Med dette innlegget er det en glede å introdusere en ny spalte for Innsiktsbrevet, nemlig dedikerte perspektiv fra eksperter innen ulike områder for datadrevet forretningsutvikling. Fokus skal være hvordan du og din bedrift kan få mest mulig verdi ut av deres data.
Første mann ut er Magne Bakkeli - tidligere leder for Data & Analytics-satsningen til PwC Norge, hvor Magne bidro til å bygge opp et team på 30 fageksperter som bistod uttalige bedrifter i Norge med få mer verdi ut av egne data. I dag er Magne selvstendig rådgiver med god kompetanse på ulike teknologier og ikke minst andre faktorer som skal til for å lykkes i å bli en datadrevet virksomhet.
Følgende er Magnes perspektiv - ført i pennen av undertegnede.
Viktigste faktorer for å få verdi ut av data:
Det viktigste er paradoksalt nok å først erkjenne at det egentlig ikke handler om teknologi eller data.
Data og teknologi er kun midler for å nå målet, ikke et mål i seg selv.
Veldig mange tar utgangspunkt i spennende ny teknologi og leter etter problemstillinger hvor man bruke nettopp den teknologien. Det fører til at det produseres alt for mange ulike Dashboards som ikke blir brukt ved at man har startet i feil ende av prosessen.
Innsikt må settes i system!
Det er ikke vits med fine dashboards om vi ikke har fokus på å forbedre prosessene våre og bruke data til læring!
1. Start med forretningsbehov og still de riktige spørsmålene
Hva er de viktigste faktorene for at din bedrift lykkes?
Selv er jeg veldig glad i å bruke et nedbrytningstre for å strukturere arbeidet. La oss ta et lite utvalg fra en nettbutikk som et eksempel:
Deretter kan du definere kjerneprosessene i virksomheten og begynne å stille gode spørsmål som data forhåpentligvis kan bidra med å svare på.
2. Etabler hvem og hvordan beslutninger skal tas
Data er ikke verdt noe før de benyttes til beslutninger, så et veldig viktig og undervurdert steg er å strukturere beslutningsprosessene.
La oss ta et eksempel på en prioritert prosess: Hvordan sikrer vi at vi bestiller nok varer, men unngår å bli sittende igjen med usolgte varer på lager?
Hvilke spørsmål trenger vi å svare ut? Hvilke data for å svare ut spørsmålene? Hvem trenger å møtes for å vurdere dette? Hvor ofte bør man møtes? Hvem har beslutningsmyndighet? Hvem gjør hva mellom møtepunktene?
3. Involver motiverte personer med relevante roller og kompetanse
Man trenger mennesker som ønsker å finne svar i dataene - og som skjønner at det ikke er vits i å analysere data om man uansett har tenkt å fortsette akkurat som før.
4. Vurder dataene og velg riktig teknologi for formålet
Så - helt til slutt kan du fokusere på data og tekniske løsninger. Har du tilgang til de riktige datane? Har du nok data? Hvilke tekniske løsninger trengs for å gjøre dataene om til innsikt?
I mange problemstillinger vil eksempelvis en BI-løsning som Power BI være tilstrekkelig eller kanskje i kombinasjon med å bruke et ETL-verktøy for å løpende skrive oppdaterte data til en database. I større og mer komplekse problemstillinger behøver man typisk derimot mer omfattende dataplattformer for å kunne bidra med svar på de spørsmålene man har.
5. Bruk dataene til å evaluere og lære! Sett dere mål, og se hvordan dere utvikler dere! Data blir nemlig ekstra gøy da...
Trender innen Data og Analyse
Det skjer veldig mye spennende utvikling innen data og analyse. Vi kjenner etterhvert alle til at det produseres mer og mer data og at lagringskapasitet blir billigere og billigere. Kombinasjonen fører til mye spennende teknisk utvikling, ledet an av de store globale aktørene. Hovedtrendene er at mer og mer flyttes til skyen og at det lanseres veldig mange spennende verktøy med enormt mye mer kompleks funksjonalitet enn hva som tidligere var tilgjengelig.
1) Større muligheter for verdi gir flere data-initiativ og økt tilgang til datakyndige
Større muligheter for å skape verdi fra data gir naturligvis større fokus på området også innen norske virksomheter. Noen bransjer, som eksempelvis forsikring, har kommet mye lenger enn andre, men aktører innen de fleste bransjer har nå et helt annet fokus på datadrevet forretningsutvikling enn for bare få år siden.
Dette fører igjen til at mange flere utdanner seg i denne retningen og at den generelle kompetansen på data og analyse dermed økes.
2) Organisatoriske endringer
Økt fokus fører også til at det skjer organisatoriske endringer.
Ansvaret for data og analyse har eksempelvis skjøvet seg bort fra en tradisjonelle CTO/CIO (Chief Technical/Information Officer) og over til en egen rolle i konsernledelsen - CDO (Chief Data Officer). Vi ser også at det begynner å bli mer og mer vanlig med rendyrkede roller som Data Engineers, Data Scientists og roller innenfor Business Intelligence.
Veldig modne selskaper har også begynte å desentralisere eierskapet til dataprodukter i henhold til Data Mesh-tilnærming. Veldig forenklet så eies og vedlikeholdes ikke data da lenger sentralt, men fra egne dedikerte team med som eier hver sine behov og ansvarsområder. Dette vil vi nok se mer av fremover.
Sjekk ut Magnes Linkedin-profil for mer informasjon
Likte du fremstillingen med nedbrytningstre? Les mitt tidligere innlegg om det her
