Möjligheterna att samla in, kombinera och analysera data har aldrig varit större. Med moderna dataplattformar och AI kan företag få tillgång till information från en mängd olika system och skapa helt nya beslutsunderlag.
Men fler datakällor, mer avancerade analyser och nya tekniska möjligheter leder inte automatiskt till bättre beslut eller ökad lönsamhet. Susanne Söderholm på Implema menar att många företag behöver tänka om kring var arbetet börjar.
– Vi måste börja med att fråga oss vad vi vill få ut av informationen. Vilka frågor behöver vi besvara och vilka beslut ska vi fatta? Det handlar inte om att samla så mycket data som möjligt, utan om att identifiera vilken information som faktiskt skapar värde.
Från tekniska möjligheter till verksamhetens behov
När företag ska utveckla sin dataanalys är det lätt att börja med tekniken. Vilka system är det? Vilken information kan vi läsa in? Vad och hur ska detta visualiseras? Och vilka möjligheter öppnar AI?
Det är relevanta frågor, men enligt Susanne bör de komma senare i processen.
Först behöver verksamheten definiera vad man faktiskt vill åstadkomma. Det kan handla om att förbättra prognoser, minska kapitalbindningen, effektivisera processer eller skapa bättre underlag för strategiska beslut.
Därefter behöver man förstå vilka samband, affärsregler och verksamhetsförutsättningar som påverkar resultatet. Först då går det att avgöra vilka data och tekniska lösningar som behövs.
– Det finns en tendens att vilja läsa in så mycket data som möjligt, bara för att vi kan. Men all data tillför inte värde. Om vi inte vet vad informationen ska användas till riskerar vi att lägga mycket arbete på något som inte hjälper verksamheten framåt, säger Susanne.
Det handlar alltså inte om att samla in så lite data som möjligt, utan om att prioritera de insatser som gör störst nytta.
Från affärsvärde till datagrund
Susannes resonemang kan sammanfattas i tre steg: Business Value First, Context First och Data Foundation.
Det första steget handlar om att definiera vilket affärsvärde man vill skapa. Därefter behöver man förstå verksamhetens processer, samband och affärsregler för att avgöra vilken information som krävs. Slutligen handlar det om att säkerställa att informationen har rätt kvalitet, struktur, spårbarhet och säkerhet för att kunna användas på ett tillförlitligt sätt.
Det betyder inte att företag ska bygga sin datagrund från början för varje nytt initiativ. Tvärtom behöver den vara långsiktigt hållbar och kunna stödja många olika behov. Men när ett nytt initiativ planeras bör affärsvärdet styra vilka insatser som prioriteras.
Affärsvärdet anger riktningen. Verksamhetskontexten tydliggör behoven. Datagrunden gör det möjligt att omsätta dem i praktiken.
En stabil datagrund är fortfarande avgörande
Att börja med affärsvärdet betyder inte att datakvalitet, struktur och styrning blir mindre viktiga. Tvärtom.
Företag behöver långsiktigt hållbara dataplattformar där information kan kvalitetssäkras, förvaltas och återanvändas för olika ändamål. Men varje analys- eller AI-initiativ behöver inte börja med att alla tillgängliga datamängder förädlas.
Ett exempel på hur Implema arbetar är den så kallade medallion-arkitekturen, där data hanteras i tre nivåer.
I bronslagret samlas information från olika datakällor i ett så nära ursprungligt skick som möjligt. I silverlagret bearbetas och kvalitetssäkras informationen, samtidigt som gemensamma definitioner etableras. I guldlagret anpassas den till verksamhetens behov, exempelvis genom beräkningar, nyckeltal, KPier samt för visualisering, alternativ promtning, så att alla har samma sanning att utgå ifrån.
En viktig del är spårbarheten. Genom data lineage går det att följa informationens ursprung och hur den har bearbetats. Behörigheter och säkerhet säkerställer samtidigt att rätt personer får tillgång till rätt information.
– När någon tittar på ett nyckeltal ska det gå att förstå varifrån siffran kommer och hur den har beräknats. Det är en förutsättning för att kunna lita på informationen och använda den som beslutsunderlag, förklarar Susanne.
Poängen är att den tekniska lösningen ska utformas för att möta verkliga behov samtidigt som datagrunden är tillräckligt robust för att stödja även framtida användningsområden.
Från data till användbara beslutsunderlag
Hos en kund inom e-handel och retail arbetar Implema just nu med att kombinera information från flera datakällor och göra den tillgänglig i Power BI.
Arbetet omfattar bland annat gemensamma definitioner, spårbarhet och behörighetsstyrning. Det gör det möjligt att skapa ett mer sammanhållet beslutsunderlag och samtidigt säkerställa att olika användare får tillgång till relevant information – och enbart den som just han/hon behöver.
Exemplet illustrerar en viktig princip: värdet ligger inte i hur mycket information som kan samlas på ett ställe, utan i hur väl den kan användas för att stödja verksamhetens beslut.
Samma princip blir allt viktigare när företag börjar använda AI. Tekniken öppnar för nya möjligheter att analysera information och automatisera arbetsuppgifter, men det kräver fortfarande förståelse för vilka problem som ska lösas och vilka förutsättningar som gäller.
Affärsnyttan är måttet på framgång
När tekniken blir alltmer tillgänglig är det lätt att mäta framsteg i antalet integrationer, datakällor, rapporter eller AI-tillämpningar.
Men det är inte nödvändigtvis de måtten som visar om verksamheten har blivit bättre.
En lyckad satsning bör i stället kunna kopplas till konkreta förbättringar: snabbare och mer tillförlitliga beslut, effektivare processer, bättre resursutnyttjande eller nya affärsmöjligheter.
För Susanne handlar det ytterst om att låta verksamhetens behov styra teknikens användning snarare än tvärtom.
– Framtidens konkurrensfördel kommer inte att handla om vem som har mest data eller den mest avancerade AI-tekniken. Den kommer att handla om vem som är bäst på att använda rätt information i rätt sammanhang för att skapa verkligt affärsvärde, avslutar Susanne Söderholm.
