Alle organisaties genereren data. Veel van die gegevens komen uit de facilitaire keten. De mate waarin bedrijven van deze data profiteren, loopt echter sterk uiteen. Welke kansen liggen er in het gebruik van deze data? En hoe benut je als facilitair bedrijf deze mogelijkheden ten volle?
Alle bedrijven genereren data, maar nog niet alle bedrijven doen daadwerkelijk iets met de beschikbare gegevens. Met deze data kan er een hoop veranderen in het contractmanagement zoals we dat nu kennen. In plaats van af te gaan op een vage schatting of een buikgevoel, kun je beslissingen nemen op basis van harde data; dáár liggen de kansen voor zowel opdrachtgevers als leveranciers en intermediairs.
Als we het hebben over het gebruik van data, zie ik vier fases waarin een facilitair bedrijf zich kan bevinden. Aan de ene kant van het spectrum plaats ik de organisaties die helemaal geen beschikking over digitale gegevens hebben. Bedrijven die beslissingen volledig baseren op data en een strakke datastructuur hebben neergezet, staan helemaal aan de andere kant van het spectrum. Hieronder beschrijf ik deze vier fases.
FASE 1 – GÉÉN (DIGITALE) DATA BESCHIKBAAR
In deze fase wordt eigenlijk helemaal geen bruikbare digitale data verzameld. Mogelijk is er wel hardcopy data, dus gegevens op papier, maar deze vorm van data is veel minder bruikbaar en effectief bij het gebruik.
In deze fase is er dus ook geen datastructuur neergezet. Voor de facility manager is het eerst zaak om antwoord te krijgen op de volgende vragen: wat voor data wil ik verzamelen, wat voor data kan ik verzamelen en op welke manier ga ik dat doen?
Neem het volgende voorbeeld: een voorwerker voert maandelijks een schoonmaakcontrole uit op de werkvloer. Dit doet de schoonmaakmedewerker met een formulier dat hij of zij stapsgewijs invult. Er is dus een hardcopy resultaat beschikbaar. Vervolgens scant de controleur dit papier en stuurt hij of zij het naar de opdrachtgever.
Door het scannen is er is in deze situatie dus van een hardcopy controle een digitale controle gemaakt. Met de data kan echter niets worden gedaan, omdat deze ongestructureerd is. Ongestructureerde data betekent in dit geval dat er geen goede vergelijking kan worden gemaakt met eerder gelopen metingen. Een opdrachtgever kan er bijvoorbeeld alleen handmatig achterkomen waar de problemen van de schoonmaak zich bevinden (bijvoorbeeld verkeersruimtes) en hoe zich dit tijdens eerdere metingen vertaalde.
Wil je de volgende stap zetten? Digitaliseer dan de volledige meting en werk zoveel mogelijk met gestructureerde data (geen open vragen, maar gesloten antwoorden). Vervolgens moeten je deze digitale, gestructureerde data kunnen exporteren, om er allerlei inzichten uit te halen. Deze gedetailleerde data kunnen in de toekomst nuttig zijn, omdat je de verschillende metingen met elkaar kunt vergelijken.
FASE 2 – DATA BESCHIKBAAR, STRUCTUUR ONTBREEKT
In de tweede fase zien we bedrijven die al bezig zijn met het genereren van data, maar zich hier soms helemaal niet van bewust zijn. In ieder geval ontbreekt alle structuur en laat men daardoor kansen liggen. De data kunnen door het bedrijf zelf worden gegenereerd, maar ook andere partijen kunnen dit doen.
Denk hierbij aan een school die de schoonmaak laat uitvoeren door een leverancier. De facilitaire dienst laat vier maal per jaar een externe controle uitvoeren om te zien of het schoonmaakcontract wordt gehandhaafd. Mogelijk levert de leverancier DKS-rapportages aan en voert een externe controleur een controle uit met een andere, gecertificeerde, meetmethode.
Er zijn dus verschillende soorten rapportages, maar feitelijk gaat het hier om technische schoonmaakkwaliteit. Daarbij wordt gekeken naar verschillende ruimtecategorieën (bijvoorbeeld sanitair, verkeersruimten etc.) en elementen binnen een categorie.
