daarin zit een platform of geautomatiseerdheid dat dat soort dingen, even wat erbij komt, steeds makkelijker wordt. En dat ze daarmee wel echt met hun core business aan de slag kunnen. Plaats je er dan een datapersoon bij bijvoorbeeld in zo’n team? Of verwacht je dan wel van de mensen dat zij wat meer data? Dat is een interessant aspect. Dus als je de theorie openslaat, dan zeggen je, ja, de mensen in de business, die moeten met die data aan de slag gaan. Maar dat zijn dan wel weer ander soort bedrijven. En dus in eerste instantie was het wel van een ideaalbeeld, net over ideologisch, of waarin zit dat iedereen, of dat mensen in, dat het onderdeel van hun werk wordt. En dat zie je dus inderdaad, bijvoorbeeld aan de performance riskant, mensen die altijd al met data werken, die kun je niet blijer maken. Dat zijn mensen die zelf, dat zijn al data engineers. En daaraan zien we dus, de indeling kan de ene verschillen van de ander. En bij de andere, we hebben nog wel echt een specifieke data engineer nodig die echt alleen maar daarmee bezig is. En het niet een rol is. Dus dat het echt een functie is. Daar moet je dan ook wel keuzes in maken die passen bij je organisatie en waar je dan naartoe wil. Ja, precies. En dat is denk ik ook wel per domein of misschien wel zelfs per team. Misschien zelfs ook per persoon. Dus echt goed kijken op elke locatie wat ze daar precies nodig hebben. En of het de skills heeft om dat zelf te gaan doen of dat daar toch echt iemand bij moet. Ja. En uiteindelijk kunnen daar verschillende keuzes in gemaakt worden. Maar aan de andere kant zitten daar ook verantwoordelijkheden aan vast. Dus daarom proberen we dat wel goed advies in te geven. Want let wel op wat je doet. Wat we nu wel belangrijk vinden is dat het gaat werken. En dan is het misschien soms ook wel niet ideaal. Maar dan lopen we soms tegen bepaalde dingen aan. Waar we misschien net wat anders zouden in de toekomst anders zouden willen. Maar dan komt het ook vanuit de mensen zelf. Dat is wel een leerproces natuurlijk uiteindelijk. Het is vooral leren, leren, leren, leren. En dat is de… Ook wel eens soms is het lastig. Wat verwacht je allemaal van mij? En dan alles op papier. En dan zeg ik zo, het staat niet allemaal op papier. We moeten dit ook zelf gaan ondervinden. We moeten dit zelf gaan leren. En bij de ene afdeling. Er is nu een afdeling. Die hebben dat echt helemaal zelf gedaan. Waarbij in het begin misschien net. Dat ik misschien net wat anders bedacht had. Maar dat werkt prima. En dan moet ik er vooral niet al te veel meer aan doen. Zolang die centrale spelregels maar intact blijven, word je dan binnen je eigen domein aan hoe je het dan ingeregeld hebt. Maar wel dat je je houdt aan de centrale spelregels en je verantwoordelijkheden, dat is het belangrijkste. Ja, ik voel ook wel een hele mooie oproep hier. Jongens, ga ook zelf aan de gang nadenken, kijk om je heen, wat zouden we kunnen doen vanuit je domeinkennis en wat heb ik dan nodig aan de data of de techniek kant en vraag dat uit. Maar ja, ook wel, ja, stel wel die regels beschikbaar, waar het aan moet voldoen en ga daar wel mee aan de slag. Ja, en uiteindelijk, dus in de datamessie is het ook dat je gezamenlijk die regels gaat bedenken. En uiteindelijk zit daar in mijn afdeling en vooral een data architect en de governance. Waaraan moeten we voldoen, ook volgens wet en regelgeving. Maar ook de risico’s die daaraan vastzitten om daar vanuit een data expertise naar te