Smart bruk av data og datadrevne organisasjoner

Mange virksomheter har tydelige ambisjoner om å ta digitaliseringen et steg videre og bli datadrevne organisasjoner. Smart bruk av data er en forutsetning for dette. Skal man lykkes med dette er det nødvendig med en god arkitektur og stålkontroll på egne data. Uten dette er de reelle alternativene å ikke gjøre noe eller å bygge opp atter nye siloer.  

Tradisjonelt har det vært et skille mellom analytiske og operasjonelle IT-systemer. Operasjonelle systemer har vært sentrale for å gi systemstøtte til definerte forretningsprosesser. Fra et dataperspektiv har operasjonene man har gjort på dataobjekter i hovedsak vært enkle create, read, update, delete (såkalte CRUD) operasjoner gjennom veldefinerte APIer. De analytiske systemene har ofte vært separate og hovedsakelig blitt benyttet til rapporteringsformål for å gi svar på spørsmål som “hvor mye solgte vi for siste måneden”. Disse systemene har vært bygget på datavarehusløsninger med kopier av transaksjonsdataene tilpasset rapporteringsformål. Utfordringen med dette skillet kommer når man ønsker å ta digitalisering enda et steg videre mot mer automatisering, og når det i virksomhetsstrategien står at man skal bli en datadrevet organisasjon.

Hva er en datadrevet organisasjon?

Å være en datadrevet organisasjon betyr i praksis at man er i stand til å bruke data på en smart måte. Enkelt sagt kan smart bruk av data kategoriseres som følger:

  1. Skape bedre tjenester for kunder og sluttbrukere. Et eksempel på dette er hva Spotify gjør ved å skreddersy spillelister med relevant musikk for hvert enkelt individ basert på hva de har hørt på tidligere. Vi som kunder av Spotify får en bedre tjeneste noe som øker sannsynligheten for at vi også neste måned vil betale abonnementet hos dem.  
  2. Automatisere prosesser ved bruk av data. Et eksempel på dette er automatisering av saksbehandlingsprosess for lånesøknader som oppfyller bestemte kriterier. Ved å helautomatisere enkelte søknader reduseres både tiden det tar for søkere å få svar, som vil kunne gi mer fornøyde kunder, samtidig som det tar bort rutinepreget arbeid hos saksbehandlere som både vil kunne redusere kostnader og gjøre arbeidshverdagen til saksbehandlere mer interessant.
  3. Bruke data operasjonelt for beslutningsstøtte. Et eksempel på dette kan være produksjonsplanlegging basert på forventet etterspørsel. Gjennom bruk av gode prognoser på forventet etterspørsel vil man ha et bedre beslutningsgrunnlag for å planlegge produksjon for en bestemt periode.

En fellesnevner for alle disse tre bruksområdene er at det handler om noe mer enn enkle lese- og skriveoperasjoner til og fra en database ved bruk av APIer, og bruken av data går som oftest rett inn i kjerneprosessene til en virksomhet. I tillegg ligger det avansert dataanalyse i bunn for å kunne gjennomføre denne type løsninger, og resultatene av analysene må operasjonaliseres til en prosess eller en tjeneste på toppen.

Dette stiller andre krav til både kompetanse, teknologi og data enn det man tradisjonelt tenker ved utvikling og forvaltning av operasjonelle systemer, og data må ha en mer fremtredende plass. I tillegg får innføringen av nye løsninger en ekstra dimensjon hvis det ligger en analytisk modell i bunn som det er krevende å forstå logikken til.

Hva kreves for å lykkes?

Roma ble ikke bygget på én dag. Det samme gjelder for det å bygge en datadrevet organisasjon. Det er derfor nødvendig å angripe dette fra flere hold og sørge for riktig kompetanse underveis. Noen av områdene vi mener er sentrale for å lykkes er følgende:

  1. Tydelig fokus på å løse et faktisk problem. Dette er generell beste praksis, og ikke unikt for denne typen løsninger. Start med verdikjeden/prosessen som er problematisk og fokusér på det du ønsker å oppnå med å endre denne. Disse elementene må kobles på problemet du skal løse og ikke motsatt. Her er virksomhetsarkitektur en viktig disiplin for å støtte opp rundt dette og sørge for at forretningsbehov og løsning henger sammen.
  2. Tverrfaglighet i produktteam og utviklingsteam. Tverrfaglighet i denne sammenheng treffer på to ulike måter. For produktteamet er det viktig å sørge for tett involvering med forretningssiden for å sørge for at man faktisk løser riktig problem og ha muligheten til å endre kurs underveis. Her vil beste praksis med agil utvikling stå sentralt. For utviklingsteamet er det nødvendig at data engineers og data scientists arbeider tettere med applikasjonsutviklere slik at man sørger for å dekke både den operasjonelle og den analytiske siden. Videre er det greit å være klar over at utviklingsmetodikken også må tilpasses noe. Det er en grunn til at DataOps er noe litt annet enn DevOps. 
  3. God informasjonsarkitektur, data governance og eierskap av data. Det første steget er at organisasjonen må forstå at applikasjon og data er to ulike ting og at disse må dekobles. Å være applikasjonseier for CRM systemet er noe annet enn å være dataeier for kundedomenet! Spesielt innenfor dette området er det relevant å se til prinsippene som ligger til grunn for data mesh. En god informasjonsarkitektur og god data governance står derfor sentralt for å lykkes med dette. 
  4. Moderne dataplattformer. En av utfordringene mange virksomheter vil ha med å frakoble data og applikasjon ligger i det faktum at mange systemer man benytter “låser ned” data i applikasjonen i en proprietær datamodell som det er krevende å hente data ut fra. Én måte å angripe dette på er gjennom moderne dataplattformer (må ikke forveksles med tradisjonelle datavarehus). Denne type løsninger (som ofte er skybasert) vil kunne være en muliggjører for enklere deling av data på tvers i organisasjonen og for å analysere dataene. Skyarkitektur og dataplattformarkitektur blir her viktig kompetanse. 

En god arkitektur som ivaretar organisasjon, prosess, data og teknologi står derfor sentralt i å bygge en datadrevet organisasjon og en datadrevet organisasjon er nødvendig for å ta digitalisering et steg videre. Alternativet til dette blir da enten at man ikke gjøre noe fordi det blir for dyrt eller at man bygger opp enda et sett med løsninger på siden der man risikerer å øke kompleksiteten og kostnadene ytterligere.

Dette er et tema vi brenner for og vi tar veldig gjerne en prat hvis det er noe du ønsker å diskutere med oss.

Legg inn en kommentar

%d bloggere liker dette: