Før du kan omsætte data til forretning …

Den typiske barriere

I de fleste virksomheder er den grundlæggende udfordring, at produktionen og den finansielle styring slet ikke koblet sammen.

Jeg taler ikke om bogføring af vareforbrug og andre finansielle transaktioner fra produktionen. Jeg taler om den guldgrube af data, som produktionen kan bidrage med.

Hvis du helt reelt ønsker en datadrevet tilgang til din forretning, så skal du sammenkoble produktionsdata og økonomidata. Men det stiller store krav, og sandsynligvis har din organisation slet ikke kompetencerne til det.

Før du kan udnytte IoT og Big Data

Jeg glæder mig til at fortælle dig, hvordan du kan udnytte Iot og Big Data. Mulighederne er fantastiske, og udviklingen går rigtig stærkt … men du har et organisatorisk forarbejde, som er utrolig vigtigt.

Det skal du forholde dig til, før du kan tænke på IoT og Big Data. Og det vil jeg fortælle om i denne artikel.

Forestillingen om succes

Biler kan ikke flyve – det ved vi godt. Men vi kan godt forestille os, at de kommer til at kunne det.

Vi kan heller ikke tage på ferie på månen – det ved vi også godt. Men vi kan godt forestille os, at vi kommer til at kunne det.

Og sådan er der så meget, vi som mennesker kan forestille os. Fordi det er så nemt bare at forestille sig. Vi ser ikke barriererne så åbenlyst, når bare vi forestiller os.

Og på præcis samme måde som vi kan forestille os ovennævnte eksempler – uden at se barrierer – så forestiller vi os også, at data vil løse alle problemerne i vores virksomhed og føre til innovation og effektivisering, med stor forretningsmæssig effekt som følge.

Modenhed før mobilisering af data

Men hvis vi lige skal glemme de helt store visioner for en stund og forholde os realistiske til nuet, så lad os se på, hvad der reelt kræves af vores organisation. Fordi man kan have en masse gode tanker og man kan drømme sig selv til månen, men man skal lige bygge raketten til også at komme derhen.

Derfor er vi nødt til at spørge os selv, om vi overhovedet har det kompetencesæt i vores organisation, som der kræves?

Og det er her barriererne kommer ind.

Nu har jeg efterhånden i nogle år rådgivet virksomheder i, hvordan de omsætter data til forretning, og noget af det første jeg plejer at spørge mine kunder om, er:

1. hvad er det, I gerne vil have ud af et informationssystem? Og,
2. hvad er er det for nogle udfordringer I har, i jeres produktion?

Også sagt anderledes: hvad er det din virksomhed skal være klar til? Og hvad er din virksomhed egentlig klar til?

Det kræver nemlig et vist niveau af modenhed af din virksomhed, hvis du skal kunne mobilisere data. Fordi hvis du ikke er i stand til at koble produktionen og den finansielle styring sammen, så risikerer du, at systemet bag ingen værdi har – fordi der ikke er noget organisation bag.

Big-Data-initiativer falder mellem to stole

I løbet af de seneste 5 år har jeg talt om datastrategier med mange virksomheder, små som store.

En ting der går igen er, at dem der sidder i ledelsen, er meget bevidste omkring Big Data. Alligevel falder Big Data-initiativerne mellem to stole med ledelsen på den ene side og de ansatte på den anden.

Og udfordringen opstår ved, at alle de ansatte meget gerne vil bidrage. De har bare ikke nødvendigvis kompetencerne til det.

Alle er beslutningstagere

Det er du som leder eller mellemleder nødt til at forholde dig til. Og netop det er årsagen til, at du er nødt til at tænke alle ansatte ind i din Big-data plan.

Og når jeg siger alle ansatte, så mener jeg alle ansatte i din virksomhed.

Fordi alle menneskerne i din virksomhed er beslutningstagere. Det gælder også helt ned til fejedrengen eller pigen. De skal beslutte, om de skal feje det ene rum, eller det andet rum. Det er en beslutning som de træffer på din virksomheds vegne – men det er en beslutning, uanset.

Og du skal ikke særligt højt op i hierarkiet, før det at kunne tilbyde information i realtid, rent faktisk skaber en markant værdi for din forretning.

’Real-life’ møder ønsketænkning

En kunde fortalte mig engang: ”hvis vi konfigurerer vores maskiner på en given måde, så tager det for evigt at finde ud af, om vi har konfigureret dem rigtigt eller forkert – simpelthen fordi vi ikke har rapportering på fabriksgulvet”.

