Naarmate de insights-teams groeien en volwassener worden, wordt het steeds belangrijker om de stroom van inzichten en gegevens tussen onderzoekers te optimaliseren.
Naarmate het volume en het tempo van onderzoek toenemen, kunnen insights “silo’s” enorme hoofdpijn veroorzaken voor insights teams. Er is niets erger dan ontdekken dat een inzichtproject overbodig is met werk dat al gedaan is. Of dat een onderzoeker uren had kunnen besparen op een huidig project als hij maar had geweten van een onderzoek dat zijn collega zes maanden eerder had gedaan.
Het doorbreken van onderzoekssilo’s en het optimaliseren van de informatiestroom tussen onderzoekers en teams is essentieel voor goed presterende insights-teams.
Hoe onderzoekssilo’s doorbreken
Het optimaliseren van de informatiestroom tussen inzichten teams en onderzoekers vereist de optimalisatie van twee gerelateerde dynamieken:
- Management (om een cultuur van informatiedeling te bevorderen en mogelijk te maken)
- Technologisch (om onderzoeksgegevens in teams op te slaan, te organiseren en te synthetiseren)
De management Het probleem is altijd groen en wordt al tientallen jaren bestudeerd en aangepakt door managementwetenschappers. Het komt erop neer dat het noodzakelijk is om een cultuur van transparantie op te bouwen waarin onderzoekers de middelen hebben die ze nodig hebben om informatie te communiceren (en te interpreteren).
Het optimaliseren van de technologische dynamiek blijft een belangrijke uitdaging voor veel inzichten teams. In het bijzonder blijven de adoptiecijfers voor inzichtenarchieven achter bij die voor andere research-tech (of ResTech) oplossingen. Bovendien heeft de technologische innovatie in insightspecifieke opslagplaatsen geen gelijke tred gehouden met de innovatie in oplossingen voor gegevensopslag voor verschillende gebruikssituaties (bijvoorbeeld CRM’s voor verkoopteams of platforms voor human capital management voor HR-afdelingen).
Maar welke van de twee veroorzaakt de andere? Blijft de technologie voor inzichtenopslag achter omdat de adoptiegraad laag is? Of blijft de adoptie van een insights-repository achter omdat de insights-technologie geen waarde toevoegt?
Iedereen die in de inzichtenindustrie werkt, weet: slechte technologie is de oorzaak van dit probleem.
De meeste pogingen om het probleem van functionele, waarde toevoegende insights-opslagplaatsen op te lossen, moeten nog steeds rekening houden met de nuances die inherent zijn aan insights-werk. Verder heeft het hoge innovatietempo in de insights-ruimte het moeilijk gemaakt voor insights repository-platforms om gelijke tred te houden – platformrigiditeit, staticiteit en (ironisch genoeg) slechte UI/UX stellen insights managers voor frustrerende uitdagingen bij het overtuigen van hun team (vooral on-the-ground onderzoekers) van de waarde van het investeren van hun tijd en energie in het updaten en onderhouden van hun insights repository.
LEER OVER: UX onderzoeksarchief
Als een bewaarplaats voor inzichten meer werk oplevert voor onderzoekers op het net, dan maken ze het voordeel van het gebruik ervan ongedaan.
De juiste tool voor het verzamelen van inzichten
Effectieve opslagplaatsen van inzichten moeten zich verankeren rond drie belangrijke elementen, zoals gedefinieerd door Kristi Zuhlke:
- Inzichten, thema’s en verhalen worden getagd, geïndexeerd en samengebracht in teams en projecten. Observaties en informatieklompjes die tribale kennis uit silo’s tentoonstellen zodat iedereen ze kan doorzoeken en bekijken.
- Ruwe onderzoeksgegevens en bewijzen, zodat teams primaire gegevens kunnen bekijken en opnieuw kunnen gebruiken met nieuwere inzichten.
- Verder zou de backend-technologie van de insights-opslagplaatsen automatisch grafieken van bevindingen moeten maken voor insights-onderzoekers. Ze moeten niet ontworpen zijn om te vertrouwen op het handwerk van onderzoekers om relevante inzichten te koppelen om nieuwe bevindingen te ontdekken over projecten heen.
Een insights repository is met andere woorden niet zomaar een wiki of “kennisbank”. Hoewel alle tekstaantekeningen doorzoekbaar moeten zijn, zou een goede insights repository niet moeten vereisen dat gebruikers grote hoeveelheden verhalende bevindingen plaatsen en publiceren, zodat het platform gemeenschappelijke thema’s en ideeën over projecten heen kan koppelen, waardoor het een kennisbeheersysteem wordt.
Daarom is het koppelen van ruwe onderzoeksgegevens essentieel voor de voortdurende verbetering van een insights-opslagplaats om de wendbaarheid van een insights-team te vergroten. Voorspellende technologieën en kunstmatige intelligentie kunnen naar deze ruwe gegevens verwijzen om onderzoekers in de richting van geheel nieuwe bevindingen te sturen – naast (en ter verbetering van) de thema’s die onderzoekers zelf invoeren.
Een effectieve insights repository lost het probleem van de lage adoptie van repositories door insights teams op door tijd en energie van onderzoekers toe te voegen – in plaats van te stelen. En ze zullen inzichtssilo’s doorbreken door snelle en geautomatiseerde verbindingen tussen gerelateerde gegevenspunten in projecten en programma’s mogelijk te maken door gebruik te maken van zowel de input van onderzoekers als ruwe gegevensbestanden.
Het resultaat: Insights-teams die snel en onafhankelijk kunnen werken, maar met een vollediger perspectief op het soort insights-werk dat wordt gedaan voor alle onderzoeksinitiatieven binnen hun organisatie. Dit staat gelijk aan inzichten van hogere kwaliteit, minimale redundantie en verbeterde onderzoeksflexibiliteit.
We hebben onlangs een blog gepubliceerd over datasilo’s. Waarom neem je geen kijkje voor wat inspirerende inzichten?
Conclusie
Steeds meer silo insights-teams zijn een ongelukkig neveneffect van een groeiende en volwassen wordende insights-afdeling die haar verschillende teams een grotere operationele onafhankelijkheid biedt. Maar insightsilo’s zijn niet onvermijdelijk. Organisaties kunnen barrières slechten en waardetoevoegende communicatie tussen deze snel bewegende en onderling gerelateerde projecten vergemakkelijken door gebruik te maken van een insights repository zoals InsightsHub, die is gebouwd om rekening te houden met de eigenaardigheden die inherent zijn aan complexe insights workflows.
