den datadrevne virksomhed

Undgå faldgruberne i ambitiøse data intelligence projekter

Ambitiøse data intelligence projekter består af mange ubekendte og bringer ofte overraskelser. En stringent og metodisk tilgang til data intelligence arbejdet gør det muligt at styre uden om væsentligste faldgruber, og opnå en brugbar løsning - uden sprængte budgetter som resultat.

I gennemførslen af et ambitiøst data intelligence projekt er forretningsidéen omdrejningspunktet. Essensen i opgaven er at udvikle en datamodel og algoritmer ved brug af data, som giver de svar, der skal til for at indfri forretningsidéen. Derfor skal forretningsidéen analyseres med business data scientist-øjne, gennemleve et eller flere piloter og inddrage erfarne domænekompetencer.

Tætte og gode synergier på tværs i projektteamet er helt centrale for at imødekomme projektets tidsplan, budget og planlagt fremtidige gevinster. Særligt i ambitiøse data intelligence projekter er det vigtigt, at projektteamet forstår forretningsidéen; altså den problemstilling som virksomheden har til hensigt at løse. Samspillet mellem forskellige og nødvendige kompetencer i projektet er kritisk. De skal lære at arbejde i snitfladerne af hinandens kompetencer, lære at tale samme sprog og supplere hinanden fagligt, så de kan se samme muligheder og begrænsninger. 

Ikke alle forretningsidéer har datagrundlag til at blive gennemført og måske ender projektet  - med fordel  - et andet sted, end det var tænkt fra begyndelsen. Det skyldes ikke nødvendigvis manglende data. Der kan også være it-mæssige begrænsninger og praktiske udfordringer, ligesom der kan komme bedre og mere rentable idéer op under forløbet.

Giovanni Mellace, Sr. Product Developer, Rooftop Analytics

"

Et pilotprojekts fornemmeste opgave er at give en reel indsigt i, om datagrundlaget er til stede og anvende business data science til at identificere, om de nødvendige prædiktioner kan udvikles.

Undgå uønskede overraskelser i det ambitiøse data intelligence projekt

Når forretningsidéen tager en anden drejning end først planlagt, skal det ikke komme som en stor overraskelse, heller ikke for topledelsen. Og det er nemmere sagt end gjort. Med en stringent og metodisk tilgang til data intelligence-projekter er det muligt at undgå uønskede overraskelser i gennemførslen.

Benyt Rooftop's Predictive Analytics Model som metodisk værktøj. Med fokus på kernen i data intelligence projektet, giver modellen en trin-for-trin fremgangsmåde, som tillader iterativ udvikling og agil arbejdsmetode i udviklingen af model og algoritmer. Det sikrer også den nødvendige kvalitet, så virksomheden kan stole på resultaterne. Når projektteamet følger Rooftop's Predictive Analytics Modelbliver de automatisk sporet ind på den optimale måde, hvorpå data intelligence løsninger skal udvikles. 

Prioriter konceptualiseringen forretningsidéen med business data scientist-øjne. Når essensen af forretningsidéen er bearbejdet, skal der stikkes et spadestik dybere med en grunding konceptualisering af mulig(e) løsning(er). Som business data scientist undersøger vi, hvad der eksisterer af forskningsviden på området, som kan understøtte tesen i forretningsidéen, og om de forventede svar kan udledes af de data, der er til rådighed. Vores business data scientist identificerer også en eller flere piloter, som efterfølgende bør gennemføres. Er det ikke muligt at frembringe de ønskede resultater, evaluerer og tilpasser man måske forretningsidéen, eller initiativet stopper helt, fordi virksomheden erkender, at datagrundlaget ikke er tilgængeligt, eller at det er for omkostningsfuldt at etablere. 

Gør nytte af en eller flere piloter. Udarbejdelse af en pilot har den fornemmeste opgave at give mere solide indikationer på, om det er muligt at gennemføre forretningsidéen. Med indspark fra resultatet af konceptualiseringen, udvælger man sine piloter med fokus på at afdække særlig usikkerhed eller kompleksitet. I arbejdet gennemløber man også alle trin i Rooftop's Predictive Analytics Model, men kun på en delmængde af problemstillingen, med interim etableret it- og datafundament. Ved udarbejdelse af piloter, er det en effektiv måde at arbejde agilt på. Man kan tilpasse opgavens omfang og tidsplan i takt med den viden, man opnår undervejs. Det skaber transparens og grundlag for ledelsen til at vurdere om forretningsidéen fortsat er realiserbar, omend den måske er tilpasset siden projektets begyndelse. Gennemførsel af piloter er et stærkt værktøj for både projekter og mindre udviklingsopgaver. 

Det rigtige projektteam gør forskellen

Sammensæt projektteamet med omtanke. Det gør en forskel i forhold til, hvor gode resultater projektet kan frembringe, og hvor hurtigt det sker. Sørg for at virksomheden deltager med sine domænekompetencer og at projektlederen formår at facilitere det nødvendige samarbejde mellem specialist- og videnskompetencerne. Det er vigtigt at have en business data scientist med fra begyndelsen af projektet, og det kan ikke erstattes af en softwareudvikler eller business analyst.  

Udpeg forandringsagenten - medarbejderen med den største aktie i den kommende løsning. Det styrker projektteamets forståelse af opgaven og de relaterede muligheder, der opstår undervejs. Det er også medvirkende til at øge virksomhedens parathed, så forløbet fra leverance til løsning bliver kortere og løsningen er fuldt accepteret, når den skal tages i brug.

Vælg en projektleder med faglig indsigt og evne til at bygge bro mellem specialisterne, der langt fra taler samme sprog. De er specialister inden for deres respektive fagområder og har kun i begrænset omfang viden om hinandens arbejdsområder. Desto før der opnås en fælles referenceramme for initiativet og en forståelse for, hvem der har viden om hvad og gør hvad, jo hurtigere vil projektteamet komme til at arbejde produktivt og med høj kvalitet i løsningen. Synergierne tæller. Det gælder først og fremmest kvaliteten i løsning, men også projektets tidsplan, budget og fremtidige gevinst.

Styrken ligger i det personlige møde

Står du over for udfordringer i dit data intelligence initiativ og har brug for sparring, så kontakt Giovanni Mellace