Datadrevne beslutninger

Er din virksomhed klar til Business Intelligence?

Det er ikke just nyt at tage beslutninger på baggrund af data. En dygtig leders beslutning er ofte baseret på mange års erfaring og indblik i markedet, som groft sagt kan kaldes den "data", lederen har samlet op gennem et langt arbejdsliv.

Men ideelt set foregår datadrevet beslutningstagen systematisk, skalérbart og løsrevet fra den personlige bias og hukommelse.

Vi har skrevet en guide, der kan hjælpe dig med at komme i gang med datadrevne beslutninger i jeres virksomhed. Den indeholder 10 trin/overvejelser, der er nødvendige før dataprocessen skaber reel værdi for forretningen.

Business Intelligence som strategisk redskab

Dataindsamling og håndtering gøres mest effektivt med en Business Intelligence løsning, som opsamler og visualiserer virksomhedens data - så outputtet svarer på de spørgsmål, man stiller til forretningen. Fx:

  • Hvor mange timer har vi brugt på et projekt?
  • Hvor stor er pipeline i salg?
  • Hvor mange is har vi produceret på produktionslinje 2 i august måned?

Eller man kan sammenkøre data fra forskellige kilder, så der opstår mønstre og tendenser.

  • Hvor mange timer har vi brugt på et projekt sammenlignet med antal estimerede timer, der ligger i backlog endnu?
  • Hvor stor er pipeline i salg sammenlignet med samme periode sidste år?
  • Hvor mange is har vi solgt i juli sammenholdt med samme periode sidste år - og vægtet mod gennemsnitstemperaturen for perioden?

Data erstatter ikke lederindsigt

Data kan hjælpe med svaret på et væld af spørgsmål, men data alene kan ikke erstatte ledelsens evner til at stille de rigtige spørgsmål. De stilles nemlig på baggrund af strategiske færdigheder og analytisk tålmodighed. Med disse kompetencer kan ledelsen til gengæld styrke virksomheden og omsætte jeres data til reel forretningsværdi gennem struktureret datadreven beslutningstagen.

Det handler derfor ikke om at erstatte lederens beslutninger, men om at give det bedste grundlag for lederen at træffe beslutninger ud fra.

Hvor datamoden er din virksomhed?

På trods af sine fordele er datadrevne beslutninger ikke den bedste løsning i alle tilfælde. Det er vigtigt for ledere at overveje, om virksomheden er moden nok - særligt inden for digitalisering, datahåndtering og analysekompetencer til at kunne træffe beslutninger på baggrund af data.

Guide til datadreven beslutningstagen

Sådan kommer du i gang

Datadrevet beslutningstagen kan implementeres i virksomheder uanset størrelse, og uanset tidligere erfaring med området, så længe der bliver gjort rigtigt. I denne guide forsøger vi at give et overblik over de 10 trin, I bør følge for at opnå det bedste resultat.

datadreven beslutninger model

1. Strategi

Der er meget snak om big data, machine learning og artificial intelligence i medierne, og man kan nemt blive overvældet af alle de muligheder de nye teknologier bringer med sig. Det samme gælder, når man ønsker at bruge data til at træffe beslutninger ud fra. Derfor er det vigtigt med en strategi til at skære igennem hypen og finde frem til, hvad der vil gøre en forskel i jeres tilfælde. Det er de helt store spørgsmål som eksempelvis, hvad er forretningens vigtigste mål? I har sikkert selv svarene, men kan måske have brug for en ekstern facilitator til at stille jer de rigtige spørgsmål og give jer værktøjerne til at komme i gang.

2. Prioritér 1-2 områder

Det er nu vigtigt at udpege, hvilke forretningsområder der er vigtigst for at opfylde den overordnede strategi fra første trin. Hvis I kun kunne vælge ét eller to områder, hvad ville det så være? Hvor ville det skabe den største værdi i forhold til investeringen? For mange virksomheder drejer det sig om finans eller driftsstyring, hvor der ofte kan vindes mest for en relativ lille indsats.

3. Opsæt mål

Efter strategien og områderne er på plads, er det på tide at finde de spørgsmål, som er nødvendige at besvare for at understøtte strategien. Ved at fokusere på de mest nødvendige spørgsmål, kan I også nøjes med en afgrænset datamængde - i stedet for at bruge lang tid på indsamling af data, der ender med at være overflødige. Hvordan måler vi, om vi opfylder forretningens vigtigste mål? Hvilke delmål skal vi opfylde for at lykkes med de overordnede mål? Hvilke konkrete succeskriterier har vi for tallenes udvikling, eller hvilket target/tal definerer vi som en succes?