kijken. En dat we zien wat er gebeurt, maar ook de mensen daarin te begeleiden van, ik snap dat je dit doet op jouw gebied, maar dit kan gevolg hebben voor de ander. En daar moeten dan standaarden voor ontwikkeld worden. Die je ook gezamenlijk besluit om dat te doen. In plaats van dat je je oplegt als een soort, dit is vanuit een data management, dit is hoe het zou moeten zijn. Doe je dat samen met de business die besluiten nemen. Ja, dan krijgt voor mij samen met de business toch wel een heel duidelijk beheerd. Dus ik probeer altijd een soort plaatje in mijn hoofd te krijgen in zo’n gesprek. En daar gaan mijn vragenmeester ook een beetje naartoe. Dus bedankt voor mij is dat plaatje best wel helder ook. Ik heb best wel een beeld bij hoe ik dat ook zelf zou kunnen doen. Ik geloof heel sterk ook dus in met de mensen kijken wat ze al kunnen en dat een klein beetje tweaken naar dat werkend krijgen, omdat je dan start van iets wat mensen al kennen en dan kan je een paar dingen toevoegen in plaats van dat je iets op gaat leggen of hoopt dat het een bepaalde kant op gaat, maar dat mensen of de motivatie of de skills of de tijd of de energie missen om dat te laten werken. Dus vanuit die hoek klinkt het voor mij wel heel logisch en ook natuurlijk om zoiets als datamash of eigenlijk het gedachtegoed van datamash te implementeren. Ja, er zitten echt heel veel voordelen aan vast. Maar nogmaals, het moet ook passen binnen je strategie. Het moet een logische gevolg zijn van je strategie en wat je wil bereiken. Ik zie ook in andere organisaties dat het werkt om het te centraliseren. Maar die zijn een ander soort organisatie of willen iets anders bereiken. En dan moet je het vooral ook niet doen. Daar zou ik dan iets anders voor adviseren. Dus uiteindelijk heb je je data op orde en hoe kun je waarde creëren met je data. Het moet ook wel die klanten dienen als die in allerlei hoeken verschillende vragen zou kunnen stellen. Dan wil je ze vanuit verschillende hoeken beantwoorden. Als dat gewoon wat minder complex is en wat meer lichtreinig. Dan ga je ook wat minder spannende dingen optuigen. Dat klopt. Lijkt me in ieder geval. Of je moet het heel leuk vinden om te doen. Maar dan is het misschien niet helemaal het juiste als de klant er niet op vraagt. om het zo te zeggen. Ja, en uiteindelijk is dat ook hoe je dat als organisatie regelt. Waar komen vragen binnen en wie mogen ze allemaal beantwoorden? Dat uiteindelijk andere mensen met die data aan de slag zijn om dat voor elkaar te krijgen. En dat is ook wel, toen ik veel organisaties voorheen nu kwam, was het ja, Waar beleggen we ergens in? Of door onze hele organisatie. En dat duurde drie, vier dagen om al die data boven water te krijgen. Hoe we ergens in belegd waren. En daar waren we dan blij mee. Voor sommige mensen kan dat al een andere keuze betekenen. Nou ja, als dat vier dagen duurt om dat soort informatie naar boven te krijgen. Dat is niet meer deze tijd. Dus dat wil je gewoon in één oogopslag kunnen zien. En daarmee kan je ook veel makkelijker dat soort vragen beantwoorden. Want iedereen kijkt naar dezelfde data. En dat is ook wel hoe je dat organiseert. Vanuit hoe wil je dat soort vragen ook beantwoorden. En dat je inderdaad ook niet meerdere mensen die met klanten stellen vragen. Krijgen ingangen ergens. En krijgen dan niks zo erg als dat ze twee verschillende antwoorden krijgen. En dat je dat moet gaan uitleggen. Dat wil je liever niet. Niet als je zulke belangrijke