Data – din forbindelse til forretningen

Artikel af Jan E. Olsen, Head of DEM solutions Sentia og Oliver D. Hein, System Engineer AppDynamics

I dag genererer virksomheder enorme mængder af data fra forskellige kilder som intern data (fx kundedata, transaktioner, systemer og produktinformationer) og eksternt (såsom tredjeparts, online brugeradfærd, markeds- og branchedata). At opsamle og tilgå disse datamængder giver grundlag for en guldmine af viden og kan forretningsmæssigt rykke nålen. Men på særligt 3 områder, er der udfordringer forbundet med at omsætte disse data til meningsfuld forretningsværdi:

• Datahåndtering: Store datamængder kræver, at du har de rigtige redskaber, processer og kompetencer til at indsamle, organisere og analysere data effektivt.
• Fragmenterede teknologier: Mange virksomheder har en række forskellige teknologier, platforme og systemer, som ikke er integrerede. Dette skaber kompleksitet og forhindrer en helhedsorienteret tilgang til data.
• Manglende greb om digitale brugeroplevelser: At levere en sammenhængende digital kunde- og medarbejderoplevelse kræver synlighed for performance og mange virksomheder ”flyver i blinde”.

Datahåndtering og den datadrevne organisation

I flere år, har ledestjernen for mange virksomheder været en ambition om at blive datadrevne og dermed også en vej til at øge og udnytte et større forretningspotentiale. Udfordringen er dog for nogle virksomheder massive, i forhold til at indsamle, håndtere, udvinde og ikke mindst fortolke de ofte enorme mængder af data forretningen kan producere. 

At være datadrevet handler også om at være toppen af sit 'data estate' dvs. kontinuerligt at være i stand til at høste indsigt fra big data gennem intelligente processer for indsamling, forædling, analyse og visualisering. Dertil er informationerne ofte tidsfølsomme, da den største værdi typisk er kortvarig og de derfor kræver hurtig handling.

Under overfladen på disciplinen skjuler der sig i midlertidigt flere udfordringer forbundet med din data infrastruktur - det er fx lige så vigtigt, at vide hvordan man sikkert kan få adgang til- flytte og lagre data i storskala. 

Organisationer har viden, der kan være med til at berige traditionel ledelsesrapportering fra produktionen, lagerstyringen, økonomisystemer med data fra sensorer, applikationsmålinger, procesmålinger og andre performancemålinger. Dette åbner for en helt ny verden af forretningsmuligheder, hvor indsigt baseret på data fra overvågningen, er med til at fortælle ledelsen om forretningen som helhed performer.

Og når organisationer begynder at interessere sig for de mængder af data, de har mulighed for at indsamle, sætter det dem i stand til at forudsige nedbrud, og sikre en mere stabil drift og optimere forretningen. Jo mere viden og værdi de får gennem den data de indsamler, jo mere bliver data et produkt i sig selv.

Linket til forretnings-KPI’er

At blive datadrevet handler ikke kun om at indsamle, lagre og analysere data – det handler om to ting; ”at ville” og ”at kunne”. Hvis forretningen skal være datadrevet, kræver det først og fremmest, at ledelsen tager et strategisk valg om, at information og data skal gennemsyre alt det, forretningen tænker og gør. Dvs. alle beslutninger tages på baggrund af målinger og evidens fra forretningen. Det kan kræve store ændringer i forretningens mindset og kultur. Hvor man som leder måske plejer at stole på en mavefornemmelse, skal man turde sætte sin lid til data til trods for at mavefornemmelsen siger noget andet – data er fakta, vi kan stole på. Og dette kan for nogen være en større ændring, end man lige skulle tro.

Det handler om, at data tænkes ind i hele forretningsstrategien og produktudviklingen, således at det ikke bare er noget, man ”bygger oven på” for at måle på forretningen, men at det bliver en integreret del af den måde hele forretningen udvikles på. Dvs. når vi udvikler forretningen skal det indtænkes hvordan vi kvantificerer og måler den værdi, udviklingen bibringer forretningen i forhold til både vores strategi og målsætninger.

De tekniske KPI’er skal afspejle vores strategi og vores forretningsmål. ”At kunne” handler derfor i nogen grad om teknologi, men i lige så høj grad om den måde man organiserer sig omkring arbejdet med data og dataopsamling, samt opbygger nye kompetencer. Det vigtigste er at de valgte KPI’er, der er repræsentanter for vores forretning, skal give mening for alle interesserenter i organisationen.

Se on-demand webinaret: "Fra data til forretningsværdi"

De 5 stadier for datamodenhed

Virksomhedens modenhed kan have forskellige udgangspunkter og endda bevæge sig op og ned på skalaen alt efter markedssituationen – her er de fem typiske stadier:

1. Reaktiv. Virksomheden benytter i begrænset omfang data som performanceindikatorer indenfor isolerede og selvstændige områder. Her er IT-stabilitet og kvalitet uforudsigelig.
2. Bevidst. Din virksomhed analyserer data, som retningsanvisende for din performance. Eksempler på målepunkter er kredittider, salgstal, omsætningshastighed, kundedata osv. I indsamler altså historisk data ind om forretningsprocessen, som udgør en blandt øvrige kilder at handle ud fra.
3. Proaktiv. Her benyttes data som hovedkilde til at forklare et udsving eller en hændelse. Der findes mønstre og sammenhænge, som hjælper med at forudse og løse performanceproblemer proaktivt.
4. Præventiv. I dette stadie trives data som grundlag for selve beslutningsprocessen. Data afgør fx prissætningen eller kreditvurderingen. Data inddrages her i dine operationelle beslutninger og de forbindes til forretningsrelevante KPI’er.
5. Styrket. I denne modenhedsfase er data blevet dit produkt, og din virksomhed kan karakteriseres som en datadrevet virksomhed. Du har udviklet et dataøkosystem med selvlærende systemer, der hjælper med hurtigere at opnå forretningsmål

Den succesfulde datastrategi

• Kortlægning af hvordan data, med udgangspunkt i blandt andet konkurrencesituation, kan understøtte afdelingens ellers virksomhedens mål og ambitioner.
• Vurdering af det nuværende niveau, herunder klarlæggelse af den operationelle model - hvilke kompetencer, processer, systemer og data organisationen allerede er i besiddelse af, og hvordan de passer med virksomhedens mål.
• Definition af et fremtidigt niveau for den operationelle model – hvad kræves der for at realisere ambitionerne. På baggrund af dette udarbejdes planen for, hvordan virksomheden kan rykke sig fra nuværende til det fremtidige niveau.

Anvendelsesmulighederne af data er uendelige, hvis man forstår at bruge dem og den hastighed hvormed vi ser AI’s indtog, kommer til at ændre vores måde at se data på radikalt over de kommende år.