En god datastrategi er en viktig suksessfaktor for virksomheter som ønsker å bli datadrevne. Data og teknologi er blant de viktigste driverne for innovasjon og konkurransekraft, og de mest...
En god datastrategi er en viktig suksessfaktor for virksomheter som ønsker å bli datadrevne. Data og teknologi er blant de viktigste driverne for innovasjon og konkurransekraft, og de mest fremtidsrettede selskapene bruker data aktivt til å forbedre prosesser og utvikle nye forretningsmodeller.
Samtidig mislykkes mange virksomheter med å realisere verdien av dataene sine. De samler inn store mengder data uten en tydelig plan for hvordan de skal brukes, eller blir overveldet av mulighetene og kommer aldri ordentlig i gang. Resultatet er at datainitiativer ofte ikke lever opp til forventningene og verdifulle ressurser går til spille.
Kort fortalt er en datastrategi en plan som kobler forretningsmål og teknologi for å hente ut verdi fra data. Den hjelper deg å prioritere og forstå hva som kreves for å lykkes fra valg av teknologi og infrastruktur til organisering, kompetansebygging og styring. En god datastrategi sikrer at alle datatiltak støtter virksomhetens overordnede mål.
Uten en helhetlig strategi ender mange opp med tilfeldige eller silopregede initiativer, ofte drevet av enkeltavdelinger. Det undervurderes hvor mye som kreves av kompetanse, investeringer og endringsledelse for å skape faktisk verdi.
I denne artikkelen forklarer vi hvorfor datastrategi er avgjørende for moderne virksomheter og gir deg en steg-for-steg modell for hvordan du kan utvikle og implementere en strategi som fungerer i praksis. Vi ser også på vanlige fallgruver og hvordan du unngår dem.
En god datastrategi sikrer at man tar utgangspunkt i forretningsmålene og ikke i dataene i seg selv. Altfor ofte ser vi at virksomheter enten samler inn data uten et klart formål, eller lar seg bli overvelde av alle mulighetene og kommer aldri ordentlig i gang. Ingen av delene gir ønskede resultater.
I stedet bør man starte å spørre seg selv hva man ønsker å oppnå og hvordan kan data hjelpe oss dit? Målet er ikke å samle mest mulig data, men å definere hvilke data som faktisk trengs for å nå konkrete mål og hvordan de kan omdannes til innsikt og verdi.
En datastrategi skaper felles retning og tydelige prioriteringer. Den sikrer at dataarbeidet forankres i ledelsen og på tvers av organisasjonen, slik at man unngår isolerte prosjekter i enkeltavdelinger eller IT alene. Når ledergruppen eier datastrategien, sender det et sterkt signal om at data er en strategisk ressurs og det gir bedre forutsetninger for nødvendige investeringer og endringsprosesser.
I tillegg reduserer en god datastrategi risiko og sikrer etterlevelse. Med økende krav til personvern, datasikkerhet og regulering (som GDPR) er det avgjørende å ha kontroll på dataflyt, eierskap og kvalitet. En helhetlig strategi gjør at disse hensynene tas på alvor fra starten av og reduserer faren for dyre feil og regulatoriske sanksjoner.
Nedenfor presenteres en modell i seks steg for å utvikle og iverksette en datastrategi. Modellen dekker hele løpet fra initielle forberedelser til kontinuerlig forbedring. Hvert steg involverer både forretningsmessige og tekniske vurderinger, og sammen sikrer de at strategien blir helhetlig og gjennomførbar.
Først må man definere hvorfor man trenger en datastrategi. Start med forretningen og identifiser virksomhetens overordnede mål, prioriteringer og utfordringer. Hva ønsker ledelsen å oppnå de neste årene? Hvilke problemer skal løses?
Deretter formuleres en visjon for hvordan data og analyser skal bidra til å realisere disse målene Visjonen kan for eksempel være å "bli en datadrevet organisasjon der beslutninger tas basert på innsikt" eller mer konkret "utnytte data for å forbedre kundeopplevelsen på tvers av alle markeds kanaler".
En god visjon bør være ambisiøs, men samtidig konkret nok til å gi tydelig retning for arbeidet.
I dette steget er det også avgjørende å sikre forankring hos ledelsen og andre nøkkelpersoner. Støtte fra ledelsen er en forutsetning for å lykkes, og datastrategien bør eies som et felles initiativ og ikke som et isolert prosjekt. Etabler gjerne en styringsgruppe eller “champion-gruppe” med representanter fra både forretning og teknisk. Klargjør roller og ansvar tidlig da tydelige eiere og involverte interessenter i startfasen øker både forpliktelsen og sannsynligheten for vellykket gjennomføring.