keuzes wil maken. Ja. En dus die data uiteindelijk is dan wat ik eerder al zei. Die golden source. Dus wat is de data die we voor rapportages gebruiken. Dat iedereen naar dezelfde data aan het kijken is. Dus ik denk ook wel een grote input vanuit dus gewoon marktdata in. Dus echt een soort van externe bron die je dan ook altijd maar moet aannemen. Ja, daar hebben wij ook, we gebruiken inderdaad heel veel marktdata. Dat komt heel veel binnen. Maar daar gaat het ook over datakwaliteit. Waar we daar niet echt over rapporteren. Dus wij doen onze eigen sanity checks, validatie checks. Voor die marktdata die kritieke data is. Dus dat is inderdaad ook het punt voor alle kritieke data. Je kan elk dataset, dataproduct onder governance brengen. Want het gaat vooral over de kritieke data. Ja, liever alleen daarover. en dan de rest uitbouwen als het goed staat. Ja, uiteindelijk alles. Maar stel je daar ook verschillende regels voor. Het voor kritieke data is gewoon meer vereist dan voor niet kritieke data. Dus we hebben inderdaad marktdata die we valideren. Die gaat een bepaald proces door voordat die door de business gebruikt kan worden. Die data kan ook rol binnenkomen. Dus als ruwe data binnenkomen. Die misschien niet gecheckt hoeft te worden omdat die niet voor de kritieke processen gebruikt wordt. Of om te experimenteren. Die data gaat dan ook in. Maar het is voor mij een andere dataset. Dus je hebt verschillende datasets. Maar het kan dezelfde data bevatten. Want daar zit een bepaalde validatie aan vast. En daarmee weet men. Dit kan gebruikt worden. Ik zelf vergelijk ook wel eens. Als ik naar de supermarkt ga. Dan kan ik een. Als ik een. Een zakje slaken open. Dan staat er precies op hoeveel eiwitten. Hoeveel koolhydraten. En volgens de regels wat we moeten hebben. Dus ik kan alles met elkaar vergelijken. Uiteindelijk is dat waar wij ook naar streven. Als we een dataproduct hebben. Dan moet dit er voor kritieke data. Dan moet dit eraan vastzitten. En dan zit er een check, check, check in. Als die data niet goed is. Dan kan de gebruiker dat ook meteen zien. Kan nog steeds de keuze hebben om het te gebruiken. Maar als hij dat voor kritieke processen gebruikt. Dan is dat een afweging. Die hij daarin moet maken. Maar dan weet hij in ieder geval dat die data niet goed is. En waarheen was het daarnaast, ja, die data werd wel geleverd. Maar we wisten eigenlijk niet of die wel of niet goed was. En 99% van de gevallen, want dat is de experts, of zal dat ook zo zijn. Maar misschien in die 11% niet. En dan wordt er een verkeerd besluit gedaan. Dat kan een heel duur verkeerd besluit zijn. Ja, dat zou heel veel kunnen schelen, ja. Hartstikke bedankt. Dus dat is voor mij in ieder geval heel goed geland. Ik ben ook wel benieuwd of er nog iets is wat we nog niet behandeld hebben. Wat nog wel leuk is om vandaag er even mee te nemen. Ik denk dat we op het decentraal centraal wel het meeste gehad hebben. Ik denk ook inderdaad het belangrijke is dat je het samen doet. Niet vanuit een data-expert. Maar ik denk wel dat je de data-expert heel duidelijk nodig hebt om richting te geven. En in zin van wat we allemaal daarmee kunnen doen. En het dan ook begrijpbaar te maken. Dat is denk ik het… Dat is een grote uitdaging, ja. Hoe kunnen we als data-experts het begrijpbaar maken? En hoe kunnen we dat goed managen? Zo laatst ook op een seminar, toen dacht ik, er is zoveel nu op het gebied van data en wat we allemaal kunnen doen en het klinkt