Data er det nye olie? Ikke nødvendigvis.
I årevis har vi hørt, at data er den mest værdifulde ressource i moderne virksomheder.
Virksomheder investerer i ERP-systemer, implementerer CRM, køber licenser til Business Intelligence-platforme, bygger datalagre og skaber endnu flere rapporter. De bruger hundredtusindvis, nogle gange millioner af kroner på infrastruktur, der skal hjælpe med at træffe bedre beslutninger.
Paradokset er, at på trods af disse investeringer fungerer mange organisationer stadig, som for årtier siden;
Sælgeren fører sit eget Excel-ark.
Lageret har separate opgørelser.
Marketing bruger andre data end salgsafdelingen.
Produktion rapporterer resultater i et andet system.
Ledelsen modtager fem forskellige rapporter fra fem forskellige kilder.
Som resultat har virksomheden enorme mængder data, men meget lidt viden.
Problemet er altså ikke, at virksomhederne har for lidt information. Problemet er, at de ikke kan forbinde og bruge den.
Data er ikke information
Det er en af de vigtigste forskelle at forstå.
Data er enkelte fakta.
Antal ordrer.
Fakturaens beløb.
Lagerbeholdning.
Leveringsdato.
Antal reklamationer.
Først det rette sammenspil af disse oplysninger gør det muligt at drage konklusioner.
Et højere niveau er viden, altså evnen til at svare på spørgsmålet: „Hvorfor skete det, og hvad bør vi gøre nu?”
Det er netop her, mange organisationer stopper halvt på vejen.
Hvad er et Data Silo?
Et af de største problemer i moderne virksomheder er såkaldte Data Silos, altså datasilos.
Det er en situation, hvor informationer findes i forskellige systemer og ikke er forbundet.
Et eksempel?
ERP-systemet gemmer oplysninger om ordrer.
CRM indeholder historik over kundekontakter.
Webshoppen har data om køb.
Marketingplatformen analyserer kampagner.
Lagersystemet administrerer lagerniveauer.
Hvert system fungerer korrekt.
Problemet opstår, når ingen af dem "taler" med de andre.
Virksomheden har alle nødvendige oplysninger, men kan ikke se det fulde billede.
ERP, CRM, BI... hvem er ansvarlig for hvad?
Mange bruger disse begreber i flæng, selvom de har helt forskellige funktioner.
ERP (Enterprise Resource Planning)
Det er et system, der styrer virksomhedens processer.
Det omfatter typisk:
- økonomi,
- regnskab,
- lager,
- produktion,
- indkøb,
- logistik,
- personale.
ERP står primært for den løbende håndtering af processer.
CRM (Customer Relationship Management)
CRM fokuserer på kundernes relationer.
Det gør det muligt at styre:
- leads,
- kontakter,
- tilbud,
- samarbejdshistorik,
- sælgeraktiviteter,
- kundeservice.
CRM er ansvarlig for salgsprocessen og opbygning af relationer.
Datalager (Data Warehouse)
Det er ikke endnu et operationelt system.
Det er et sted, hvor data fra forskellige kilder samles, organiseres og forberedes til analyser.
Det gør det muligt at sammenligne informationer fra mange systemer på én gang.
Business Intelligence (BI)
BI står for analyse af data.
Skaber rapporter.
Dashboards.
KPI'er.
Hjælper med at forstå, hvad der skete i virksomheden.
Men BI løser ikke problemet med dårlig datakvalitet eller spredning af data alene.
Hvorfor har virksomheder data, de ikke bruger?
Der er mange årsager.
Ofte møder vi flere af dem.
Data er spredt
Hver afdeling bruger sit eget værktøj.
Der findes ikke én sandhedskilde.
Data er ufuldstændige
Sælgere udfylder ikke CRM.
Medarbejdere noterer en del informationer uden for systemet.
Processen bliver ikke fulgt.
Data er inkonsistente
Den samme kunde optræder under flere navne.
Produkter har forskellige betegnelser.
Der mangler standarder.
Data er forældede
En rapport viser status fra en uge siden.
Og beslutningen skal træffes i dag.
Virksomheden indsamler alt
Det er en meget almindelig fejl.
