den datadrevne virksomhed
Når det skal lykkes med et data intelligence initiativ
Den datadrevne virksomhed er på agendaen hos de fleste virksomheder og dækker alt fra brug af simple of-the-shelf rapporteringsapplikationer til de mere ambitøse data intelligence initiativer, hvor nye produkter og services udvikles ved brug af avanceret data science. Men hvilke faktorer er særlig kritiske i et ambitiøst initiativ? Og hvad kræver det at lykkes?
Når et data intelligence initiativ er ambitøst, altså når data science og brug af predictive analytics indgår i udvikling af nye produkter og services, så øges kompleksiteten i eksekveringen af initiativet. Indsaten for at anvende løsningen og opnå den nødvendige buy-in fra medarbejdere, kunder og samarbejdspartnere er ligeledes kritisk og svært at opnå.
Viften af initiativer er mange - og forskellige, og det kræver noget forskelligt at gennemføre initiativerne. Derfor giver det stor værdi at tjekke, om rammerne for gennemførsel af data intelligence initiativet er til stede, inden I går igang. Udgangspunktet er jeres virksomhedens parathed - hvor på modenhedskurven, I befinder jer er vigtig. Men der er flere væsentlige faktorer, som gør sig gældende, og de bør afdækkes inden initiativet igangsættes.
"
Virksomheder opnår et bedre projektforløb og hurtigere gevinst, hvis data intelligence projektet som helhed, tænkes til ende ved projektets begyndelse og forretningsidéen konceptualiseres.
Sæt de rette rammer for det ambitiøse data intelligence initiativ
Et ambitiøst data intelligence initiativ skal være i tråd med virksomhedens strategiske fokus. Især når intentionen er, at projektets resultater skal benyttes i udviklingen af virksomhedens produkter, services og kritiske forretningsbeslutninger Det kræver en succesfuld transformation at implementere løsningen, og topledelsens involvering og eksplicitte opbakning er essentiel. Fra start til slut.
Et ambitiøst data intelligence initiativ skal udforskes inden det kvalificerer sig til et implementeringsprojekt. Før etablering af it-platform, og etableringen af data til data intelligence opgaven igangsættes, skal forretningsidéen udforskes nærmere. Første skridt er at gennemføre en konceptualisering af data intelligence løsningen. Det giver indblik i databehov, it-platform og ikke mindst en indikation af den forventede styrke i prædiktionerne i data intelligence løsningen. Måske indvirker det på, hvordan data intelligence løsningen skal udvikles og anvendes. Desuden giver det grundlag for de(n) pilot(er), der skal gennemføres, og reel information til udarbejdelse af projektbudget. Rooftop samler dette i et business data science solution dokument.
Data intelligence initiativet vil højst sandsynligt ændres undervejs i projektforløbet. Derfor bør projektet følges tæt og nye beslutninger tages, når delresultaterne tager en anden retning end først planlagt. Det er ikke nødvendigvis et problem, når blot det følger virksomhedens strategiske retning. Man opnår viden, man ikke vidste man kunne få, såvel som viden man gerne ville have, men ikke kunne få.
Ikke alle ambitiøse data intelligence initiativer bliver implementeret. Hvis initiativet - til trods for tilpasninger i formål og forventninger til resultatet - ikke skaber den forventede værdi, der står mål med indsatsen, skal projektet nedlukkes. Det skal ikke ses som en fiasko. Man er blevet mere erfaren i arbejdet med data intelligence, har fået øget indsigt i, hvilke data man har, og hvad de kan bruges til. Som ethvert andet forretningsinitiativ er det ikke alle idéer, der skal realiseres.
Valg af de rigtige ressourcer gør en forskel. Ved at vælge de rette kompetencer til projektet er grundlaget for kvaliteten af løsningen etableret. Hvis ikke de rette ressourcer er tilgængelige, så afvent eller omprioriter. Vælg den rigtige samarbejdspartner, hvis data science kompetencerne ikke findes i virksomheden. Sammensætning af projektteamet, hvor alle relevante profiler indgår, har væsentlig betydning for fremdrift og resultatet.
Transformationen til den nye løsning er det, som frigiver gevinsten. Netop som forventningen til et godt resultat i projektet er inden for rækkevidde, er risikoen for manglende gevinst af indsatsen tilstede. Der er behov for at investere i den nødvendige change management, der skal til for at nye produkter, services og arbejdsgange kommer til at indgå effektivt i virksomhedens dagligdag. F.eks. kan det være, at salgsstyrken skal have en dybere forståelse og tillid til produktet for at kunne sælge det. Det kan også være, at løsningen medfører nye arbejdsrutiner i produktionen. I alle tilfælde skal der ske tilpasninger. Resultatet bliver akkurat så godt som det svageste led.
Forsøg at tænke data intelligence initiativet til ende ved projektets begyndelse. Virksomheder opnår et bedre projektforløb og hurtigere gevinster, hvis initiativet som helhed tænkes til ende, inden det sættes i gang. Lige fra de begrænsninger og udfordringer, som projektet kan forvente at møde i gennemførelsen, til hvilke retninger man kan forestille sig, at initiativet kan tage undervejs – og stadig være relevant. Det udelukker ikke den agile tilgang i projektforløbet, men giver mulige retninger projektteamet kan agere efter, når det først går i gang.
Om Rooftop Analytics
Rooftop Analytics har solid erfaring med at implementere data- og algoritmebaserede løsninger med væsentlig forretningsmæssig værdi. Vi forstår forudsætningerne for at lykkes og finde den løsning, som bedst matcher virksomhedens behov. Vi tilbyder vores kompetencer ved etablering, såvel som i implementering af data intelligence initiativer såvel som den relevante og transformationen. Vi påtager os gerne rollen som projektleder i tæt samarbejde med virksomheden.
Læs mere
Seks gode råd til eksekvering af dataprojekter.
Virksomheder er ikke ens, og søger at få løst opgaver på forskellig vis. Det kræver forskellige leverancemuligheder. Rooftop er fleksibel og ændrer sit service setup i takt med virksomhedens ændrede behov.