Chief Data Officer (CDO) in de Publieke Sector

Als nieuwkomer op C-level niveau is de Chief Data Officer (CDO) daarmee direct één van de belangrijkste functionarissen in de organisatie. Niet in plaats van maar naast de CIO (Chief Information Officer), die meer gaat over de informatievoorziening en de IT-infrastructuur. Inmiddels zijn al meer dan 400 Chief Data Officers (CDO) actief in Nederland. De algehele verwachting is dat binnen een paar jaar 70% van alle – publieke – organisaties een Chief Data Officer (CDO) heeft aangesteld.
N.B. De term CDO wordt ook wel gebruikt voor Chief Digital Officer. De Chief Digital Officer heeft wel raakvlakken met de Chief Data Officer, maar bevindt zich meer op het kruispunt van strategie, marketing, technologie en innovatie.

Deze training is bedoeld voor alle professionals die (mede) verantwoordelijk zijn (of worden) voor de data (analyse) strategie van een publieke organisatie en de functie van Chief Data Officer (CDO) ambiëren danwel deze functie al vervullen. Wij denken dan o.a. aan de CDO/CIO/CAO, kwartiermakers, medewerkers CIO- en CDO-office, senior management, informatiemanagers, procesmanagers, project- en programmamanagers, data analisten, data coaches, data stewards, data custodians, business analisten, beleids- en strategie analisten, teamleiders en teamcoaches, opgave managers en tal van andere (data)professionals.

Het lesprogramma is gericht op het doorgronden van de belangrijkste aspecten van datagedreven werken en het leiding kunnen geven aan een datagedreven publieke organisatie. Elk programma onderdeel is voorzien van praktijkvoorbeelden en wordt afgesloten d.m.v. een spel, workshop of discussie.

Begripsvorming

Kennen en begrijpen van verschillende begrippen als Business Intelligence (BI), data management, data science, analytics, Artificial Intelligence (AI), Data Warehouse (DWH), functionaliteit, (big) data

• Kennen en begrijpen van de verschillende begrippen en hoe deze zich tot elkaar verhouden
• Relevante trends en ontwikkelingen
• Begrijpen hoe datagedrevenheid past in de bredere context van digitalisering en welke aspecten van de organisatie hierdoor worden geraakt
• Begrijpen van de voorwaarden voor: Data driven/fact based – datagedreven werken, Business analytics – beleidsanalyse en statistiek t.b.v. bijsturing en Business Intelligence (BI) – bedrijfsinformatie ten behoeve van besturing en de verschillen tussen deze disciplines
• DIKW-boom en de communicatieve feedback loop achter datagedrevenheid
• Een interactieve discussie kunnen organiseren over ‘wat is wat’
• Feedback, leren en groeien met machines

Data strategie

Strategie, ambitiebepaling, KPI, use cases, portfolio, business case, publieke waarde, routekaart

• Verschil en samenhang tussen de datastrategie, i-strategie, enz.
• Data als asset en toepassingsgebied
• Formuleren van de data strategie voor uw eigen organisatie
• Het verschil tussen veranderen, transitie en transformatie
• Opstellen van een routekaart
• Portfoliomanagement inzetten voor het use case gedreven realiseren van de strategie
• Opzetten van de business case voor data
• Publieke waarde concreet maken in data projecten
• De impact van data op de competenties van medewerkers
• De impact van data op de infrastructuur

Data governance en data organisatie

Organisatie inrichting, data governance, data lab, BICC, besturing, CDO/CIO/CAO, data steward, volwassenheidsmodel

• Taken, rollen en verantwoordelijkheden van de data organisatie
• Positionering van de data organisatie – business/IT en centraal/decentraal
• Organiseren van innovatie in uw organisatie
• Ontwikkelen van een CDO en/of CAO office – het belang en het verschil
• Verschil in aanpak bij routinematige intake en innovatie met data vraagstukken
• Bepalen van de eigen volwassenheid
• De verschillende rollen (waaronder data steward) en verantwoordelijkheden van data aangeven

Data management

Master data, data kwaliteit, metadata, data catalogus, DMBok, DWH, data lake, data hub, data platform, big data, (linked) open data, kernregister, enz.

• Wat zijn data functionaliteiten?
• De kracht van DAMA DMBoK
• Data architectuur plaatsen
• Data virtualisatie als techniek plaatsen
• Waarde en valkuilen van het Damhof model
• Het Amsterdam Informatiemanagement Model (AIM) kunnen toepassen in verbinding met de CIO-rol
• Kernregisters en master data management
• Ontplooien van data kwaliteit initiatieven
• Delen van technische data en weten wat een data hub is
• Onderscheiden van de typen data en hun nut en noodzaak
• Formuleren van parameters

Data analyse en data analytics

Analyse, actionable insights, visualisatie, dashboards, storytelling

• Wat houdt het vakgebied data analytics in?
• Het analytics proces toepassen op de publieke organisatie
• Datagedreven besluitvorming tot stand brengen met ‘actionable insights’
• Wat is een ‘actionable insight’?
• De basisbeginselen van visualisatie, verkennende data analyse en data storytelling
• Hoe onderscheidt een actionable insight zich van een dashboard?
• Hands-on aan de slag

Privacy, security en ethiek

AVG, BIO, ethiek, handelingskader, audit, draagvlak, transparantie, publieke waarden

• Waar moet u op letten als u met data aan de slag gaat vanuit de AVG gezien?
• Profiling – wat mag wel en wat niet?
• Hoe zet u informatiebeveiliging op?
• Hoe toetst u de ethische vragen bij uw data project?
• Hoe blijft u ethisch verantwoord bezig?
• Wat zijn eigenlijk ethische vraagstukken?
• De belangrijkste juridische kaders rond data: U weet op hoofdlijnen wat mag en u kunt de risico’s aangeven bij data toepassingen, U weet wat algoritmes zijn en hoe daar grip op gehouden kan worden, Uw eigen kritische blik op algoritmegebruik verder ontwikkelen, Een ‘ethische’ bril opzetten

Zicht op Artificlal Intelligence (AI) en algoritmes

Advanced analytics, CRISP-dm, voorspelmodellen, sturen op algoritmes, process, confusion matrix, risico classificatie, role-level, in beheer nemen van modellen

• Transparantie
• Ethiek
• Model performance
• Beheer
• Rollen binnen de verschillende taken van het analytics proces
• Op basis van een case leert u welke organisatorische uitdagingen er zijn rondom de toepassing van Artificial Intelligence (AI) en algoritmes

Datagedreven cultuur ? interventies en dynamiek

Cultuur en krachtenveld analyse, verandermanagement, cultuur, leiderschap

• Het belang van cultuur in onze harde, gestructureerde wereld
• Verandering is meer dan een plan of een programma
• Inzetten van een bredere set aan interventies om een datagedreven cultuur verder vorm te geven
• Doorzien van de drijfveren van mensen en uw managementstijl hierop aanpassen

Om succesvol deel te kunnen nemen aan deze training gaan wij ervan uit dat je enige jaren ervaring hebt in een datagerelateerde functie in een publieke organisatie.