Derfor har I brug for en datastrategi

Bedre håndtering af data skaber værdi, og derfor bør organisationer have en strategi for data. Det uddyber it-konsulent Snurre Jensen i dette synspunkt, hvor han fortæller, hvilke overvejelser man bør gøre sig i udformningen af datastrategien.
Brødtekst

If you fail to plan, you are planning to fail - Benjamin Franklin.

Det er ikke forbigået nogens opmærksomhed, at vi i sandhed befinder os i en speciel tid. Hvis man tager sine databriller på, er det også en meget interessant periode, og man kan måske endda sige, at der lige nu foregår et dataeksperiment på den helt store scene.

Corona-epidemien har medført en eksponering af og interesse for data, som jeg ikke kan huske, jeg har set tidligere. Det fascinerende for en datanørd som undertegnede, er at iagttage de selvsamme udfordringer på denne større scene, som jeg har set igen og igen i et utal af organisationer. Det gælder f.eks.:

Det, der på samme tid fascinerer, men i nogen grad også er lidt beskæmmende, er, at mange organisationer tilsyneladende stadig kæmper med »det der data«.

Men hvordan vinder man så kampen på en måde, der sikrer varige gevinster? Hvordan får man som organisation armene omkring et område, som kan forekomme diffust og uoverskueligt? Som det indledende citat peger på, drejer det sig i bund og grund om at udarbejde og ikke mindst eksekvere en plan for, hvad man som organisation vil på dataområdet - med andre ord en 'datastrategi'.

To indvendinger rejser sig:

1) Hvorfor overhovedet gøre så meget ud af det med data?

Der er flere grunde til at blive bedre til data. Ikke kun, fordi der er nogle basale områder, man skal mestre ift. compliance, men også fordi det at blive bedre til data skaber værdi. Jeg vil faktisk gå så langt som til at sige, at man som organisation ikke kan lykkedes med digitalisering uden at tage data seriøst.

Udover at det f.eks. er umuligt at drive e-handel uden styr på stamdata, risikerer man også at ende med »punktdigitalisering«, hvor de områder der digitaliseres ikke hænger sammen.

Klassikeren er onlinebutikken, hvor den nye smarte app ikke taler sammen med det bagvedliggende lagersystem, og man efter bestilling i app'en får tilsendt en mail om, at varen desværre ikke er på lager. Data er det sprog, der får applikationer til at forstå hinanden. Man forstår godt, at Amazon kan have så nemt spil...

Men har vi ikke styr på data, er der sikkert nogle, der spørger sig selv om. Har vi ikke styr på begrebsdefinitioner, masterdata og bygget (måske endnu?) et data warehouse? Jo måske. Men faktum er, at det at få styr på sine data ikke nødvendigvis er det, der skaber værdi. Det er ikke, fordi dashboards og den slags er værdiløse - de bidrager bare ikke med noget, der adskiller dig fra konkurrenterne.

 

Every organization needs to measure its performance, and data warehouses are very good at providing broad access to consistent transactional metrics. But performance measurement isn't disruptive, and it isn't strategic. It is simply a cost of doing business, like pencils and office space - Thomas W. Dinsmore.

 

Man kan sige, at det at få styr på sine data er en nødvendig forudsætning for at få succes. Det er dog langtfra tilstrækkeligt. Det, der sikrer, at din organisation kan differentiere sig fra konkurrenterne, er, hvordan I anvender egne data til at sikre bedre og hurtigere leveringer, bedre kundeoplevelser etc. Lidt lommefilosofisk kan man måske sige, at de nødvendige forudsætninger skabes af brede initiativer, mens differentierende initiativer har et mere snævert fokus.

Alle kan investere i ERP- og CRM-systemer. Alle kan ansætte udviklere og designere til at lave flotte online butikker. Det, jeres konkurrenter ikke kan, er at bruge jeres data.

2) Hvorfor gøre det på strategisk niveau?

Der er to primære årsager til at arbejde med data ud fra en strategisk betragtning. For det første, og ret åbenlyse, sikres at arbejdet med data er hægtet op på forretningsstrategien. Det virker dog begge veje. Dem, der udarbejder forretningsstrategi, må også forventes at være så datakyndige, at dagene, hvor man kunne lave en strategi, der »placerer kunden i centrum«, samtidig med at vi »sætter fuld damp på vores digitale ambitioner«, fører til, at der investeres i dataområdet.