Neste steg er å få oversikt over dagens situasjon, også kalt en datamodenhetsvurdering eller nåsituasjonsanalyse. Dette innebærer å kartlegge hvilke data virksomheten har, hvor de lagres, hvordan de flyter mellom systemer, og i hvilken grad de faktisk brukes i beslutningsprosesser. Vurder også kvaliteten på dataene for å forstå om de er pålitelige, oppdaterte og konsistente. Undersøk dagens teknologi og analyseplattform for å se om dere harriktige verktøy for integrasjon, lagring og analyse. Hvordan er den interne kompetansen når det gjelder dataforståelse og innsikt? Det kan være nyttig å intervjue nøkkelpersoner på tvers av avdelinger for å avdekke både tekniske utfordringer (som manglende integrasjoner, datasiloer eller utdatert infrastruktur) og forretningsmessige utfordringer (som udekkede rapporteringsbehov, treghet i tilgang på innsikt osv.).
Jo mer konkret og ærlig dette bildet er, desto lettere blir det å se hva som faktisk må forbedres.
Ofte avdekkes det et gap mellom ambisjon og virkelighet, mange virksomheter ønsker å være datadrevne, men bruker data kun sporadisk. De sier kanskje at “data kommer først”, men i praksis mangler de tid, ressurser eller en kultur som støtter dette.
Med visjonen og nåsituasjonen klart for dere, er neste oppgave å beskrive et ønsket målbilde. Hvordan skal data benyttes og forvaltes i fremtiden for å støtte virksomhetens mål? Her er det viktig å være konkret innen flere områder:
Det kan være lurt å dokumentere målbildet både skriftlig og visuelt, for eksempel som en målarkitektur eller et konseptuelt oversiktskart slik at det kan kommuniseres bredt og skape felles forståelse. Målbildet bør være ambisiøst, men samtidig realistisk og forankret i virkeligheten. Det skal bygge bro mellom nåsituasjonen (fra steg 2) og forretningsmålene (fra steg 1), og danne grunnlaget for en gapanalyse. Denne analysen gjør det tydelig hvilke kapabiliteter som mangler i dag for å realisere visjonen og legger grunnlaget for prioriteringene i neste steg.
Når målbildet er definert vil det ofte resultere i en rekke nødvendige initiativ og tiltak. Disse kan være både teknologiske, som å etablere en ny lagringsløsning, implementere analyseverktøy eller forbedre datakvalitet eller og organisatoriske, som å ansette nøkkelpersonell, endre arbeidsprosesser eller etablere tydelige roller for dataeierskap.
I dette steget handler det om å prioritere tiltakene og samle dem i en helhetlig plan, også kjent som et veikart.
Start med å vurdere hvert tiltak basert på forretningsverdi og gjennomførbarhet. Hvilke initiativ gir størst effekt raskt? Hvilke er avhengige av at andre tiltak er på plass først? Det kan være nyttig å klassifisere tiltakene i kategorier som “kritisk”, “viktig”, “høy verdi”, “lavthengende frukt”, “strategisk” og “langsiktig”. Uansett hvilken metode man bruker, må det være en tydelig kobling tilbake til virksomhetens mål og tiltak som ikke støtter strategiske prioriteringer bør revurderes.
Dersom målet er å forbedre kundetilfredshet, vil eksempelvis initiativer knyttet til bedre kundedata og innsiktsverktøy ofte prioriteres høyt.
Når tiltakene er vurdert og prioritert, utarbeides et veikart med et tidsperspektiv på 1-3 år. Veikartet deler implementeringen inn i faser, og skaper struktur i gjennomføringen.
I første fase, kort sikt (0-6 måneder) bør fokuset være på raske gevinster som er tiltak som både bygger et fundament og gir synlig fremdrift. Dette kan være å rydde opp i kritiske datakilder, som kundedata eller salgsdata, eller å utvikle en første Power BI rapport for en avdeling. Det kan også innebære valg og oppsett av sentrale verktøy for analyse, integrasjon eller datalagring.
I mellomlang sikt (6-18 måneder) er målet å bygge videre på dette fundamentet med tiltak som gir bredere effekt. Her kan man for eksempel integrere flere kildesystemer, automatisere mer datalast, rulle ut BI verktøy til flere deler av organisasjonen, og etablere standardiserte nøkkeltall og felles dimensjoner for å sikre konsistent rapportering og analyse på tvers.
I den langsiktige fasen (18+ måneder) handler det om å modne den datadrevne satsingen og hente ut de større gevinstene. Dette kan inkludere utvikling av prediktive modeller og avanserte analyser, etablering av selvbetjente analyseverktøy, og styrking av datakulturen gjennom kontinuerlig opplæring og støtte. På dette nivået handler det om å gjøre datadrevne beslutninger til en naturlig del av virksomhetens arbeidsmåte.
