One truth - one vision

Vi har en dialog i gang med en potentiel ny kunde, som har bedt os om at udfordre status quo med henblik på at blive en (endnu mere) datadrevet organisation. En organisation hvor data i endnu højere grad spiller en væsentlig rolle i dagligdagens beslutninger – på alle niveauer. I en samtale med driftslederen blev vi mødt med følgende:

”Ved det ugentlige morgenmøde, hvor der altid laves opfølgning på den seneste uges drift, men samtidig

også planlægges drift for den kommende uge, faldt snakken på en KPI, som ledelsen netop havde indført.

Der skulle måles virksomhedens performance grad, og var et tal beregnet på baggrund af vores ERP system, sammenholdt med data fra HR.

Vi har tidligere diskuteret det, men det var første møde, hvor lige præcis denne KPI, skulle bruges,

og derfor var vi mange der var spændte på hvordan resultatet så ud. Da spændingen blev udløst,

og tallet var en anelse lavere end ledelsens forventning. Jeg var uenig i resultatet, da jeg mente at kunne

”bevise” at resultat var højere end det fremlagte. Hvilket, jeg selv havde regnet mig frem til, ved at

hente data ud fra vores ERP og deres HR system.

Resten af mødet blev brugt til at forholde os til, hvem der havde ret, og hvilket resultat der var det rigtige”

Historien og situationen ovenover er en, som vi oftere støder på. Det er blevet et buzzword at være datadrevne, men langt de fleste virksomheder har ikke kendskab til mange af de udfordringer, man kan støde på når snakken falder på det at være datadrevet. Der er mange emner og områder at tage fat på i den forbindelse, og vi berører andre emner i den kontekst i andre blogs. Men faktum er, at én af de største udfordringer ved at blive datadrevet er, at skabe én sandhed - én data-platform, på tværs af hele organisationen. Ved netop at gøre dette, sikres det at al data, der ofte hentes fra flere forskellige datakilder, bliver behandlet og forretningslogik beregnet på nøjagtig samme måde. Dette eliminerer, at folk selv skaber ”sandheden” eller logikken om man vil, ud fra en subjektiv tilgang og præmis.

En fælles sandhed skabes blandt andet gennem et Data Warehouse. Data Warehouse er i særdeleshed en tanke værd når:

Der er tale om flere forskellige datakilder. Interne såvel som eksterne
Der gøres brug af historiske data
Man ønsker en høj frekvens af data opdateringer
Man ønsker at ”mappe” forskellige datakilder
Der er behov berigelse af eksisterende data rensning af stamdata

Jamen hvad så med self-service BI?

Begrebet ”self-service BI" bliver i nogle, ofte mange, sammenhænge misforstået. Væk er en fælles struktur, ensartet forretningslogik og ingen eller mangel på Governance. Ofte illustreret gennem endeløse data sets i Power BI, der distribueres ukritisk i organisationen. Læg dertil GDPR problematikken! I vores dialoger støder vi ikke sjældent på netop denne problematik. Data sendes rundt i organisationen i Excel filer. Hvorfor? Det er nemt at vedligeholde, alle har Excel og alle kan redigere i det. Det fungerer! Men hvis det bliver ophøjet til sandheden og bliver anvendt til forretningskritiske beslutninger og som altovervejende styrringsredskab, kan der opstå udfordringer.

Self-service BI er naturligvis et vigtigt og potent begreb og virkemiddel til at blive en (endnu mere) datadrevet organisation. Men det skal foregå med de rette forudsætninger og under de rette forhold. Dette berører vi i et andet indlæg.

Fælles dataplatform

En central og fælles dataplatform, ofte i form af et Data Warehouse er grundessensen i opbyggelsen af en datadrevet struktur og kultur.

Et Data Warehouse er en optimal løsning med hensigt på at samle de vigtigste data, interne såvel som eksterne og on-premise såvel som cloudbaseret. Meningen er således, at forbrugerne af data kan tilgå de data som de har brug for og har fået adgang til. Ligeledes sikres det samtidig, at data findes i en begrebsmodel der giver mening for forbrugeren, og der endvidere dannes en forretningslogik der afspejler – ja netop… forretningen.

Bygges det rigtigt er et Data Warehouse lig med hurtigt adgang til viden, indsigt og beslutningskraft. Noget som de operationelle systemer (eksempelvis ERP systemet) ofte ikke kan imødekomme. Alle har sikkert erfaringer med at ERP systemet ”sløves” og ”udfordret”, når der skal hentes data ud. 

Idéen ved netop at akkumulere data på tværs, og opnå en fælles accept og forståelse af forretningslogikken, nedbrydes Self-service BI anarkiet, hvorfor det samtidig skal forståes og accepteres at skabelsen af et Data Warehouse ikke er en teknisk øvelse, men en øvelse der sker med afsæt i forretningen og dennes ønsker, krav og udfordringer.

Self-service BI på den fede måde

Self-service BI giver helt sikkert også fordele i forhold til hurtig vidensdeling. Men det handler stadig om at indsamle, kvalitetssikre, berige og bearbejde data inden for en godkendt og understøttet ramme og arkitektur, inden slutbrugerne og beslutningstagerne bliver sluppet løs.

Der findes et væld af Business Intelligence-værktøjer, der kan afhjælpe visualiseringen af de rette KPI’er gennem interaktive analyser, rapporter og dashboards. Hver enkelt løsning har forskellige områder og funktionaliteter, de udmærker sig på. Man skal gå efter en løsning, der støtter op om forretningsmodellen. 

Med et Data warehouse og et brugervenligt ”self-service BI" værktøj eliminerer man risikoen for, at situationen på morgenmødet som driftslederen beskrev indledningsvist opstår.

Én fælles dataplatform og en ensartet forretningslogik gør således op med mavefornemmelser og glaskugle profetier.  

Relaterede blogs