In dit voorbeeld worden de meeste rapportages per mail verstuurd en vervolgens tijdens een momentopname bekeken. Een echte vergelijking over een bepaalde periode is veel moeilijker om te maken. Waarschijnlijk gaan de rapportages in het archief. Een gemiste kans.
Als de school een volgende stap wil zetten, moet de facilitaire dienst eerst kijken op welke manier de data beschikbaar is. In de toekomst zullen de gegevens op zo’n manier moeten worden verzameld dat ze met elkaar kunnen worden vergeleken. Op die manier kan de school zien wat de resultaten waren in de afgelopen periode per ruimtecategorie en per element. Dat geeft veel meer inzicht dan alleen maar rapportcijfers met elkaar vergelijken.
FASE 3 – GESTRUCTUREERDE DATA OPSLAG & OVERZICHTEN
In de derde fase bevinden zich de bedrijven die al een langere periode bewust bezig zijn met data. Deze data wordt gegenereerd (intern of extern), verzameld en overzichtelijk gemaakt, waarbij de trendlijnen van de eigen organisatie te volgen zijn. De KPI’s die worden afgesproken tussen leverancier en opdrachtgever worden op een eenvoudige wijze gemonitord.
Een voorbeeld: een bedrijf met vestigingen over het gehele land waarbij er verschillende clusters zijn met verschillende leveranciers. Deze onderneming maakt gebruik van online contractmanagement software waarbij calculaties en werkprogramma’s worden opgeslagen en kunnen worden beheerd (door middel van mutaties), facturen worden gecontroleerd en offertes worden beoordeeld.
Uit deze online contractmanagement software komt veel data. Wanneer deze data in een dashboard terechtkomt, wordt het eenvoudig om de data te volgen en te beoordelen.
Zo krijgt de facilitair manager antwoord op vragen als: hoe staan de financiële ontwikkelingen tegenover de geleverde (en afgesproken) kwaliteit? Moeten er op basis van het antwoord nieuwe acties worden ondernomen, en op welke vlakken?
Om verder te gaan in data-driven facility management zul je moeten gaan vergelijken, met andere woorden benchmarking. Hoe presteer je in relatie tot andere (vergelijkbare) organisaties in de markt? We zijn dan aanbeland in de vierde fase.
FASE 4 – DATA BENCHMARK
In deze fase neemt de organisatie intern al data-driven beslissingen. De structuur van de data is goed, het verzamelen gebeurt op een (semi)automatische manier en er worden goede overzichten weergegeven, zodat KPI’s en trendlijnen op een prettige manier kunnen worden gevolgd (en gedeeld) binnen de organisatie.
Binnen deze fase zal deze data worden gebenchmarkt. Bij benchmarken worden de prestaties van anonieme (vergelijkbare) organisaties met elkaar vergeleken. Op deze manier kunnen bedrijven van elkaar leren en nog meer data-driven beslissingen nemen.
Zo kan blijken dat een school met een bepaalde oppervlakte veel meer aan vloeronderhoud uitgeeft dan andere scholen, terwijl controles op het vloeronderhoud weinig afwijkingen vertonen. Door dieper in de data te duiken kan bijvoorbeeld duidelijk worden dat de school veel vaker een vloer laat sprayen in plaats van deze direct te conserveren. Een andere mogelijkheid is dat de andere scholen andere soorten vloersoorten hebben, wat uiteindelijk scheelt in de kosten. Kortom, een benchmark levert waardevolle informatie op die uiteindelijk veel kosten kan besparen.
BETER SAMENWERKEN DOOR DATA
Hoewel bijna alle organisaties steeds meer data genereren, profiteren ze hier nog niet allemaal van. Door deze gegevens gestructureerd te verzamelen en benchmarken, ontstaan nieuwe inzichten. Die kunnen ervoor zorgen dat opdrachtgevers, leveranciers en intermediairs binnen facility management nog beter met elkaar gaan samenwerken. In de praktijk zal dat leiden tot een uitstekende kwaliteit/prijsverhouding, waarbij alle partijen tevreden zijn.