den datadrevne virksomhed

Stå ikke tilbage på perronen

Det vigtigste er at få begyndt rejsen med at udnytte data til udvikling af virksomheden. Valget af de første initiativer er afgørende for en god start, og de bidrager til at vurdere, hvor moden jeres organisation er, og hvor ambitiøst, I kan lægge ud.

den Datadrevne virksomhed

Kendetegnes ved at forretningsbeslutninger gennemføres på et databaseret beslutningsgrundlag. 

Det vil sige, at en beslutning foretages på baggrund af data og fortolkningen af disse; data intelligens

For de fleste virksomheder har digitalisering været en igangværende proces i de sidste 15 år med fokus på it-teknologier, der gør data mere tilgængelige og ikke mindst præsenterer data på optimale måder. Fokus har været – og er for de fleste stadig på rapportering fortrinsvis præsenteret i dashboards, og oftest målrettet mod specifikke funktioner og målgrupper. Heldigvis er fokus nu i retning mod øget brug af 'data intelligens'.

Hvordan data intelligens anvendes og hvilke data intelligence løsninger, der skal udvikles afhænger af opgaven, som skal løses. Med fordel, så skel mellem det indadrettede fokus, hvor løsninger understøtter virksomhedens drift, og løsninger der har et kunderettet fokus og bringer nye produkter og services til markedet.

Forskellen i fokus reflekterer ikke nødvendigvis hvor kompleks en data intelligence løsning, der skal i spil, men i højere grad, hvad det kræver som organisation at lykkes med initiativet. Jo mere kunderettet fokus løsningen er, og oftest også af mere strategisk betydning, jo sværrere er det at eksekvere data intelligence initiativet. Data science elementet bliver en relativ lille del af initiativet, og organisationens evne til at udvikle og tilpasse sig nye måder at arbejde på, bliver tungen på vægtskålen.

Den bedste start er at køre fra perronen med et initiativ som matcher organisationens modenhed, oftest et simpelt initiativ. Bring så erfaringerne fra det første initiativ med til de næste, lidt mere udfordrende data intelligence initiativer.

"

Jo mere en virksomhed benytter algoritmer i stedet for personer til at etablere beslutningsgrundlaget og eksekvere beslutninger, jo mere datadreven er virksomheden.

Datadrevet med fokus på driften

At få informationer, du kan handle på, er nøglen. At udvikle prædiktioner baseret på data, som medarbejderne kan evaluere og handle på, er et effektivt bidrag til at udføre daglige opgaver. Medarbejderen udleder ikke konklusionen fra BI-rapporter, men får serveret prædiktionerne; beskeden om, hvad der skal gøres. Da mængden af data der anvendes, er mere omfattende og i realtid, øges indsigten og giver et bedre fundament for forretningsbeslutningerne. Som et eksempel er prædiktion af priser på råvarer, bunkerolie, valutakurser etc.

Medarbejderen tager ikke beslutningen, men handler på baggrund af prædiktionerne.

Eliminering af dine ’pains’ ved at automatisere irriterende og tidskrævende, men stadig relevante opgaver, frigives kapacitet. I første omgang handler det om at anvende Robotic Process Automation (RPA) i gentagne og veldefinerede opgaver. 

Ved at være mere ambitiøs og anvende algortimer til løsning af opgaven, øges muligheden for at tage flere faktorer i betragting, såvel som hastigheden hvormed beslutningsgrundlaget dannes overgår til enhver tid, hvad der er muligt for en medarbejder at kunne håndtere. Til gengæld kan medarbejderens indsats anvendes, hvor data og algoritmer kommer til kort.

Som et eksempel er prædiktion af udvælgelse af testprøver i den offentlige sektor (f.eks. Identifikation af svindel) og forskning (f.eks. kvalitetskontrol i f.eks. læhrmiddel). I dette scenarie tager medarbejderen ikke beslutningen eller udfører opgaven; altså at identificere, hvem som skal udtages til kontrol. Medarbejderens opgave kanaliseres over til 'kun' at vurdere de prøver, som er i grænseområdet af tolerecen for at blive godkendt.

Datadrevet med fokus på kunden

Gør din kunde gladere ved at forbedre udførelsen af de opgaver, der gavner dine kunder. Du ændrer processer, forbedrer digitaliseringen af processerne, så kunden får lettere ved at udføre de opgaver, du forventer af din kunde. Til trods for de lavt hængende frugter, der kan høstes, er det oftes at denne type af initiativer nedprioriteres. Ikke fordi brugen af data science er mere kompliceret, men det kræver mere at gennemføre initiativet, fordi det ikke længere kun handler om automatisering. 

