Sådan laver du en datastrategi - del 2

Kapabiliteterne er de byggeklodser, der skal bringes i spil for, at dataprojekterne kan gennemføres. Det uddyber it-konsulent Snurre Jensen i dette synspunkt, hvor han fortæller, hvilke overvejelser man bør gøre sig i udformningen af datastrategien.
Brødtekst

Denne artikel er den tredje i en serie, der går i kødet på, hvordan man udarbejder en plan for, hvad man vil med data, og hvordan man vil gøre det. Du kan læse den foregående artikel her.

Hvis I har været igennem de trin, jeg beskrev sidst, står I forhåbentlig nu med en lang række use cases og tiltag på dataområdet, som skal gennemføres for at støtte op om forretningsstrategien. Spørgsmålene, der skal besvares dernæst, er, hvilke byggeklodser der skal bringes i spil for at kunne løfte de prioriterede tiltag, og hvilke projekter der skal gennemføres for at bringe os i mål. Denne artikel kigger på byggeklodserne - også kaldet kapabiliteter.

Før jeg går videre, er det endnu engang vigtigt at fastslå, at der ikke er en facitliste, I skal forsøge at ramme. Det værdifulde i arbejdet er de valg I træffer, og de overvejelser I gør jer i processen. Det er i sagens natur individuelt og afhænger af det tidspunkt, I laver datastrategien på.

Designprincipper

Det første, der er en rigtig god at få taget hul på, er de bagvedliggende principper, I lægger til grund for jeres valg af kapabiliteter. Som beskrevet i Den Danske Ordbog er et princip en 'grundlæggende regel eller norm som nogen bevidst følger med hensyn til holdning eller adfærd i konkrete sammenhænge.'

Principper, der påvirker datastrategiens valg, findes måske allerede hos jer, men i så fald er det vigtigt at få gjort dem eksplicitte, så der er fuld gennemsigtighed om, hvorfor der vælges, som der gør.

Det efterfølgende er eksempler på principper, jeg har set anvendt. Udover selve beskrivelsen har jeg også givet et eksempel på forhold, der kan udfordre princippet:

  • »Cloud first«: Al ny teknologi skal være cloud-baseret. Her er det vigtigt at få beskrevet præcis hvorfor. Hvis der er et ønske om omkostningsreduktion, skal I være opmærksomme på, at der kan være workloads - f.eks. på machine learning-området - der kan være ret dyre i gængse cloud setups.
  • »Forandring sker gennem mennesker«: Vi skal huske på, at rigtig mange historier om det at være »datadrevet« sker med henvisning til firmaer som Amazon, Uber etc. Men det er altså virksomheder med teknologien i centrum, og hvor præmissen allerede fra starten har været teknologi (data) og mennesker. De resterende 99,99 pct. af verdens firmaer har historisk altid været »menneskedrevet«, og vi er først ved at lære, hvad det betyder at lade teknologi (data) fylde så meget, og hvordan vi griber det an. Derfor vil et princip som dette medføre, at forandringsaspektet af datastrategiprojekterne prioriteres højt.
  • »Vi benytter kun interne kompetencer«: For at sikre vidensopbygning og forankring kan I vælge kun at gennemføre tiltag, som I enten med det samme eller med relativ kort tidshorisont selv har kompetencerne til at udvikle og drive. Det udfordres af at udviklingen på dataområdet går stærkt, og der er risiko for at gå glip af komparative fordele ved hurtigt at bevæge sig ind på nye områder.
  • »Best-of-breed«: Data er et område, som bliver så vigtigt for os, at vi ønsker at have den bedste løsning til hver af vores datarettede aktiviteter (lagring, indsigt, machine learning, eksekvering etc.). Dette princip udfordres af at flere og flere systemer indeholder lidt af det hele. Et eksempel er marketing automation-systemer, som indeholder en del standardrapportering og efterhånden også en del machine learning-komponenter. Skal vi så bruge de indbyggede muligheder? Ønsker vi at betale for dem, hvis vi ikke bruger dem? Må vi overhovedet trække data ud af systemerne og bruge dem andre steder uden at betale for dem?
  • »Et værktøj per aktivitet«: Med henblik på at opnå interne synergier og evt. også reducere omkostninger vil vi sikre, at vi kun bruger en teknologi per aktivitet - f.eks. til BI. Dette kan blive udfordret af, at der gennem årene måske er opbygget decentrale BI-teams og -miljøer, der benytter forskellige teknologier.

Ovenstående er ikke udtømmende, og I gør jer selv godt ved at identificere lige præcis de designprincipper, der er relevante for jer.

