Så här skapar du en datadriven organisation

Nyckelfrågor och -funktioner

De flesta organisationer, särskilt storföretag, investerar resurser i att samla in, lagra, säkra och analysera sin data. I en ny undersökning gjord av konsultföretaget Bain säger mer än två tredjedelar av de drygt 300 tillfrågade företagsledarna att deras företag gör stora investeringar i dataanalys. Fler än hälften förväntar sig även att investeringarna ska ge en ny slags avkastning.

Varför allt detta allvarliga fokus på data? McKinsey Global Institute säger att det är 23 gånger mer sannolikt att datadrivna organisationer får nya kunder, 6 gånger mer sannolikt att de behåller kunder samt 19 gånger mer sannolikt att de är lönsamma. Sådana referenspunkter och möjligheten att få affärsutvecklande insikter gör att företag som Charles Schwab, Jaguar Land Rover, Lenovo med flera använder data för att få omvälvande insikter. De insikterna genererar positiva resultat som förbättrat beslutsfattande, bättre affärsverksamhet och starkare kundengagemang.

Det är inte alltid helt enkelt att bli en datadriven verksamhet och förmodligen dyker det upp några hinder på vägen. Det beror på att det krävs mer än data och teknik för att göra en organisation mer framgångsrik. Det krävs en ny inställning och såväl ledning som medarbetare behöver anstränga sig. Ledningens stöd, flexibilitet och datakompetens krävs för att driva igenom förändring på ett effektivt sätt. Dessutom krävs en bred och aktiv community för att uppfylla att hela organisationens mission, mål och behov, både vad gäller processer och teknik.

Börja så här när du utvecklar en datadriven kultur

Organisationer bör fundera över dessa och andra frågor när de strävar efter en datadriven kultur – och se om de är redo att tänka, agera och uppföra sig annorlunda med data.

  • Vilken datastrategi har vi som organisation? Och om vi inte har definierat en strategi, eller definierat den dåligt, vilka problem har vi som kan lösas med data?
  • Förespråkar ledningen att data ska vara i fokus vid affärsbeslut?
  • Finns det någon uppfattning om vilken data som finns och litar människor på den?
  • Hur sofistikerade är våra datahanteringsmetoder och vilka resurser kan förbättra eller hjälpa organisationen att skala med tillförsikt?
  • Vilka processer bör vi förfina för att säkerställa att vi har en sund datakontroll?
  • Vilken datakompetens har medarbetarna? Finns det luckor i datafärdigheterna mellan olika nivåer?
  • Följer vi bästa praxis för analys? Om inte, vilka organisatoriska standarder bör vi upprätta för att se till att vi följer konsekventa praxis?
  • Har vi en stor intern community som redan engagerar sig, eller kommer att engagera sig, i att få andra intresserade av data och dess potential att påverka organisationen? Hur kan vi annars utveckla en?

Viktiga faktorer för en datadriven organisation

När du har gått igenom alla de här kritiska frågorna kommer du att vara ivrig att komma igång med att skapa en datakultur. Du kommer att ta dig an besvärliga affärsproblem, bland annat kundförvärv och -bevarande, fokuserad och effektiv marknadsföring, produktinnovation och -utveckling, kvalitetskontroll och -säkring med mera. Du får också en konkurrensfördel för framgång på såväl kort som lång sikt.


Se till att ledningen stödjer utvecklingen mot att bli en datadriven verksamhet

Det finns ett skäl till att bara 32,4 procent av cheferna säger att de har lyckats genomdriva en datadriven kultur rapporterar NewVantage Partners. Det krävs mer än bara teknik för att omvandlas till en datadriven organisation. Ledningen har en avgörande roll när det gäller att förespråka och organisera förändringen eftersom den kräver nya färdigheter, processer och beteenden för att stödja driftsättningen av en lösning för självbetjäningsanalys.

Om ledningen verkligen tror att alla anställda kan upptäcka nästa genombrott genom att avslöja avgörande insikter i data kommer följande steg att stärka deras organisations framgång när de omvandlar sin verksamhet:

  • Behandla data som kapital och prioritera att den används av alla affärsroller.
  • Förse alla med nyckelinformation som är i linje med deras arbetserfarenhet.
  • Tilldela resurser till ett projektteam som består av olika intressenter. Teamet ska fokusera på att skala analyslösningen och undersöka vilket stöd, vilken utbildning och vilken förändringsledning som krävs.
  • Inför en flexibel, lättanvänd, skalbar och styrd tekniklösning.
  • Erbjud formell och informell utbildning, utbildningsaktiviteter och mentorskap som förbättrar färdigheterna och kunnandet om hur man ska agera på data och maximera investeringar.
  • Belöna användande av data genom att ta med det i prestationsvärderingar och diskussioner om befordran.

Jaguar Land Rover gick över till datadrivna affärssamtal med sina högsta chefer genom att införa en analyslösning och insistera på att den skulle användas för all styrelserapportering. Efter mindre än ett år skapar och hanterar tre fjärdedelar av deras företagsgrupper sina rapporter från ett och samma ställe. Under samma tid har Jaguar Land Rover mer än fördubblat användningen av sitt datavisualiseringsverktyg och demokratiserat analys inom alla avdelningar.


Prioritera analyskompetens i hela företaget

Det krävs datakunnighet för att på ett skickligt sätt kunna analysera data i arbetet. Det räcker inte att bara ha rätt färdigheter, man måste även vara benägen att fatta datadrivna beslut istället för att lita på sin instinkt eller magkänsla. Organisationer som har en framgångsrik datakultur både anställer människor som har rätt färdigheter och benägenhet att fatta datadrivna beslut och hjälper befintliga medarbetare att utveckla sina analytiska färdigheter genom utbildning, frågestunder med mera.

