De flesta organisationer har i dag tillgång till mer data än någonsin. Ändå används den i stor utsträckning för att beskriva det som redan har hänt snarare än för att styra vad som ska hända härnäst. Enligt Susanne Söderholm, affärsområdesansvarig för BI, Data & Analytics på Implema, ligger utmaningen sällan i tillgången till data. Här ger hon sin bild av varför skiftet mot datadrivna beslut är svårare än det låter – och vad som krävs för att lyckas.
Dataanalys har länge varit en självklar del av företagsstyrning. Men i många organisationer är arbetssättet fortfarande i grunden reaktivt. Siffror samlas in, visualiseras och följs upp, ofta med viss fördröjning.
– Verksamhetsdata i sig är bakåtblickande. Det beskriver vad som har hänt, men inte nödvändigtvis varför eller vad som kommer att hända härnäst, säger Susanne Söderholm.
Det innebär att analysen ofta stannar vid uppföljning, snarare än att fungera som ett aktivt beslutsstöd.
– Det räcker inte att beskriva det som har hänt, dataanalys måste möjliggöra beslut i realtid.
Varför räcker inte data för att fatta rätt beslut?
För att kunna fatta strategiska beslut räcker det inte att titta på enskilda nyckeltal. Data behöver sättas i ett sammanhang där flera perspektiv vägs samman. Det kan handla om att koppla försäljningssiffror till produktkostnader och marginaler, eller att sätta interna nyckeltal i relation till externa faktorer som inflation, valutaförändringar och förändrad efterfrågan.
– Siffror i sig säger väldigt lite. Det är först när du förstår vad som driver utfallet som de blir användbara i beslut, säger Susanne. Utan det sammanhanget finns en risk att organisationen drar fel slutsatser, trots att datan i sig är korrekt.
Brist på gemensamma definitioner – ett av de största hindren för datadrivna beslut
Ett av de mest underskattade hindren för datadrivna beslut är bristen på gemensamma begrepp.
– I samma företag kan olika personer mena helt olika saker när de säger ”kund”. Då blir det svårt att ens enas om vad siffrorna visar, säger Susanne.
Skillnader i definitioner påverkar allt ifrån rapportering till uppföljning av KPI:er. Resultatet blir att diskussioner fastnar i tolkningar, i stället för att handla om åtgärder. För att komma vidare krävs ett strukturerat arbete med masterdata, datakvalitet och gemensamma definitioner.
– Det är först när alla utgår från samma begrepp som det går att skapa en gemensam bild av verkligheten, säger Susanne.
Från rapportering till beslutsstöd – hur data faktiskt används i praktiken
Mot den bakgrunden sker nu ett bredare skifte i hur organisationer arbetar med data och analys. I stället för att bygga tunga strukturer i förväg, ser man en förflyttning mot mer flexibla arbetssätt där analysen utgår från verksamhetens frågor.
– Du behöver inte bygga allt från början. Börja med att förstå vilka frågor som är viktiga, och arbeta därifrån, säger Susanne.
Det innebär att organisationer i högre grad:
- identifierar relevanta datamängder först
- analyserar och testar hypoteser
- bygger struktur och modeller när värdet är tydligt
Ett sådant arbetssätt minskar risken att investera i omfattande datamodeller som inte används i praktiken.
Varför data governance blir avgörande när data delas mellan system
Samtidigt som tekniken för att dela och kombinera data utvecklas snabbt, ökar kraven på styrning. När data rör sig mellan system, plattformar och organisationer uppstår frågor om tillgång, ansvar och användning.
– När du öppnar upp data måste du ha kontroll på vem som får se vad, på vilken nivå och i vilket sammanhang, säger Susanne.
Det handlar om:
- tydligt ägarskap
- definierade accessregler
- spårbarhet och efterlevnad
Utan detta riskerar organisationer att skapa nya silos och att förtroendet för datan gradvis minskar, när olika delar av verksamheten arbetar utifrån olika definitioner, accessnivåer och tolkningar.
Ny teknik förändrar möjligheterna men löser inte grundproblemen med data
Utvecklingen inom moderna dataplattformar, inklusive lösningar som SAP Business Data Cloud, gör det enklare att koppla ihop data från flera källor och dela den mellan olika miljöer. Men enligt Susanne förändrar det inte de grundläggande utmaningarna.
– Tekniken gör det enklare att få tillgång till data. Men den löser inte automatiskt frågor som definitioner, datakvalitet och data governance.
Det innebär att organisationer som vill få ut verkligt värde av nya plattformar behöver kombinera tekniska investeringar med strukturellt arbete kring data.
Från data till beslut – vad krävs i praktiken?
De flesta organisationer sitter redan på den data som behövs för att fatta bättre beslut. Utmaningen ligger i att koppla ihop den, skapa ett gemensamt språk och använda den i rätt sammanhang
– Det som ofta saknas är inte data, utan struktur och ett sätt att koppla den till beslut, säger Susanne.
I det perspektivet handlar dataanalys inte längre om att beskriva det som har hänt, utan om att skapa förutsättningar för att agera på det som kommer härnäst – och att kunna fatta beslut i realtid.
Och i takt med att datalandskapet blir mer komplext blir det också tydligt:
det är numera sällan tillgång till data som avgör, utan förmågan att sätta den i ett sammanhang.