Det handler om at re-designe måder at arbejde på og at tage et kundecentreret udgangspunkt. Det kræver kompetenceinddragelse på tværs af værdikæden, hvilket kræver høj organisatorisk modenhed. Der er mange muligheder, men essensen er, hvordan virksomheder interagerer med sine kunder; udveksler information. Som eksempler er indsamling af prøvetest og rapporteringsresultat eller personalisere webstedskommunikation og workflow til individuelle kunder.

Data intelligence intiativer som indbefatter kundeløsninger medfører også forandringer.  Medarbejderne skal introduceres til ny opgaver eller andre måder at udføre sine eksisterende opgaver på. Vigtigt er det også at kunderne inddrages og sætter pris på initiativet, så det kan lykkes. Data intelligence løsningern kan være geniale, men de skaber kun værdi, hvis kunderne anvender den (som tiltænkt).

Skaf dine kunder fordele ved at bidrage til at producere nye produkter eller services, som gavner dine kunder - og måske dine kunders kunder, baseret på det ultimative sæt af data og prædiktioner. Indsamling af kritiske data, udvikling af avancerede algoritmer, der giver unik indsigt, er værdifuldt for kunderne, og det kommer i mange former, afhængigt af virksomheden og branchen. 

Et eksempel er en softwareapplikation, der er indarbejdet i vindmølleturbinens styresystem, og som indsamler data og forudsiger vindenergiproduktion. Det er udviklet af IT-udbyderen af styresystemet, købt af vindmølleproducenten og til gavn for vindmøllefarmens ejere, som er energiproducent, da de kender mængden af vindenergiproduktion, som gør dem i stand til at afbalancere energibehovet med konventionelle energiproduktionskilder.

For at it-udbyderen kan forbedre softwareapplikationen, kræver det information fra sine kunders kunder for at udvikle kundecentrerede løsninger. Et sådant initiativ kategoriseres som strategisk og kræver involvering fra alle parter i den udvidede værdikæde og øgede projektrisici som følge af de mange usikkerheder i gennemførslen. Det grunder ikke nødvendigvis i kompleksiteten i udviklingen af avancerede algoritmer, men i højere grad som følge af antallet af involverede parter. 

For scenarie som disse kræver det involvering af alle niveauer i organisationen - og fra flere virksomheder. Der skal være en dyb forståelse af, hvordan udvikling af nye produkter baseret på anvendelse af data science indgår i arbejdet med at skabe nye og forbedrede produkter, som øger konkurrencefordelen. Heraf en strategisk indsats.

Vær spids på din virksomheds data intelligence modenhed

Der er to primære faktorer, der er bestemmende for virksomheders modenhed i data intelligence. For det første, hvor ambitiøs man som virksomhed ønsker at være med avanceret data intelligence. For det andet og lige så vigtigt, hvor moden virksomheden er som organisation til at udføre data intelligence initiativer. De to faktorer er i høj grad bestemmende for, hvor effektfuld organisationen er til at udføre og understøtte et data intelligence initiativ og samtidigt uddanne medarbejdere og sikre deres parathed.

For virksomheder handler det ikke om at være den mest datadrevne virksomhed på markedet; det handler om at være den mest effektive til at modnes i at blive datadrevet og skabe gevinster af alle investeringer i data intelligence.

Data intelligence modenhedskurven

Nøglen til succes i transformationen til at blive en datadreven virksomhed

 

  • Match ambitionsniveauet af virksomhedens data itelligence initiativ til det modenhedsniveau, der er til stede i din virksomhed på det givne tidspunkt. 
  • Initier de nødvendige tiltag i virksomheden, som øger modenheden i organisationen samtidigt med gennemførelsen af data intelligence projekterne. 
  • Udfordre evnerne og kick-start et simpelt kundeorienteret data intelligence initiativ, så der sker en acceleration i din virksomheds organisatoriske data itelligence modenhed. 
  • Start simpelt, start småt, opsplit større initiativer til mindre. 
  • Gennemfør piloter af de avancerede initiativer for at afklare tilgængeligheden i data, robustheden i prædiktionerne og it-kompleksiten.

Styrken ligger i det personlige møde

Hvis du ønsker at få bedre indsigt i din virksomheds modenhedsniveau, så kontakt Birgitte Dahl

Book et møde

Om Rooftop analytics

Rooftop Analytics kan være din data intelligence partner i opgaven at udvikle din datadrevne virksomhed. Vi ved, hvad der kræves for at arbejde med dat intelligence og i særdeleshed data og prædiktioner. Vi forstår hvad det kræver af organisationer at modne omkostningseffektivt og med alle medarbejdere om bord.

Læs mere

Det er vigtigt at sætte de rigtige rammer for et data intelligence projekt, hvis forventningerne skal indfries - især inden for tid og budget.

Små og mindre virksomheder kan også inddrage data i produktudvikling.