Digitalisering är vår tids revolution, men det är data som möjliggör den.
Organisationer som är datadrivna tjänar mer, upp till 25% enligt vissa studier.
När det går bra är det enkelt att ta beslut på magkänsla, allt går ju bra. Men vad händer när det inte är lika enkelt? Och vad gör du när dina konkurrenter springer ifrån dig för att de vet bättre?
Med hjälp av data kan du få reda på vad som hände, varför, vad som borde hända och vad du borde göra.
Det enklaste sättet att bli datadriven, är att lära sig att använda data. För att en organisation ska bli datadriven behöver man applicera data-analys i alla processer och det enklaste sättet att göra det, är att lära sig hur man gör.
Vinster med datadriven
Vi har inte alltid jobbat och levt som vi gör idag. Idag ändras allt digitalt väldigt fort, men det är fortfarande vi människor som driver på förändringen. Att ta beslut på magkänsla fungerar bra ibland och det är ofta viktigt att följa sin intuition, men om man kombinerar dem med fakta, så tar man bättre beslut.
Data kan användas för att göra många typer av analyser och för att automatisera. Att kunna automatisera uppgifter som är repetitiva, tidskrävande och tråkiga för en människa är en stor vinst. För att kunna automatisera måste man förstå hur datat ska användas.
Data i en organisation
Enligt forskning är människor, kultur och processer de största barriärerna för att få till en data-driven organisation, något även vi kan skriva under på. Det är lätt att tänka att ”det där med data” ska lösas genom tekniska lösningar och visst är tekniken viktig, men det sägs att det vid misslyckande inte är på grund av bristande teknik utan att det beror på annat.
För att bli ett datadriven organisation behöver man alltså oftast genomgå en kulturförändring, men precis som all förändring måste man börja någonstans och visa vad det är. Bästa sättet, är att visa siffror på att det fungerar, men då måste man ju göra jobbet först.
Datamognad – börja fråga varför?
Det finns olika nivåer av mognad i datadrivenhet och man brukar dela upp det i två delar eller nivåer eller steg om man vill se det så.
På den första nivån jobbar man med primärt med rapporter och svarar på frågan ”vad hände?” Nästa nivå är att även svara på ”varför hände det?”. Dessa två delar tillhör det som kallas för Business Intelligence men delen med VARFÖR glöms ofta bort.
För att kunna svara på de mer avancerade frågorna ”vad kommer att hända” och ”hur ska vi göra?” behöver man arbeta med avancerad analys och till de behöver man oftast Data Scientists. För att man inom det avancerade ska kunna få bra resultat, behöver man lägga tid på det diagnostiska.
Några anledningar är att man 1) under diagnos identifiera viktiga datakällor 2) man får reda på vilken datakvalitet man har 3) man identifierar felkällor och kunskapsbrister 4) man catrar helt enkelt för det mer avancerade.
Man vill gärna direkt till det avancerade och det kan fungera med punktinsatser ibland, man kanske tar in en konsult eller så, men det funkar aldrig i det långa loppet. Det är lite som att gå in i extrem- träning och kost i nån månad, man får bra resultat, men det extrema är sällan hållbart och fungerar bara en stund. Vissa grejer måste man ändra på i grunden, och datadrivet är en sån sak.