Een blik vanuit de praktijk: een interview met Marco Hoppenbrouwer, CDO bij Stedin
De functie van de Chief Data Officer is jarenlang gericht geweest op datakwaliteit, governance en infrastructuur. Nu AI van de experimentele naar de productiefase gaat, komen daar processen, beleid en bedrijfstransformatie bij. Voor veel organisaties roept dat een ongemakkelijke vraag op: waar hoort de rol eigenlijk thuis? En wie is er verantwoordelijk op het moment dat een systeem niet langer adviseert maar zelfstandig handelt binnen een bedrijfsproces?
Marco Hoppenbrouwer, huidig CDO bij netbeheerder Stedin, bouwde bij Shell een dataorganisatie op en transformeerde vervolgens het Data Office van Stedin tot een geïntegreerde organisatie voor data, processen en AI, waarbij de omvang van de organisatie verdrievoudigde. Die ervaring gaf hem een uniek perspectief op hoe de rol van dataorganisaties de afgelopen jaren is veranderd. We vroegen hem hoe die verschuiving eruitziet en wat organisaties vandaag al kunnen doen om zich daarop voor te bereiden.
“De rol van de CDO is een evolutie. Het begint als een data-backoffice of een gedeelde dienst voor data. De volgende stap is het toevoegen van analytics en AI, want deze twee zijn onlosmakelijk met elkaar verbonden. Maar de proceslaag is de cruciale derde stap, want zonder die laag weet je niet wat je eigenlijk probeert te optimaliseren.”
De CDO-rol in evolutie
Hoppenbrouwer beschrijft de CDO-rol niet als een vaste functie, maar als een rol die zich stapsgewijs ontwikkelt. Die overtuiging ontstond door een concrete blokkade bij Shell. Daar was hij eerst de eerste wereldwijde webmaster en architect van het bedrijf, later CIO voor o.a. fusies, overnames en investeringen, en leidde hij ten slotte tot twee-maal de innovatie-afdeling. “Ik had grote digitale businesscases geïmplementeerd op één asset. Toen ik ze wilde herhalen op een andere asset met dezelfde fysieke apparatuur, werkte het niet. De datastandaarden en definities verschilden overal.”
Die kloof vormde voor hem het bewijs dat er een aparte datafunctie nodig was, en dat die rol verder moest gaan dan het beheren van gegevens. “De rol van de CDO is een evolutie. Het begint als een data-backoffice of een gedeelde dienst voor data. De volgende stap is het toevoegen van analytics en AI, want deze twee zijn onlosmakelijk met elkaar verbonden. Maar de proceslaag is de cruciale derde stap, want zonder die laag weet je niet wat je eigenlijk probeert te optimaliseren.” Niet elke organisatie zal de stappen in precies deze volgorde zetten, maar waar het Hoppenbrouwer om gaat is het eindpunt: zonder de proceslaag mist de functie sturing.”
Hoppenbrouwer koppelt procesvolwassenheid rechtstreeks aan datakwaliteit. Organisaties met een sterke procesgovernance hebben doorgaans ook een sterke datagovernance en omgekeerd. De meeste datakwaliteitsproblemen ontstaan in het proces zelf, doordat de validatie in het systeem tekortschiet of doordat hetzelfde werk op tien verschillende manieren wordt uitgevoerd zonder herhaalbaar resultaat. Daarom brengt hij data-, proces-, AI- en applicatiegovernance onder in één structuur in plaats van ze als vier afzonderlijke mandaten te behandelen.
Toen hij in maart vorig jaar bij Stedin begon als Manager Data Office, lag er een datastrategie van 107 pagina’s en was er een team van 30 mensen. Inmiddels is dat een geïntegreerde organisatie van bijna 90 mensen. Recent kwam daar de verantwoordelijkheid voor de uitvoering van de AI-strategie van Stedin bij, waarmee data, processen en AI bij hem ook formeel in één mandaat samenkomen.
Waar AI bij Stedin al aan het werk is
Hoppenbrouwer verankert de strategie in toepassingen die draaien in plaats van in pilots op een roadmap. “We gebruiken modellen om te voorspellen waar netcongestie optreedt en soms om te besluiten een windpark te beperken omdat het net de stroom simpelweg niet aankan. We gebruiken ook modellen om te bepalen hoe netverzwaring aan te pakken, waarbij we kabelcapaciteitsdata combineren met de lokale situatie zoals sloten of rivieren. Daarbij tellen ook ruimtelijke beperkingen mee, zoals het niet plaatsen van een transformatorstation naast een schoolplein. Een mens controleert altijd de uiteindelijke aanbeveling.”
Die menselijke controle op de uiteindelijke aanbeveling is op dit moment goed te organiseren, omdat de systemen alleen adviseren. Naarmate systemen zelfstandig stappen zetten binnen een proces, verschuift de controle naar dat proces en daarmee naar de vraag wie daarvan de eigenaar is. Daarmee is de proceslaag geen organisatorische keuze meer, maar een voorwaarde om AI in productie te kunnen besturen
Twee andere toepassingen richten zich op een capaciteitsprobleem en niet op een kostenprobleem. Voor het klantcontactcentrum, dat overspoeld wordt met telefoontjes over netbeperkingen en nieuwe prioriteringsregels in de energiewetgeving, wordt een generatieve AI-assistent getest. Intern worden ontwerpstandaarden en handleidingen omgezet in een vraag-en-antwoordtool voor aannemers die in het veld werken.
