26 august 2019
Det er veldig få organisasjoner som ikke har tenkt på datadrevet drift på en eller annen måte. Selv de som har bestemt seg for å utforske emnet for alvor, overvurderes som regel omfanget av endring som kreves for å ta i bruk data for å forbedre produktet, tjenesten eller driften. Samtidig blir tid, ressurser og grad av engasjement som kreves for å ta det digitale spranget ofte undervurdert.
Mange selskaper og organisasjoner har sterk kompetanse innen driftsrelatert analyse og produksjonsstyring. Når det kommer til å se mot nye typer forretningsområder, blir det fort spørsmål om digitaliseringsstrategien er tilstrekkelig for å føre organisasjonen mot målene.
Resultatene kommer ikke av seg selv
Mange organisasjoner har ledelsen i ryggen når det gjelder å eksperimentere innen kunstig intelligens og data. Likevel er eksperimenter dømt til å forbli nettopp eksperimenter med mindre det finnes en systematisk og, langsiktig forpliktelse til å sette prosjektene i normal drift.
Det må ligge til grunn et reelt behov for å gå over til å bli en datadrevet organisasjon. I tillegg til et sterkt forretningsfokus, viser erfaring at suksess ikke bare krever godkjenning fra toppledelsen, men også at toppledelsen inntar rollen som endringsleder.
Organiseringen av datastyringen er elementært. I en stor eller kompleks organisasjon eller i et økosystem, vokser mengden data raskt med et dertil økende behov for styring. Det er typisk å undervurdere hvor mye arbeid som er nødvendig for å samle inn og vedlikeholde data samtidig som man overvurderer kvaliteten på data organisasjonen har.
Det er også viktig å ha teknologikompetanse for å kunne vurdere den beste teknologien og hvorvidt denne svarer på organisasjonens behov. I starten på kan det derfor være fornuftig å få hjelp av en ekstern partner til å gjennomføre en innledende analyse som vurderer kompetansen og kulturelle forutsetninger for datadrevet drift i organisasjonen.
De ulike kompetansenivåene
Tradisjonelle informasjonssysytemer som ERP og rapportering defineres som inngangsnivået (nivå 0), hva angår datadrevet virksomhet.
Nivå 1 Identifisere gjennomførbarhetsbevis (PoC) for datadrevenhet og utnytting av kunstig intelligens. Databehandling går fra rapportering til analyse. Ledelsen er opptatt av endringen og krever en forutsigbar driftsmodell. I engasjementet ligger også viljen til å investere i endringen fremfor for flere eksperimenter.
Nivå 2 Datastyringsmodellen er på plass, datasjøer/-lagre er i bruk, analyser er bygget opp og prosessautomatisering ved bruk av kunstig intelligens er satt i gang. Toppledelsen leder forandringen. Nye typer av drift kan startes.
Nivå 3 Alle driftsprosesser er automatisert og medarbeideres innsats blir omdirigert fra rutineoppgaver til å håndtere unntak. Kunstig intelligens er i full bruk. Betydelig konkurransefordel blir realisert.
Nivå 4 Alle økosystempartnere er koblet med hverandre gjennom grensesnitt. I en ideell situasjon har organisasjonen skapt et økosystem og grensesnitt som blir en de facto standard for alle i bransjen.
De fleste organisasjoner er for tiden på nivå 1.
Å klatre er krevende
Fordelene begynner å materialisere seg på nivå 2, som beskrevet ovenfor. Å komme dit krever intensivt arbeid i to til tre år, kombinert med tilstrekkelige ressurser - i tillegg til ledelsesengasjement. Når organisasjonsstrategien, ledelsen og forretningsfokuset endres, er ofte spørsmålet “hva kan organisasjonen tåle på lang sikt?”
Gode eksempler på organisasjoner som har nådd nivå 2 finner du i Finland. Helsingfors og Uusimaa sykehusdistrikt (HUS) er et eksempel på en organisasjon på nivå 2 som har skapt et grunnlag for full utnyttelse av data og kunstig intelligens. To år med vedvarende utviklingsarbeid begynner å bære frukter. For tiden bygger organisasjonen et økosystem rundt helsedata, som allerede har tiltrukket seg store internasjonale aktører som ønsker å gjøre forskningsarbeid i HUS-miljøet.
Klassikeren "mye prat, lite handling"
Det er vanskelig å starte med datadrevet drift. Fordelene kan virke uklare, noe som gjør beslutningsprosessen vanskelig. Man spør seg «trenger vi dette, er nå det riktige øyeblikket, hva gjør konkurrentene, skal vi vente på at teknologien skal utvikle seg videre?» I tillegg kommer elementer som engasjement, tid, ressurser og relativt høye investeringsbehov inn i regnestykket.
Tieto har på plass nødvendig kompetanse og referanser som analyse- og transformasjonspartner for å utvikle datadrevet virksomhet. Utgangspunktet er vanligvis en organisatorisk modenhetsanalyse, der 50–100 mennesker blir intervjuet for å tydeliggjøre organisasjonens tankegang, kartlegge realistisk kompetanse og modenhet. Fokuserte eksperimenter brukes til å identifisere riktige «use cases». En interaktiv utviklingsmodell tas i bruk for å finne en formalisert og skalerbar metode slik at man kan utvikle en datastrategi og endringsvei.
Mange organisasjoner lurer på hva de skal gjøre. Vet du hvor organisasjonen din befinner seg i skalaen for datadrevet kompetanse?