Ett företag som regelbundet uppmuntrar och stödjer dem som utmanar status quo får mer målmedveten personal. Det blir naturligt att uppmuntra till att upptäcka och lösa saker med data. Självbetjäningsanalysen är en viktig del i att ge större utrymme för eget beslutsfattande. Företag som tillåter självbetjäningsanalys kommer så småningom märka att data blir en naturlig del i alla samtal eftersom de börjar och utvecklas kring frågor, undersökningar och aha-upplevelser.

Charles Schwabs analysanvändning sköt i höjden när de ändrade sitt sätt att stödja medarbetarnas dataanvändning. Från att tidigare bara ha haft åtkomst till datan kunde de nu analysera den. På 18 månader gick de från 6 000 till 16 000 användare (nästan 90 % av företaget) eftersom de investerade i utbildning och stöd till personalen. ”Vi utvecklade en metod som fungerar för såväl erfarna analytiker som nya användare och som driver den datadrivna kulturen framåt", säger Andrew Salesky, global datachef.


Skapa styrd dataåtkomst och förtroende hos användarna med hjälp av ett flexibelt ramverk.

Datasilor är vanliga i de flesta organisationer. Om driftsättningen vilar på ett tydligt och flexibelt ramverk för datahantering får du istället ren och pålitlig data som är klar att använda och som rätt människor kan komma åt.

Vad krävs för att lyckas? Balans mellan kontroll och frihet för användarna genom ett grundläggande ramverk som genererar en stabil, säker och pålitlig analysmiljö. Att organisationen utvecklar iterativa och repeterbara processer maximerar framgången före, under och efter driftsättningen. Men det är inte ett engångsjobb. Det är lika viktigt att IT leder löpande övervakning, utvärdering och underhåll för att bekräfta att analysresultaten stödjer affärsbehoven i takt med att de ändras och mognar. De behöver även fastställa att miljön är fortsatt säker för alla. Effekten brukar vara sparad tid och minskade kostnader, förbättrade affärsprocesser samt starkare relationer till kund och partner – samtliga höjer varumärkets anseende och slutresultat.

JPMC gick från IT-ägd till affärsägd självbetjäningsanalys för att hänga med i snabba förändringar inom branschen och optimera för företagets framgång. Eftersom det var en starkt reglerad miljö behövde IT först säkerställa en balans mellan dataåtkomst och efterlevnad i företagets styrning. JPMC införde Tableau som dataanalyslösning för hela företaget, med starkt stöd från gruppen av dataentusiaster (även kända som Center of Excellence (CoE)) och med IT som möjliggörare. Med nästan 30 000 användare inom olika grenar och mer än 500 affärsteam som fattar bättre, mer strategiska beslut är bankens hälsa mycket bättre.


Samla dataentusiaster i grupper för att få fler att använda analys

Gruppgemenskapen skapar ett nätverk av människor inom företaget som använder data för att dela och samarbeta. Om ledningen hjälper till genom att avsätta tid, plats och resurser så att alla kan förbättra sin datakompetens kommer den starka gemenskapen att lyckas. I gengäld kommer fler att använda och lära sig om analys eftersom de vet vilken styrka som finns i de insikter som upptäcks, på egen hand eller tillsammans. Dessutom minskar antalet datasilor, arbetet blir effektivare och företaget kan justera sina mätvärden bättre.

Det är nödvändigt att ha en ledare (eller grupp av ledare) för gemenskapen – någon som dokumenterar vilka resurser som krävs, som kopplar samman användare och som talar positivt om analys i hela organisationen, som gör data till ett samtalsämne. Interna datagemenskaper kan också frodas genom att ta kontakt med externa gemenskaper som delar samma passion för data.

Cargill drevs enligt en traditionell BI-modell men bytte till självbetjäning, vilket gjorde alla till ”gemenskapsmöjliggörare”. De jobbar nyfiket direkt med data och bjuder in andra att göra detsamma. Med inspiration från befintliga datagemenskaper utvecklade de en intern gemenskap med stöd av IT-avdelningen som ordnade Data Viz-utmaningar och andra aktiviteter för att höja kompetensen. Cargills analysgemenskap fyrdubblades i själva verket och tusentals anställda har upptäckt möjligheter för miljontals dollar.

Att bli datadriven är en gemensam resa

Ställer du dig fortfarande frågande till om det är dags att bli datadriven eller om det är rätt tillfälle att odla en datakultur? Kom ihåg att du inte är ensam om att anta utmaningen. Andra företag brottas med samma problem och har samma ambitioner. Med rätt stöd och uppmärksamhet från ledningen har de lyckats. De har varit flexibla med förändrade behov, investerat i rätt tekniklösning i kombination med definierade processer och utvecklat ett starkt fokus på de människor som definierar organisationens kultur.

”Ledande organisationer inom alla branscher använder data och analys som konkurrensvapen, operationella acceleratorer och innovationskatalysatorer”, förklarar Douglas Laney, chefsanalytiker på Gartner. De har tänkt igenom sina affärsmål, målsättningar och utmaningar och hur datahantering kan användas till dem. Deras förmåga och resultat är också bevis på vad som är möjligt när man låter data och analys bli fokus i en organisations strategi, processer och investeringar.

Läs mer om elementen i starka datakulturer och se hur du kan skapa en egen i den stegvisa guiden Tableau Blueprint.