Van datastrategie naar daadkracht
Zijn eerste stap bij Stedin was het toetsen van de door de organisatie gestelde prioriteiten. Toen hem werd verteld dat alles even belangrijk was, geloofde hij dat niet en ging hij op zoek naar het ene initiatief waarvan het succes van de raad van bestuur zelf afhing. Dat bleek het oplossen van netcongestie knelpunten te zijn dat op dit moment de snelheid van de Nederlandse energietransitie bedreigt. Hij ging zitten met de verantwoordelijke programmamanager en bood aan om de oplossing samen te bouwen in plaats van die voor te schrijven.
Samen ontwikkelden zij een aanpak die hij ‘van data naar daadkracht’ noemt, met een voor Stedin nieuwe competentie: dataproductsmanagement, direct gekoppeld aan een concreet bedrijfsresultaat. “Data is niet sexy, maar je wilt wel relevant zijn. Op het moment dat je risico en verantwoordelijkheid voor het bedrijfsresultaat op je neemt, vind je doorgaans snel een sponsor.”
Een businessleider met een data- en AI-portefeuille
Op de vraag wat de rol onderscheidt, trekt Hoppenbrouwer een scherpe lijn tussen een CDO en een technologische leider die toevallig ook data beheert. “Een CDO is een businessleider met een data- en AI-portefeuille of een technische portefeuille. Veel CDO’s komen uit de IT, maar je moet commercieel en bedrijfsmatig denken. Je bent voortdurend aan het vertalen: hoe maken data, AI en processen de organisatie beter en wat moet ik van mijn mensen vragen om dat mogelijk te maken?”
Bij Shell, waar hij zes jaar meebouwde aan de CDO-afdeling, gaf hij daar invulling aan door niet met een data-audit te beginnen, maar door langs elke business vice president te gaan met een vraag naar hun prioriteit om vervolgens terug te redeneren naar de data-afhankelijkheid daarbinnen. Eén voorbeeld werd intern een referentiepunt. Toen een facilitaire afdeling stelde dat data irrelevant was voor een grote outsourcings deal, wees hij erop dat het contract ooit zou aflopen en vroeg hij welke data Shell op dat moment zou terugkrijgen. In de uiteindelijke contractvoorwaarden werden het eigendom van, en de toegang tot, de tijdens het contract gegenereerde data vastgelegd, een clausule die de leverancier nog nooit eerder van een klant had gezien.
Download ons rapport over de rol van de CDO in het AI-tijdperk
Download het rapport en ontdek hoe data- en AI-leiders in Nederland de rol van CDO opnieuw vormgeven.
Groot denken, klein beginnen: capaciteit dicht bij de business
Hoppenbrouwer wil dat het grootste deel van de capaciteit uiteindelijk dicht bij de business komt te liggen, in gedecentraliseerde hubs in plaats van in een centraal team. Zijn voorzichtigheid betreft de volgorde en niet de intentie. “Groot denken, klein beginnen. Je wilt zoveel mogelijk decentraliseren, maar de voorwaarde is dat de organisatie dat ook verantwoord kan uitvoeren. Zonder strategische sturing op gedecentraliseerd werk heb je helemaal geen vangrails.”
In het model dat hij opbouwt blijven strategie, standaarden en diepgaande expertise gecentraliseerd, terwijl uitvoeringsteams worden ingebed in businessfuncties, zoals assetmanagement. De overgang verloopt in drie fasen: laten zien, samen doen en daarna de businessunit het zelfstandig laten uitvoeren. Een data scientist die voor een business unit wordt aangenomen, wordt bijvoorbeeld eerst opgeleid binnen de centrale data-organisatie en pas geplaatst zodra die persoon volledig bekwaam is. Zo komt er weer centrale capaciteit vrij, waarmee het centrum steeds opnieuw kennis opbouwt en overdraagt.
De prijs van opschalen
De groei van 30 naar 90 mensen dwong tot specialisatie binnen een team dat voorheen van alles een beetje deed. Hoppenbrouwer is openhartig over wat die overgang heeft gekost. “Mensen vinden specialisatie moeilijk. Vroeger deden ze een beetje van alles. Nu bezitten ze een klein stukje en verliezen ze het zicht op wat de rest van het team doet. Cohesie wordt moeilijker vast te houden.”
Tijdens de opschaling verloor het team volgens hem ook een deel van zijn oorspronkelijke kracht in het onderlinge contact, iets dat inmiddels weer wordt opgebouwd.
“Terugkijkend hadden we iets meer tijd moeten besteden aan onze eigen transitie in plaats van alleen de transitie van de organisatie te managen. Dat is mijn grootste leermoment. We pakken het nu aan, met dedicated capaciteit, maar vergeet jezelf niet.”