Organisationen ophober enorme mængder information blot fordi den "kan". Ingen bruger dem senere.
Flere rapporter opstår.
Flere dashboards.
Flere diagrammer.
Og de vigtigste spørgsmål forbliver ubesvarede.
Hvad er Single Source of Truth?
Det er et koncept, der antager, at virksomheden har én troværdig datakilde.
Det betyder ikke ét program.
Det betyder, at uanset hvor du læser data fra, er informationerne konsistente.
Hvis salget var én million kroner, bør hver rapport vise samme beløb.
Uden at skulle spekulere over, hvilken tabel der er opdateret.
AI løser ikke rod
Det er en af de største myter de senere år.
Virksomheder antager ofte, at det er nok at implementere kunstig intelligens. - Det er det ikke.
AI kan analysere data.
Den kan opdage sammenhænge.
Den kan forudsige tendenser.
Men kun hvis den får data af passende kvalitet.
Hvis organisationen har inkonsistente oplysninger, vil algoritmer analysere... inkonsistente oplysninger.
Det vil kun skabe en mere avanceret version af forkerte konklusioner.
Derfor siger man: Garbage In, Garbage Out.
AI Analytics - hvad ændrer det?
Moderne analyse baseret på AI kan gøre meget mere end klassisk rapportering.
Den kan:
- opdage afvigende adfærd,
- forudsige salg,
- identificere kunder i risiko for at forlade virksomheden,
- forudsige efterspørgsel,
- opdage anomalier,
- anbefale handlinger,
- automatisk generere rapportopsummeringer.
Det er en stor forandring.
Men under én forudsætning.
Virksomheden skal først rydde op i sine data.
Hvornår giver et datalager virkelig mening?
Ikke alle virksomheder har brug for et stort datalager.
Hvis en organisation har få ansatte og bruger ét system, kan implementeringen være ubegrundet.
Situationen ændrer sig, når:
- flere afdelinger er i spil,
- mange systemer anvendes,
- data kommer fra forskellige kilder,
- rapportering tager mange timer,
- ledelsen har brug for tværgående analyser.
Så bliver et datalager ofte fundamentet for videre digitalisering.
Ofte begåede fejl
Den største fejl er ikke mangel på data.
Den største fejl er mangel på strategi.
Virksomheder gør ofte:
- køber flere systemer i stedet for at integrere eksisterende,
- skaber snesevis af rapporter, som ingen bruger,
- analyserer alt i stedet for de vigtigste KPI'er,
- implementerer AI uden at forberede data,
- har ikke ejere ansvarlige for datakvaliteten.
Hvordan forbereder man virksomheden?
Det er værd at starte med enkle spørgsmål.
- Hvor kommer vores data fra?
- Er de konsistente?
- Ved vi, hvilken version der er korrekt?
- Hvem er ansvarlig for deres kvalitet?
- Bliver alle rapporter faktisk brugt?
- Hjælper data med at træffe beslutninger?
Hvis det er svært at besvare nogle af disse spørgsmål, er det sandsynligvis værd at starte med at rydde op i informationerne, før organisationen går i gang med nye investeringer.
Hvordan gør vi det hos Web24?
I mange projekter viser det sig, at den største udfordring ikke er at skabe et nyt system.
Den største udfordring er at forbinde det, der allerede findes.
Vi integrerer ERP, CRM, webshops, B2B-platforme, lagersystemer og dedikerede applikationer, så data frit kan flyde mellem dem.
Først derefter kan man bygge moderne analyser, automatisere processer og udvikle løsninger baseret på kunstig intelligens.
For AI kan ikke erstatte en veludformet dataarkitektur.
Men den kan til gengæld udnytte dens potentiale fuldt ud.
Opsummering
Den største værdi i en virksomhed er ikke dataene selv.
Den største værdi er evnen til at bruge dem.
Virksomheder, der kan kombinere information fra mange kilder, sikre datakvaliteten og omsætte dem til praktiske forretningsbeslutninger, får en fordel, som ikke kan købes alene ved at købe endnu en softwarelicens.
I AI-verdenen vinder ikke dem, der har flest data.
De vinder, der ved, hvordan man gør brug af dem.