4. Identificér databehov

Med de rigtige spørgsmål stillet er det tid til at finde dataene, der kan hjælpe med at besvare dem. Start med at identificere den ideelle type data til at besvare jeres spørgsmål. Herfra kan I så se, om denne data stadig er optimal, når man tager omkostninger og tid til indsamling ind i billedet. Hvis ikke, så dykker I dybere og identificerer, hvilken data der eventuelt kan bruges i stedet. Bliv ved, indtil I er på et niveau, hvor omkostninger er afbalanceret med den potentielle gevinst, og data giver svar på det spørgsmål, I vil undersøge. 

5. Gennemgå datakilder

Når I har identificeret, hvilken data I vil benytte, giver det mening at gennemgå, om I måske allerede sidder inde med dele af datagrundlaget? Det er ikke altid åbenlyst, at man har adgang på forhånd, så brug god tid på at undersøge netop det. Hvis ikke I allerede har dataene, skal I finde en måde, hvorpå I kan finde og anvende dem. Fx ved at sætte dataindsamling op, eller få adgang til ekstern data. I kan fx indsamle kundedata online via interaktionsformularer, trække oplysninger fra jeres nyhedsbrev eller applikationer, eller berige de kundedata, I allerede har, med demografiske data fra en dataleverandør.

6. ROI-beregning

Når du kender omkostningerne forbundet med at indsamle dataene, skal den målbare gevinst være højere. Når I kommer til dette trin, skal indsamling af data ses som enhver anden investering, I foretager jer. Omkostningerne med at indsamle og lagre data falder betragteligt i disse år, men hvis man lader sig rive med, kan det i praksis stadig nemt løbe op. Tænk hele scenariet igennem og fokusér på, hvordan den indsigt I får, giver mere værdi til jeres markedsføring, produktudvikling, salgsarbejde, produktionsapparat, HR-funktioner, eller hvorend I ellers søger at optimere. Og hvor det vil kræve en investering at skaffe data? Skal I betale for demografiske data, eller skal der udvikles på jeres webside eller applikationer for at sætte løsningen op? Sæt en business case op og undersøg, om der direkte afkast af implementeringen, eller er der afledte effekter - og hvor lang er tidshorisonten for afkast?

7. Indsaml data

Dette trin kan virke simpelt, men er det kun, hvis I har været omhyggelige i de forrige 6. Har man ikke de tidlige trin på plads, bliver dataindsamling ofte rodet med meget lille reel værdi. I trin 7 sættes de processor op, der skal indsamle data. Det inkluderer tekniske processor - men også de menneskelige ressourcer er vigtige at få på plads her. Opsamling kan ske i et datawarehouse, eller de enkelte datakilder kan sættes direkte op til en selvbetjenings-BI-løsning. Sørg for kun at skabe én version af 'sandheden' og gør den tilgængelig for alle, der har brug for den i deres arbejde. På den måde undgår I, at hver afdeling opererer med deres eget datasæt eller deres egne udregningsmodeller.

8. Analysér data

I dette trin analyseres de indsamlede data for at få indsigt i de forretningsprocessor, I er interesseret i. Her kan forskellige dataanalyseværktøjer bruges, og der er i disse år en stor udvikling i værktøjer, der ikke kræver den store tekniske viden - så længe data bliver sat ordentligt op for de slutbrugere, der skal bruge det. Hvor ligger der optimerings- og udviklingsmuligheder for forretningen? I kan både se på forskellige performance-parametre, men det kan også være I kan spotte begyndende trends. Fx i forhold til interne eller eksterne begivenheder, som I kan arbejde mere med for at skabe synergi mellem jeres forretningsområde og verden omkring jer. 

9. Præsentér resultater

Hvis ikke resultaterne fra dataanalysen bliver præsenteret til de rigtige beslutningstagere, på det rigtige tidspunkt, er meget af arbejdet spildt. Sørg derfor for at have en plan for, hvordan og hvornår resultaterne skal gives videre - for at forbedre de processor, der blev besluttet i trin 2. Det handler om at udvælge de rigtige data til de rigtige folk og præsentere dem i den rigtige kontekst. Men også om at give medarbejderne adgang til at bruge forretningens data til deres arbejde. Hvordan kan jeg optimere min arbejdsindsats? Hvad bliver jeg målt på? Hvordan spiller mit arbejde sammen med den overordnede målsætning for virksomheden? 

10. Implementér læringen i forretningsprocesser

Sidst, men ikke mindst, skal resultaterne - efter de er præsenteret - også implementeres. Og efterleves. Det kan vise sig at være en opgave inden for fx forandringsledelse, hvilket kræver sin helt egen guide. Tænk resultaterne ned i konkrete eksempler for de enkelte medarbejdere eller afdelinger. Hvis du som leder ikke kan give et eksempel på, hvorfor I måler dette eller kan give et konkret eksempel på adfærd, der kan skabe resultater på baggrund af jeres data, så er dine analyseresultater ikke tilstrækkelige. 

Tak fordi du læste med

Og god fornøjelse med jagten efter netop de data, der kan gøre en stor forskel for din forretning.