Det er ret vigtigt for en fabriksmedarbejder at kunne se noget data for at kunne træffe bedre beslutninger.

Og det er et rigtig godt eksempel på, hvornår ’real life’ møder ønsketænkningen, der er omkring et informationssystem. Det er bare ikke særlig operationelt, hvis ikke vi får praktikken med.

Hvor moden er din virksomhed?

Alexandra Instituttet har udført en del forskning på virksomheders ”modningsniveau” med nogle anerkendte forskere. De er kommet til 5 niveau-inddelinger i, hvor god en virksomhed er til at bruge data.

Kan du spotte hvilket trin din virksomhed falder ind under?

Mit bud er, at langt de fleste virksomheder i Danmark i dag ligger på trin 2.

Der er altså relativ langt op til trin 5, hvor man er oppe på et ret højt teknologisk niveau, og hvor forudsætningen for at kunne drive forretning er, at man har data i én flydende strøm, og hvor ens ansatte i virkeligheden er databehandlere med en lille smule beslutning på toppen.

Virksomhedernes dataanvendelse

Så inden vi drømmer os videre til månen, så lad os lige lægge en strategi for, hvordan vi bygger raketten. For der vil uden tvivl opstå udfordringer.

Højbjerre Brauer Schultz for Erhvervsstyrelsen lavet en analyse af barriererne for virksomhedernes dataanvendelse, og det viser sig, at rigtig mange virksomheder faktisk oplever barrierer. Og en af konklusionerne af analysen var, at virksomheder som har en høj modenhed, oplever færre barrierer omkring brugen af data end virksomheder med en lav modenhed.

Men hvad betyder det for dig?

Det betyder, at inden du overhovedet begynder at sige, at ”nu vil vi gerne lave et dataprojekt der gør, at vi kan skabe forretning ud af data” så er du nødt til lige at måle temperaturen på din virksomheds modenhed.

Man kan altså ikke nødvendigvis springe fem skridt over.

Der er noget, der ikke fungerer

Selv har jeg været ude og interviewe virksomheder ifm. med omsætning af data til forretning – og der er altså bare et eller andet, der ikke fungerer. Rigtig mange virksomheder kan ikke eller er blevet forhindret i at bruge data som følge af barrierer, af den ene eller den anden slags.

Og det har haft reelle konsekvenser.

1. For knap én ud af fem virksomheder har det betydet, at de har afskediget medarbejdere, tabt ordre eller markedsandele.
2. Tre ud af ti har sænket ambitionsniveauet ift. at bruge data i en forretningsmæssig sammenhæng.
3. Barriererne har medført, at mere end hver tredje virksomhed har opgivet eller udskudt investeringer.

Så det er et ret alvorligt billede.

Enkelte virksomheder – og her tænker jeg især på banker og forsikringsselskaber – har ikke de store problemer med at styre data, fordi de er født modne til det. Man kan godt styre økonomien, fordi økonomistyring har fandtes i mange år. Forsikringsselskaberne har helt sikkert udfordringer, men data er ikke en af dem.

Men det er en ganske lille procentdel som er født modne til data, hvis du tager SMV-Danmark – som jo er dem 70% af det danske nationalprodukt kommer fra. For dem er omsætningen af data en kæmpe udfordring.

Så hvis du sidder og læser med og tænker med dig selv: ”vi har også udfordringer med data i vores organisation”, så kan jeg sige: du er ikke alene. Det er en kæmpe udfordring, og nogle får helt ondt i maven når de tænker på, hvad de skal gøre.

Og tricket kommer af, at der ikke endnu findes procedurer eller metoder – i stedet fumler vi os frem til noget ’as we go’ fordi vi er meget tidligt i den her fase.

Og nu sidder du måske og tænker, at bølgerne er gået meget højt uden at du har fået svar på, hvad du så skal gøre? Og de er gået meget højt, men bare rolig.

I næste artikel vil jeg nemlig fortælle dig om nogle af de spændende cases jeg har arbejdet på, hvor vi har fundet en løsning til problemet.

Og den gode nyhed er, at det slet ikke behøver at være så komplekst.

Indtil da, så håber jeg, at du har fået mod på at kigge indad mod din egen organisation og har fundet inspiration til, hvad du skal forholde dig til, inden dit næste data-projekt.