For at veikartet skal være realistisk og gjennomførbart, må avhengigheter mellom tiltakene synliggjøres. Det bidrar til at rekkefølgen gir mening, og at man unngår å “bygge taket før grunnmuren”.
Resultatet av dette steget skal være et konkret dokument som tydelig viser hva som skal gjøres når, og hvem som har ansvar. Planen bør også inneholde estimater for ressurser og investeringer per tiltak. Ved å ha et slikt veikart, unngår man at datastrategien blir værende på papiret, men man har i stedet et tydelig kart for gjennomføring. Husk også å definere suksesskriterier eller KPI-er for hvert initiativ der det er relevant, slik at effekten kan måles og følges opp i etterkant.
Når planverket er på plass handler neste steg om å sette strategien ut i livet. Dette innebærer å gjennomføre de prioriterte tiltakene i veikartet, enten det er teknologiske prosjekter, prosessforbedringer eller kompetansetiltak. For å lykkes i gjennomføringen er det viktig å ha oppmerksomhet på flere sentrale områder:
Den siste og kanskje viktigste delen er å sikre at datastrategien faktisk leverer resultater og at arbeidet kontinuerlig forbedres. Dette steget handler om å gjøre datastrategien til en levende og pågående prosess og ikke et engangsprosjekt. Start med å definere et sett med måleparametere som viser fremgang. Dette kan være kvantitative måltall knyttet til forretningsverdi, som økt omsetning drevet av bedre analyse, reduserte kostnader som følge av automatisering, eller raskere time-to-market fordi innsikt er lettere tilgjengelig. I tillegg kan man måle mer kvalitative faktorer, som utvikling av datakultur ved for eksempel økt datakompetanse blant ansatte eller høyere andel beslutninger som støttes av data.
Videre bør det etableres en styringsgruppe for oppfølging. Gruppen kan for eksempel møtes kvartalsvis for å vurdere fremdrift og om tiltakene ergjennomført som planlagt? Har man realisert de forventede gevinstene? Hva fungerer godt, og hvor oppstår det utfordringer? Slike regelmessige gjennomganger gjør det mulig å fange opp avvik tidlig og iverksette korrigerende tiltak. Dersom datakvaliteten fortsatt er lav til tross for innsats, må det kanskje justeres på metodikken. Hvis verktøy ikke tas i bruk, kan det tyde på behov for bedre opplæring eller mer brukervennlige løsninger.
Kontinuerlig forbedring handler også om å følge med på hva som skjer utenfor sitt eget selskap. Teknologien utvikler seg raskt, og nye muligheter innen skyteknologi, kunstig intelligens og maskinlæring oppstår hele tiden. En moderne datastrategi bør derfor oppdateres jevnlig for å utnytte nye muligheter og for å møte nye krav.
Avslutningsvis bør man feire suksesser og synliggjøre verdien dataarbeidet har skapt. Det bygger intern motivasjon og forsterker støtten for videre satsing. En datastrategi er ikke en “lag og glem” plan, men et rammeverk virksomheten bruker aktivt for å styre utviklingen og skape varig verdi gjennom data.
Mange virksomheter begår de samme feilene når de forsøker å bli mer datadrevne. Nedenfor går vi nærmere inn på hver av disse og gir råd om hvordan de kan unngås:
Ved å være bevisst disse fallgruvene, kan virksomheten styre unna dem og lykkes med sin datasatsing. Oppsummert handler det om å holde fokus på forretningsverdi, sikre forankring i ledelsen, bygge et solid datagrunnlag og ikke minst ta vare på menneskene som skal bruke løsningene. Da øker sjansen betydelig for å lykkes med en datastrategi som faktisk gir resultater.
En god datastrategi er ikke lenger et “nice to have”, men det er en nødvendighet for virksomheter som ønsker å lykkes i en stadig mer datadrevet verden. I denne artikkelen har vi sett hvorfor datastrategi er viktig, og hvordan man steg for steg kan utvikle, implementere og følge opp en strategi som faktisk skaper verdi. Vi har også sett hvilke fallgruver som ofte står i veien for suksess og hvordan man kan unngå dem gjennom tydelig forankring, riktig prioritering og bevisst arbeid med kultur og kompetanse.
Dersom dere ønsker å realisere mer verdi fra data, og trenger hjelp til å utvikle eller videreutvikle datastrategien, kan dere avtale en uforpliktende samtale med Analysehuset. Med riktig veiledning og struktur kan man raskere gå fra ambisjoner til faktiske resultater og bygge en mer innsiktsdrevet og fremtidsrettet organisasjon.
