Insights

Stå ikke tilbage på perronen

At blive en datadreven virksomhed sker ikke natten over. Det kræver fokus og klarhed, og der er ingen genveje. Det vigtige er at starte rejsen og udnytte erfaringerne i det næste data analytics-initiativ, mens din organisation modnes undervejs.

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.

Udgangspunktet for at være en datadreven virksomhed er igangsættelsen af digitalisering af data og evnen til at anvende business intelligence-værktøjer. For de fleste virksomheder har det 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.

Ud fra definitionen af datadrevet er alle virksomheder i princippet datadrevet, så hvad er pointen? Der skal ses på, om det at være datadrevet er en strategisk beslutning, og i hvilken grad virksomheden gennemfører datadrevne aktiviteter i praksis.

At udføre forretningsbeslutninger på grundlag af data analytics og fortolkning heraf kræver forskellige kompetencer afhængig af, om initiativet har et indadrettet fokus mod virksomhedens drift, eller centreret på kunden og forretningsmuligheder. Jo mere kundefokuseret, jo sværere er opgaven. Derfor er den bedste vej til at blive en virkelig datadreven virksomhed at begynde simpelt, bringe erfaringerne fra det første initiativ med til det næste lidt mere udfordrende data analytics-initiativ.

"

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. Dette handler først og fremmest om muligheden for at anvende Robotic Process Automation (RPA) i gentagne og veldefinerede opgaver. 

Ved at være mere ambitiøs og udnytte avancerede prædiktioner i data analytics varetages, hvad der er umuligt for medarbejdere at gennemføre. Inddragelse af den store mængde data, de mange faktorer, der skal tages i betragtning, og hastigheden hvormed beslutningerne kan prædikeres er hurtigere end, hvad den menneskelige hjerne kan præstere.

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. Apotek). I dette scenarie tager medarbejderen ikke beslutningen eller udfører opgaven; altså at identificere hvem som skal udtages til kontrol. Medarbejderens opgave kan i stedet være at kun at vurdere de prøver, som er i grænseområdet 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, ser det ud til at virksomheder nedprioriterer dette fokus. Ikke fordi data analytics-delen er sværere, men det kræver mere at gennemføre initiativet, da dette ikke 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 i dette område, og for det meste vedrører det måden, hvorpå virksomheder interagerer med sine kunder; udveksler information. Som eksempler er samling af prøvetest og rapporteringsresultat eller personalisere webstedskommunikation og workflow til individuelle kunder.

I dette scenarie skal medarbejderne lære nye måder at arbejde på, uddannes i at udføre andre opgaver, og vigtigt; kunderne skal sætte pris på ændringen, for at initiativet kan lykkes, da automatisering og brug af prædiktioner ellers ikke vil skabe værdi for nogen.

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


Vær spids på din virksomheds data analytics modenhed

Der er to primære faktorer, der er bestemmende for virksomheders modenhed i data analytics. For det første, hvor ambitiøs man som virksomhed ønsker at være med avanceret data analytics. For det andet og lige så vigtigt, hvor moden virksomheden er som organisation til at udføre data analytics-initiativer. De to faktorer er i høj grad bestemmende for , hvor effektfuld organisationen er til at udføre og understøtte et data analytics-baseret 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, være datadrevet og bringe afkast af investeringer på data analytics-initiativerne.

Data analytics modenhedskurven

Nøglen til succes i transformationen til at blive en datadreven virksomhed

  • Match ambitionsniveauet af virksomhedens data analytics-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 analytics-projekter. 
  • Udfordre evnerne og kickstart et simpelt kundeorienteret data analytics-initiativ, så der sker en acceleration i din virksomheds organisatoriske data analytics modenhed. 
  • Start simpelt, start småt, opsplit større initiativer til mindre. 
  • Gennemfør piloter af de avancerede initiativer for at afklare robustheden i data analytics; prædiktionerne, tilgængelighed af data og it-kompleksitet.

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 analytics-partner i opgaven at udvikle din datadrevne virksomhed. Vi ved, hvad der kræves for at arbejde med avancerede data analytics-initiativer og 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 analytics-projekt, hvis forventningerne skal indfries - især inden for tid og budget.

Små og mindre virksomheder kan også inddrage data i produktudvikling.