Det bør være tydeligt for enhver, at i den digitale verden skal du være i stand til at identificere dine forretningsmæssige termer i dine data - ellers kommer du aldrig til at kunne eksekvere på det. Det giver f.eks. ikke mening at opfinde kundesegmenter til forretningsstrategien, hvis disse kundesegmenter ikke kan laves i din kundedatabase (og ja - det er en sand historie).

Den anden årsag er organisatorisk og adresserer forhold som mandat, siloer, investeringer, organisation etc. Ligesom alt andet strategiarbejde er udarbejdelsen af en datastrategi en lang række af både tilvalg og ikke mindst de svære fravalg. Det kan f.eks. være systemudskiftninger, nye leverandører, organisationsændringer, nye KPI'er etc. Det er derfor helt essentielt, at der er mandat til at foretage de nødvendige valg.

En måde at illustrere dette på er f.eks. ved at kigge på en generisk kunderejse, som indeholder de touchpoints, hvor kunden har interaktioner med din organisation.

Flowchart over en generisk kunderejse som indeholder de touchpoints hvor kunden har interaktioner med din organisation.
Illustration: Nick Nijhuis/CC BY-SA 4.0/Wikimedia Commons

Det er relativt nemt at placere, hvor interaktionerne hører hjemme i et organisationsdiagram. Pointen er dog, at set fra kundens side har man interaktionen med organisationen og ikke en kasse i et organisationsdiagram. Det sidste kunden vil acceptere, er den digitale version af, »det er ikke mig, du skal tale med, men her er et nummer på en af mine kollegaer, du kan ringe til, når du har lagt på her«. For at sikre den oplevelse er datainitiativer nødt til at gennemføres tværgående. Og det kræver mandat til at nedbryde siloer, justere organisation etc.

Mandatet kan også bruges til at gennemføre en række principielle beslutninger om, hvordan der arbejdes med data. Det kan f.eks. være, om man som organisation skal forlade sig på den standard KPI-rapportering, der findes i de fleste operationelle værktøjer? Eller skal man i stedet have det princip, at man som organisation selv opbygger sin egen rapportering?

Den tredje årsag er, at et tværgående systematisk arbejde med data kan medføre en lang række synergier til gavn for organisationen - både på kort og lang sigt. Det gælder på teknologiområdet, hvor det jo ikke er ualmindeligt at finde to, tre eller måske endda flere forskellige BI-værktøjer i samme organisation. Er det den mest hensigtsmæssige beslutning? Er det den rigtige beslutning, at vores marketingorganisation arbejder i AWS, mens vores finansafdeling er i gang med at migrere til Azure?

Det gælder også på kompetenceområdet. Skal vi have dybe teknologikompetencer ansat i de enkelte forretningsområder, eller skal vi have en anden model med f.eks. et centralt kompetencecenter?

Endelig gælder det også på udviklings- og styringsmodeller. Vores nyetablerede machine learning-enhed i marketing dokumenterer og deler alt i Git, IT er gået over til Azure DevOps, mens vores risikofolk stadig foretrækker interne fællesdrev.

Kan der være gevinster ved at gøre tingene ensartet? Skal det være nemmere at starte op som ny, hvis man kommer udefra, fremfor at komme fra samme organisation? Hvordan håndterer vi overvågning af vores analytiske modeller? Vores risikoafdeling har stor erfaring med konstant monitorering af deres kreditvurderingsmodeller, mens vores marketingafdeling slet ikke overvåger deres churn- og krydssalgsmodeller. Bliver vi stærkere som organisation, hvis vi lærer af hinanden?

Det er vigtigt at huske på, at datastrategien ikke skal laves, fordi I aldrig har arbejdet med data - det har alle. Den skal laves, for at de valg og fravalg, alle dele af organisationen træffer ifm. dataarbejdet, er transparente og velbegrundede samt gavner hele organisationen.

Opsummerende

  • Data har en stadig større betydning for de aktiviteter, organisationer både skal og vil gennemføre.
  • For at undgå suboptimal punktdigitalisering og nålestikstiltag er det nødvendigt at gennemføre datainitiativer, der påvirker hele organisationen.
  • Derfor har I brug for en datastrategi.

Denne artikel er den første i en serie. Den motiverer, hvorfor det er en god ide med en plan for, hvad man vil med data, og hvordan man vil gøre det. De efterfølgende går i kødet på, hvordan man så rent faktisk udarbejder den plan. Dette indlæg er oprindeligt udgivet på LinkedIn.

Prøv DataTech gratis

DataTech giver dig ny viden, cases og erfaringer med at lykkes med AI og data science i praksis. Få 3 ugers gratis og uforpligtende prøveabonnement

Klik her