Illustration af cyklus.
Illustration: Privat

I selve strategiarbejdet vil i komme til at genbesøge jeres designprincipper, efterhånden som I får defineret kapabiliteter og projekter. Det er ikke altid muligt fuldt ud at gennemskue konsekvenserne af de principper, der opstilles, og der kan derfor være behov for at justere, når man træffer efterfølgende valg. Det er helt ok - at udvikle en datastrategi er ikke en strengt lineær proces.

Kapabiliteter

Med designprincipperne i bagagen begynder arbejdet med at definere de kapabiliteter, der skal implementeres. Disse kan både være organisatoriske og teknologiske. Igen er der ingen facitliste til, hvad I skal arbejde med, men eksempler på kapabiliteter kunne være:

  • Datakultur/data literacy
  • Dataplatform
  • BI-teknologi
  • Digital kommunikation
  • Data management
  • Automatisk replenishment
  • Data science

I arbejdet med at identificere, hvordan I skal arbejde med de kapabiliteter, I peger på som indsatsområder i datastrategien, er der specielt to pointer, jeg synes, det er værd at hæfte sig ved.

  1. Fokusér på hvem i stedet for hvad. Den 14. august spillede FC Barcelona og Bayern München kvartfinale i sidste sæsons Champions League. Kampen endte som mange sikkert allerede ved 8-2 til tyskerne, hvilket jo er et helt ekstremt resultat. Hvis jeg nu påstår, at tyskernes overlegenhed i kampen skyldtes, at de spillede i tøj fra Adidas, mens FC Barcelona spillede i tøj fra Nike, er der forhåbentligt ingen, der er enige med mig. Når man vurderer og vælger teknologi, bliver man ofte forblændet af dimsedutter og dingenoter. Men det store trick med hensyn til teknologivalg er ikke, »hvad« den kan, men »hvem« der kan. Det meste teknologi indenfor de forskellige kapabilitetsområder kan stort set det samme. Azure, AWS og GCP har som eksempel jo alle storage, compute, sikkerhed etc. Det, der adskiller teknologi fra hinanden, er jeres adgang til kompetencer til at kunne anvende og få gavn af teknologien.
  2. Fokuser på fremtiden fremfor nutiden. Hvis I har arbejdet med denne type projekter før, er der stor chance for, at I har gennemført »as-is«-analyser af varierende omfang og dybde. For det er da vigtigt at have konkret og solid viden om, hvilket udgangspunkt man har. Eller hvad? Jeg vil gerne vove pelsen og påstå, at i datastrategisammenhæng er viden om nutidige forhold, man ikke har tænkt sig at ændre, irrelevante. Med andre ord er der ingen grund til i strategiarbejdet at lave as-is-analyser af kapabiliteter, som ikke udpeges som indsatsområder. Det betyder så også, at det, der skal laves »as-is«-analyser af først, står klart, når I har etableret »to-be«.

Slutresultatet af analysearbejdet vil være et overblik over, hvilke kapabiliteter, I vurderer, I har brug for fremadrettet, en vurdering af hvor I er i dag og en beskrivelse af hvilke tiltag, der skal til for at komme fra »as-is« til »to-be«. Nedenstående forsimplede eksempel illustrerer, hvordan det kunne se ud for eksempelvis BI-kapabiliteten.

Illustration af BI-kapabiliteten.
Illustration: Privat

Det er en vurdering, om valget af ny BI-platform skal tages på nuværende tidspunkt, eller om I vil lade det være et af projekterne, der skal eksekveres som en del af implementeringen af datastrategien. Det, der kan tale for at have det som decideret projekt, er, hvis I gerne vil gennemføre et egentligt sourcing- og/eller POC-forløb.

Mennesker

Når I har dannet jer overblik over jeres ønskede kapabiliteter og afdækket, hvad der skal til for at løfte dem, er I også i stand til at vurdere, hvordan jeres fremtidige organisering skal være og dermed jeres samlede kompetence-situation. Tilsiger jeres ambitionsniveau og designprincipper, at I skal ansætte nye ressourcer? Kan I evt. komme et stykke ad vejen ved at efteruddanne? Og hvad gør I, hvis der er nogle medarbejdere, der ikke ønsker at komme med på rejsen - f.eks. hvis de foretrækker at vedblive at arbejde med samme teknologi, som I vælger at udfase? Hvilken betydning får det, såfremt ansvar (og budget) for nogle af de ønskede kapabiliteter flytter afdeling? Disse overvejelser og beslutninger er blandt de vigtigste - hvis ikke de vigtigste - I skal igennem som en del af arbejdet.

Har I været de beskrevne trin igennem, står I nu der, hvor I ved, hvad det er, I skal prioritere, og hvilke gab der skal lukkes for at blive i stand til indfri ambitionerne. Hvordan I formulerer alle indsatsområder som projekter og planlægger dem, kigger vi på i næste artikel.

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