De meeste organisaties zijn inmiddels wel “datagedreven”. Of in ieder geval: ze hebben dashboards.
En toch zie je hetzelfde patroon terugkomen. Managementteams die naar Power BI kijken, cijfers bespreken, conclusies trekken… en vervolgens alsnog afhankelijk zijn van mensen om er iets mee te doen. Een analist die een verdieping maakt. Een controller die een rapport uitschrijft. Een beleidsmedewerker die er acties aan hangt.
De grap is: het echte werk begint pas ná het inzicht. Daar zit al jaren de bottleneck. Niet in het verzamelen van data, maar in het omzetten naar actie. Snowflake lijkt dat probleem nu frontaal aan te pakken met Project SnowWork.
De stille beperking van moderne dataplatforms
Organisaties als 6Gorilla’s bouwen al jaren solide dataplatforms. Data wordt centraal opgeslagen in Snowflake, netjes gemodelleerd, ontsloten en uiteindelijk zichtbaar gemaakt in dashboards. Dat werkt, en het is ook precies wat organisaties nodig hebben om überhaupt grip te krijgen.
Maar ergens houdt het daar op.
Een dashboard geeft antwoord op de vraag wat er gebeurt. Soms ook waarom. Maar bijna nooit wat je nu concreet moet doen. Dat stuk blijft hangen in interpretatie, overleg en handmatige opvolging.
En precies daar hapert het. Zeker in sectoren als de zorg of het sociaal domein, waar beslissingen tijdgevoelig zijn en de capaciteit beperkt is, wil je niet dat inzichten blijven liggen omdat er nog drie schakels tussen zitten.
SnowWork verschuift de rol van data
Wat SnowWork interessant maakt, is dat het niet probeert om dashboards slimmer te maken. Het probeert dashboards overbodig te maken als tussenstap.
In plaats van een gebruiker die door rapportages navigeert, draait het model om intentie. Je stelt een vraag of een doel. Niet in technische termen, maar in business-taal. Vervolgens gaat het platform aan het werk.
Niet alleen door data op te halen, maar door er ook iets mee te doen. Analyses uitvoeren, verbanden leggen, conclusies formuleren en zelfs voorstellen doen voor vervolgstappen.
Dat klinkt als een kleine nuance, maar het is een fundamenteel andere manier van werken.
Wat dit concreet betekent voor de praktijk
Neem een zorgorganisatie die stuurt op wachttijden.
Vandaag ziet een manager in een dashboard dat wachttijden oplopen. Vervolgens moet iemand uitzoeken waar dat door komt, welke locaties het raakt en wat mogelijke oplossingen zijn. Dat kost tijd, en vaak loopt de situatie in de tussentijd verder op.
In een SnowWork-achtige wereld verschuift dat.
De manager stelt de vraag: waar lopen we risico op overschrijding van wachttijden, en wat moeten we doen?
Het systeem analyseert de data, legt verbanden tussen instroom, capaciteit en historische patronen, en komt terug met een concreet beeld én suggesties. Niet perfect, maar wel direct bruikbaar.
Dat haalt onnodige stappen weg. En in sectoren waar elke dag telt, is dat geen overbodige luxe.
Dit maakt de rol van dataplatforms juist zwaarder
Er zit ook een ongemakkelijke kant aan deze ontwikkeling.
Want hoe slimmer de laag bovenop je data wordt, hoe minder ruimte er is voor rommel onderin.
Waar een fout in een dashboard nu nog opvalt (iemand ziet een afwijking en stelt daar vervolgens een vraag over) wordt dat straks een automatisch gegenereerd inzicht of zelfs een actievoorstel. Als de onderliggende definities niet kloppen, schaal je fouten razendsnel op.
Dat betekent dat de echte waarde verschuift. Niet naar visualisatie, maar naar:
- hoe goed je data gedefinieerd is
- hoe consistent je metrics zijn
- hoe scherp je processen zijn vastgelegd
Dat is precies het stuk waar organisaties vaak nog niet volwassen zijn.
En dat is ook waar partijen als 6Gorilla’s het verschil maken. Niet in het bouwen van nóg een dashboard, maar in het neerzetten van een fundament dat dit soort toepassingen überhaupt betrouwbaar maakt.
De komst van SnowWork verandert de vraag van “hebben we een dataplatform” naar “is ons dataplatform klaar om beslissingen te dragen?”
De echte vraag voor organisaties
De komst van SnowWork stelt organisaties eigenlijk een ongemakkelijke maar noodzakelijke vraag:
niet “hebben we een dataplatform?”, maar “is ons dataplatform klaar om beslissingen te dragen?”
Want zolang definities verschillen, data incompleet is, processen niet goed zijn vastgelegd of datakwaliteit laag is, blijft dit soort technologie beperkt tot mooie demo’s.
Als die basis wél staat, dan verandert er iets fundamenteels. Dan stopt data met uitleggen en begint het met doen.
En dat is een stuk interessanter dan het volgende dashboard.