allemaal heel logisch, maar hoe leg je dat eruit aan de business? Dat proces moet niet moeilijker worden dan… Of de core proces, want dan ga je het niet bereiken. En aan dataprofessionals kan je dat allemaal uitleggen waarom het nodig is. Maar hoe leg je dat aan de business uit? Om ook daadwerkelijk dat, we zeggen, het mandaat of het geld krijgen, het budget, om daarmee aan de slag te gaan. Ja, het is wel een hele belangrijke. Dat we als dataspecialisten ook wel meer mogen denken om de business en hoe we hun taal kunnen spreken. Want zij zijn ook heel erg druk met alle belangrijke dingen, namelijk de business. Ja, even terug naar aarde. En dan wel vandaar denken, hoe komen we naar de maan toe? We komen af en toe even terug naar aarde. Om te levelen met de business wat nodig is. Maar ook om het overzicht te zien waar je naartoe wil. En dat is denk ik de tip die ik aan de dataprofessionals zou willen geven. Naar de toekomst toe. Ja, vind ik een hele mooie. Die resoneert ook bij mij wel. Ik werd de laatste tijd ook altijd veel bezig met. Hoe kan je jezelf nou verbeteren? Dus je eigen persoonlijke welzijn. En soms kan je dan heel erg opstijgen naar je hoofd. En dan nadenken waar je allemaal naartoe wil. Maar uiteindelijk moet je toch gewoon weer echt terug naar de dagelijkse praktijk. En die dingen ook echt naartoe gaan passen. Want je kan wel elke keer hier bezig zijn met waar je naartoe wil. Maar uiteindelijk ja, als je echt een stap wil maken. Moet je toch weer terug naar hier in de aarde. Om dat uiteindelijk toch wel met de aardse processen gewoon dan te gaan doen. Ja, daar gebeurt het. Uiteindelijk is dat waar je de waarde wil creëren. En je moet ook niet alleen daarin blijven hangen. Want dan ben je naar één punt aan het staren. Dus je moet ook soms wel even uitgaan om naar het totaal te komen. En die wisselwerking, als je dat steeds… Daar blijf je denk ik ook van leren. Dus in die aanpassingen. Dat maakt het denk ik ook leuk. Twee verschillende werelden. Ja, aan de ene kant leuk en aan de andere kant soms denk ik wel, hadden we niet daar al willen staan. Maar dat is de, ik weet je dat zo’n proces, dat gaat een bepaalde kant op en daar moet je op bijsturen. Ik haal toch ook wel uit alle gesprekken die ik hier tot nu toe heb gevoerd. Wel, de mensen, we hebben best wel grote ambities, alleen de mensen meekrijgen, dat heeft gewoon echt heel veel tijd nodig. Omdat mensen ook gewoon super druk zijn en heel veel, los van het werk, wat we proberen te bereiken, ook gewoon heel veel andere zorgen en uitdagingen hebben. Rondom de boodschappen doen en de kinderen naar school brengen en allerlei andere uitdagen die als man overkomen soms. Dus ja, en dan ook nog eens een keer je werk goed doen, daar heel bewust zijn van welk doel je dient. Ik begrijp wel dat het voor sommige mensen veel is. Dat hoop ik ook met dit soort gesprekken. Dus af en toe weer eventjes inzoomen, uitzoomen, even heel concreet, dan even weer een beetje hoog over. Dus dat is heel goed gelukt, denk ik. Nou, het is, wat ik ook zei, denk, meerdere teamsmeetings die ik met de dataspecialisten hebben. Het gaat over business adoptie, business adoptie. En daar zijn we niet perfect in, maar om dat elke keer weer te resoneren van hoe kunnen we de business of adoptie we kunnen allerlei dingen bedenken, maar waar staat de business doen en hoe kunnen we die kleine stapjes voorwaarts maken. Ja. Hartstikke bedankt. Graag gedaan. En wellicht tot de volgende keer. Ja.