Voor veel mensen staat hij op de kalender; de marathon van Rotterdam. Ik zie veel groepjes samen rennen en eenlingen die constant op hun horloge gluren tijdens hun rondje door de stad. De meesten zullen starten met het rennen van rondjes van 2 tot 5km. De volgende stap is richting de 10km, en vervolgens komt de halve marathon al snel in beeld. Stapsgewijs werk je zo toe naar je ultieme einddoel. Als sporter weet je ook dat het (helaas..) vrijwel onmogelijk is om hierin stappen over te slaan. Grote kans dat je lichaam protesteert als jij ongetraind start met het lopen van 30km, simpelweg omdat je lichaam niet de tijd krijgt om zich aan te passen aan deze fysieke inspanning. Daarnaast heb je voor deze afstand misschien ook nog wel andere schoenen nodig?
Gaat Luxs mij tegenwoordig ook advies geven over hoe ik voor een marathon train? Nee, maar de vergelijking die we kunnen maken is verduidelijkend; wil je als vastgoedorganisatie direct starten met het voorspellen van je onderhoudsbehoefte (equivalent van direct een marathon rennen), dan kun je hier wel de juiste software (schoenen) voor aanschaffen bij Luxs, maar zul je erachter komen dat de organisatie, je medewerkers en de processen (het lichaam) hier helemaal niet op zijn ingericht.
We moeten een paar stappen terug dus
Net als een trainingsschema voor de marathon is het essentieel om een gedegen plan en visie te hebben voor het registreren van je vastgoeddata. Zo is het Data Maturity Model van Luxs in het leven geroepen. Het helpt ons, maar vooral ook onze potentiële en huidige klanten om een duidelijk inzicht te krijgen in; waar staan we op dit moment, waar willen we samen naartoe bewegen, en wat is ervoor nodig om dat doel te bereiken. Zo weet je hoe je toewerkt naar je einddoel zonder essentiële stappen over te slaan en voorkom je vervelende blessures.
Voordat we kijken wat het Data Maturity Model in de praktijk kan betekenen, volgt een beknopte beschrijving van de 5 fases/stappen die je als vastgoedorganisatie doorloopt. Als voorbeeld wordt ter verduidelijking telkens een ketel gebruikt;
De Starter
De organisatie beheerd vastgoeddata niet actief en de toegevoegde waarde van het juist beheren van vastgoeddata is onbekend. Alle data is gefragmenteerd opgeslagen in Excels, bestaande systemen en losse bestanden zoals pdf’s. Registratie is ad hoc en niet gestandaardiseerd. Er is daarnaast geen eigenaarschap of focus op data.
“Er is waarschijnlijk een ketel, maar grote kans dat er niets duidelijk over is vastgelegd.”
De Verkenner
Vastgoeddata wordt verzameld binnen de organisatie, maar dit is nog niet gestandaardiseerd. Vastgoedregistratie is project gedreven en vaak beperkt tot (pdf) plattegronden. De organisatie begint zich wel bewust te worden van de toegevoegde waarde van data, maar kan dit nog niet volledig benutten. Mede omdat eigenaarschap nog niet duidelijk is ingericht. Er zijn namelijk nog geen duidelijke processen voor het verwerken of beheren van de vastgoeddata.
“Er staat een ketel op de (pdf) verhuurplattegrond, maar meer weet ik niet.”
De Bouwer
Vastgoeddata wordt gestructureerd opgeslagen in één bronsysteem. Er zijn processen en governance ingericht om data up-to-date te houden. Data ondersteunt vooral operationele processen en er is inmiddels eigenaarschap toegewezen. Medewerkers binnen de organisatie krijgen verantwoordelijkheden om de data te beheren.
“Deze VHE heeft een ketel (merk X, type Y, plaatsingsdatum Z).”
De Verbinder
Data is geïntegreerd in zowel operationele als tactische processen en wordt volledig geautomatiseerd aangeleverd in het bronsysteem door de partners en leveranciers van de organisatie door middel van koppelingen en integraties. Nieuwe rollen focussen zich op de analyse van die data en data-vernieuwing is onderdeel geworden van de reguliere processen. De organisatie stuurt op KPI’s en vertrouwt op data in hun besluitvorming.
“Mijn onderhoudspartner is verantwoordelijk voor de data van de ketel en ik meet enkel nog de prestatie.”
De Voorspeller
Data wordt binnen de organisatie gezien als een strategische asset. Het gebruik van data richt zich op toekomstige acties en voorspellingen op basis van specifieke context (predictive maintenance). Centraal ingerichte teams of afdelingen sturen op basis van data en vertrouwen blind op de informatie waarin deze data voorziet.
“Onderhoud van de ketel wordt voorspeld op basis van de specifieke context. Een ketel in een huis met een gezin van 5 benodigd een onderhoudsinterval van X“
Data Maturity Model in de praktijk
We kijken als Luxs zijnde graag samen aan de hand van het model in welke fase je je op dit moment bevindt. Uiteraard kan dit per data-thema verschillen. Met deze informatie kunnen we vervolgens een vastgoeddata verbeterplan opstellen. Het zorgt voor een gedeelde structuur en visie tussen ons en de klant. Zoals gezegd gaat dit verder dan de keuze maken tussen Luxs Essentials of Luxs Pro. We denken mee met de organisatie als het gaat om eigenaarschap, eventuele nieuw op te stellen rollen binnen teams, het inrichten van efficiënte(re) processen, het borgen van de datakwaliteit zodat je ook daadwerkelijk kunt vertrouwen op je data voor strategische, tactische of operationele besluitvoering en het koppelen met de juiste partners en leveranciers voor zo veel mogelijk automatische data aggregatie.
Jij bepaalt hierin het einddoel. Niet elke organisatie wil naar predictive maintenance toewerken, maar of je nu een kwart, halve of hele marathon wil gaan lopen; zorg voor een duidelijk plan, begin klein, train consequent en investeer pas in de juiste uitrusting als je weet dat je hem ook daadwerkelijk gaat lopen!
Geschreven door Patrick
Patrick Oosterheert is Account Executive bij Luxs en praat je graag bij over hoe jouw vastgoedorganisatie meer uit data kan halen.
Nieuwsgierig? Plan gerust een vrijblijvend gesprek in!