Hvordan finder du ud af, hvad der er relevant at analysere med business intelligence?
Der er en million aspekter, du kan analysere, og hvordan udvælger du det, som gør en forretningsmæssig forskel?
… og alligevel vælger mange virksomheder de samme ting.
Alle begynder med at analysere deres finanser, drift og derefter kunder og salg. Når vi går et spadestik dybere, så er det naturligvis vidt forskellige tal, virksomheder kigger på – men det er ofte de samme områder.
BI er en læringsproces
Et business intelligence-projekt udvikler sig undervejs.
Det begynder med ét behov, men undervejs finder virksomheden flere muligheder med værktøjerne – og gør sig erkendelser om deres egen virksomhed. Og så ender rapporter og analyser med at se anderledes ud end planlagt fra begyndelsen.
Det er svært at stå i begyndelsen af et BI-projekt og forudsige, hvad BI præcist skal bruges til i virksomheden. Der opstår som regel flere muligheder, og systemet bliver mere forretningskritisk undervejs i projektet.
Det er en læringsproces, hvor virksomheden løbende lærer mere om sin forretning ved at få indsigt i flere og flere områder, og på den måde bliver skarpere på at stille de rigtige spørgsmål til dataanalysen.
Hurtige erkendelser
Læringsprocessen begynder ofte allerede den første dag.
Vi har eksempler, hvor vi demonstrerer Power BI for potentielle kunder – på deres egne data – hvor de afbryder vores præsentation for at hive kolleger ind i mødelokalet og kigge nærmere på data.
De visualiseringer af deres egne data, som vi kan vise med standard Power BI, kan simpelthen give en ny indsigt, som de straks er nødt til at dele med kolleger.
Jeg synes, at det siger meget om, hvor effektivt Business Intelligence kan være.
Nogle gange reagerer folk med mistro. “Det kan ikke passe – der må være en fejl i systemet”.
Men der er ikke nogen fejl. Det er bare første gang, de har haft så god indsigt i deres data.
Fra detaljer til overblik
Du kender godt dine egne data, men du kender dem på et detaljeret niveau. Du har måske en mavefornemmelse af, hvor mange penge der er brugt på et bestemt projekt, men du har ikke skabt overblik, grupperet per artskode eller afdeling, eller sammenlignet med andre projekter eller perioder.
Når du skaber overblik, vender, drejer og sammenligner data – så skaber du ny indsigt.
Et eksempel:
Du har en vare, som du tjener gode penge på. Der er en margin på 50%. Men hvis du sammenholder det med volumen i omsætning, relaterede omkostninger, ordrestørrelser, kundernes ABC-koder osv osv … så kan det være, at det viser sig, at det er en anden vare med en margin på 10%, der virkelig driver din forretning.
Det kan være svært at få alle aspekter med – og se det store billede.
Du får, hvad du spørger efter
Når du trækker rapporter fra ERP, så er det umuligt at skabe overblik, men selv med et BI-værktøj kan det være svært.
Dine spørgsmål til BI-systemet er baseret på en masse forudsætninger. Du kan ikke kapere det hele i dit hoved. Du har nogle anelser, fornemmelser, erfaringer og holdninger, og de præger den måde, du angriber data på.
BI-værktøjet redder dig ikke fra at angribe data forkert eller mangelfuldt. Får du taget alle aspekter med i betragtning? Og vægtet alt korrekt?
Du får, hvad du spørger efter, og det kan være svært at stille de rigtige spørgsmål.
Du skal øve dig på at arbejde med data helt fordomsfrit.
Den fordomsfri metode
Og hvordan gør du så det? … altså arbejder fordomsfrit med data.
Du angriber situationen i disse 3 trin:
- Skab status. Få et overblik over, hvordan situationen ser ud lige nu.
- Hvad er forklaringen på den situation, du ser?
- Hvad skal du foretage af handlinger for at ændre status?
At begynde med at få overblik over situationen er måske den ”nemme” del, men det kræver naturligvis, at du ved hvad du kigger efter.
Trin 2 er som regel sværere. Det er ikke altid, at du kan finde en årsagsforklaring i dine data.
Du solgte overraskende meget af en vare, men måske ved du ikke hvorfor, og måske kan du ikke se, hvilke kanaler omsætningen kom fra. Så er det svært at årsagsforklare.
Ofte handler det om at identificere, hvilke data du mangler for at kunne forklare årsagen. Og så må du gøre op, om det kan betale sig at begynde at opsamle data, så du senere kan årsagsforklare området.
Dermed kommer du frem til at have et beslutningsgrundlag, så du kan vælge den rette handling.
Men indtil du har nok data, så er du nødt til at handle på intuition.