Over Jan

Opleiding: Burgerlijk ingenieur elektrotechniek

Professionele activiteit: Bedrijven helpen om hun producten en processen te verbeteren via data-analyse, procesmanagement, verbetermethodieken en verbetertechnieken.

Wat zijn de sleutelmomenten uit je carrière?

"Op mijn 35ste kwam ik via een headhunter terecht in de wereld van de consulting. Ineens ging er een hele nieuwe wereld voor me open. Ik had acht jaar lang een productieafdeling in een chemiebedrijf geleid en dacht dat ik iets van kwaliteitsmanagement kende, maar mijn eerste dagen bij dat consulting bedrijf hebben me met beide voeten op de grond gezet. De inzichten en technieken die ze me daar leerden, hebben de basis voor mijn verdere loopbaan gelegd. Toen pas begreep ik welke meerwaarde een consultant voor een bedrijf of individu kan hebben. Omdat je als consultant veel kennis opdoet en in tal van organisaties over de vloer komt, kun je klanten heel snel in de juiste richting sturen. Een ander sleutelmoment was mijn job bij Janssen Pharmaceutica. Ik kreeg er de kans om Six Sigma en Lean in te voeren, verbeterprojecten te begeleiden en tegelijk ook zelf mijn Master Black Belt-certificatie te halen. Sindsdien ben ik gebeten door alles wat met data, statistiek, Lean en procesverbetering te maken heeft. Zelfs op vakantie lees ik er boeken over. (lacht)"

En wanneer is Amelior dan in beeld gekomen?

"Dat ik op een dag opnieuw consultant zou worden, stond vast. Als consultant kun je je kennis voortdurend uitbreiden, heb je veel variatie én kun je veel toegevoegde waarde leveren. De perfecte combinatie voor mij. Maar voor ik de stap terug wou zetten, wou ik maturiteit winnen en ervaring opdoen in andere bedrijven en sectoren. Uiteindelijk heb ik in 2007 voor Amelior gekozen. De combinatie adviesverlening, opleiding en interim management trok mij aan. Praktijk en theorie continu aan elkaar koppelen is voor mij essentieel."

Waarom vind je Data Science en Lean Six Sigma zo waardevol?

"Bij problemen zijn er in organisaties altijd verschillende meningen over waar de oorzaken en de oplossingen nu precies zitten. Via Data Science en Lean Six Sigma kun je problemen objectiveren. Ze reiken methodes aan om de feiten naar boven te halen, laten zien welke de beste oplossing is en aan welke knoppen je moet draaien om verandering te realiseren. Soms gaat dat zelfs lijnrecht tegen de verwachtingen in. Organisaties zijn vaak verrast over de inzichten en oplossingen die uit hun aanwezige data te halen valt. Als die dan ook nog effectief tot verbetering leiden, zijn ze helemaal verkocht. Recent bijvoorbeeld heb ik voor een chemiebedrijf een wiskundig model opgesteld, op basis van hun jarenlang verzamelde gegevens over processen, kwaliteitscontrole en grondstoffen. Alhoewel ik nauwelijks vertrouwd was met hun processen en producten, kon ik exact vertellen welke parameters er in hun fabriek doorslaggevend zijn. Wat hen op hun beurt heeft geholpen om verbeteringen aan te brengen."

Werken die statistische methodes ook in een niet-productieomgeving?

"Zeker. Zo heb ik voor een callcenter onderzocht welke factoren bepalend zijn voor het succes van een outbound call. Heeft het met het script te maken? Moet je mannen anders benaderen dan vrouwen? Met de resultaten hebben we de manier van werken kunnen bijsturen en zijn de resultaten van het callcenter verdubbeld. Maar let op, niet bij alle organisaties zal je die statistische methodes gebruiken. In een administratieve omgeving ga je bijvoorbeeld meer hebben aan een analyse van de processen en de toegevoegde waarde van de activiteiten. Het is aan de consultant om naargelang de organisatie en de vraag uit te maken welke de beste aanpak en de aangewezen tools zijn. De methodes zijn eigenlijk onuitputtelijk."

Je staat bekend als de man van de cijfers. Is die liefde er altijd geweest?

"Toen ik studeerde, was ik absoluut geen fan van statistiek. Integendeel, ik zag er het nut niet van in. Had je me toen verteld dat mijn carrière daarrond zou draaien, zou ik je gek verklaard hebben. Pas toen ik in mijn professionele loopbaan geconfronteerd werd met de praktische toepassing ervan, ben ik mij meer en meer in statistische technieken gaan verdiepen. Ik stond ervan versteld welke voorspellingen we aan de hand van die wiskundige modellen konden maken."

Wint Data Science aan populariteit bij de bedrijven? Hoe schat jij de toekomst in?

"Sommige, vooral grote, bedrijven beseffen dat ze efficiënter kunnen werken door naar hun processen en cijfers te kijken. Ze hebben soms al een Data Scientist in huis gehaald. KMO's daarentegen hebben vaak niet door welke schat aan informatie ze bezitten. Velen denken dat het veel tijd en moeite kost om de data te analyseren of dat het hen niets zal opleveren, maar dat klopt niet. Het is jammer dat veel van die "Big Data" ongebruikt blijft om (voorspellende) modellen te maken, inzichten te verwerven en kennis te verdiepen. En ook als er weinig of geen data beschikbaar is in de organisatie, kun je via een beperkt aantal experimenten zeer goede modellen opstellen en daarmee snel aan de slag gaan. Bovendien duiken er nog altijd nieuwe, gevorderde technieken op, waardoor er steeds minder data nodig is om verbanden te leggen en nieuwe inzichten te verwerven. Hoewel statistiek al sinds 1930 intensief gebruikt wordt, vinden onderzoekers vandaag nog altijd betere en snellere algoritmes. Ik blijf mezelf ook bijscholen en volg de laatste ontwikkelingen op de voet op. Dat is natuurlijk essentieel voor een consultant. Ik denk trouwens dat de rol van de consultant in dit domein alsmaar belangrijker zal worden. De kennis is zodanig gespecialiseerd dat het moeilijk is voor organisaties om daar zelf op te blijven inzetten."