Derfor er intelligent styring efter data vigtigere end nogensinde!

Hos Fellowmind har vi mange forskellige kunder i mange forskellige brancher hvor succeskriterier, pains og målepunkter kan være meget forskellige.

Men én ting er sikkert i disse tider – der er et konstant behov for at vide hvordan det går og om man er på rette vej. Der er behov for let og intelligent rapportering til de forskellige interessenter der skal være klar til at træffe beslutninger omkring både taktisk retning og operationelle handlinger i det daglige.

Specielt de taktiske tiltag er noget der fylder meget da det eksempelvis kan være beslutninger om fyringer af medarbejdere eller nedlukning af afdelinger som, af ufatteligt mange grunde, er en kedelig beslutning at skulle tage for en virksomhed uagtet størrelse.

Vi skal altså konstant være klar til at træffe afgørende beslutninger i virksomhederne for at kunne overleve og vi skal kunne træffe dem hurtigt, men på hvilket grundlag? Hvad hvis vi træffer de forkerte belsutninger på mavefornemmelser og ender med et fyre medarbejdere, der måske ikke skulle fyres?

I Fellowmind lever vi af at give virksomheder muligheden for at levere handlingsmæssige råd internt igennem data og intelligent rapportering. Vi oplever ligenu et stigende behov for at kunne få indsigt for at kunne navigere i denne ”tåge”. Heldigvis for det.

Finanskrisen – tilbageblik og sammenligning med med afsæt i Hottinger, Brüel og Kjær

For ca. tolv år siden, i takt med den økonomiske recession ved finanskrisen, reducerede mange virksomheder omkostninger på tværs af organisationen. Det var et spørgsmål om at identificere de drivere der var afgørende for at holde virksomheden kørende og identificere de områder der kunne skæres i.

Det samme har gjort sig gældende her under nuværende “sundhedskrise”, hvor mange virksomheder desværre har været tvunget til at skære i omkostningerne og i flere tilfælde afskedige medarbejdere.
Men hvor skal man skære og hvor meget skal man skære? Det er store og afgørende spørgsmål der kræver den rigtige indsigt i forretningen.

For Hottinger, Brüel og Kjær (HBK), der er et dansk multinationalt ingeniør- og elektronikfirma med hovedsæde i Nærum nord for København, har indsigt i virksomhedens tal og data været afgørende for at kunne navigere igennem sundhedskrisen. HBK er kommet godt igennem sundhedskrisen indtil nu og har undgået i panik at skære unødvendigt i omkostninger.

Fik Fellowmind til at bygge ny BI-platform

HBK igangsatte i 2019, i samarbejde med Fellowmind, et BI-projekt med henblik på fælles rapportering for at få den forretningsmæssige indsigt og for at kunne kigge på den kommercielle struktur og styring.

Da sundhedskrisen blussede op, var data heldigvis på plads og skabte et godt fundament sammen med muligheden for at kunne arbejde hjemmefra med Teams og dermed være datadrevne fra start. Der har simpelthen været et konstant behov for at kunne styre efter data og ikke mavefornemmelser ifølge Jonas Toft Olesen, IT Chef. Tallene har været korrekte pga. datavarehuset og det har gjort at alle nu stoler på dem og derfor tør bruge dem som beslutningsgrundlag.

Generelt mener Benjamin Hayta Bokhari, Head of Business Intelligence hos HBK, også at brugen af data i krisetider er vigtigere end normalt. Det er vigtigt med hurtig adgang til data – data der også skal være korrekt og struktureret. Benjamin tilføjer at der i krisetider ofte er større fluktuationer og det derfor er vigtigt hurtigt at kunne se mønstrene og tendenserne i data, så man kan reagere på det.

Specielt styring efter pipeline har været vigtigt det sidste år ifølge Benjamin, der mener at et godt BI-system giver den optimale mulighed for at få overblik over hvad der er på vej ind af nye sager som man så derefter kan produktions-planlægge efter. Derfor er frekvensen af data vigtig. Det er vigtigt løbende at kunne simulere forskellige udfald ved forskellige scenarier og se hvordan disse påvirker pipelinen. Det kan man med et BI-system.

Ifølge Benjamin var styring efter data også afgørende under finanskrisen og der er grundlæggende ikke så stor forskel på behovet for korrekt data nu og dengang. Den grundlæggende tankegang omkring BI har ikke ændret sig. Den store forskel består i de teknologiske muligheder, der i dag er meget anderledes. BI-løsninger i dag er bedre og lettere at arbejde med for at kunne dele data i en organisation.

Den største forskel er time-to-play. Det er blevet lettere i dag at rulle en BI-løsning ud. Denne fleksibilitet havde man ikke for 10-12 år siden. Værktøjerne er blevet bedre i dag. Dette bakkes op af Jonas der mener at værktøjerne er blevet bedre og specielt muligheden for hurtig scenarie-planlægning og det at man selv kan ændre ting hurtigt, er den store ændring siden finanskrisen.

Det moderne BI-system skal være skalerbert – og brugbart!

I forbindelse med gode råd fra Benjamin er agilitet og automatik afgørende. Det er vigtigt at skabe et BI-system der er skalerbart og samtidig kan forstås og bruges af hele organisationen. Det vil blandt andet, helt teknisk, betyde at der skal være mulighed for at tilføje flere kilder løbende og danne flere rapporter uden at skulle ulejlige eksterne konsulenter konstant.

Med hensyn til eksterne konsulenter har Fellowminds støtte og hjælp været essentiel og specielt ved rådgivningen ifm. udvikling, har PA været uundværlige. Ved valg af BI-leverandør er rådgivning ifm. løsningens arkitektur og selve projektledelsen vigtig i følge Benjamin.

Nu skal HBK videre og resten af forretningen skal styre efter data i endnu højere grad. Specielt i operations hvor man måler på andet end penge, udtaler Jonas. Fremover vil Benjamin også gerne gøre brug af eksterne data som f.eks markedsdata så det bliver muligt at kombinere interne og eksterne data.
Det er altså ligeså vigtigt at opretholde samme momentum omkring intelligent styring efter data nu som under finanskrisen.

Intet er ændret i denne henseende og krisen, uden at komme ind på det i detaljer, kan måske have lige så store samfundsmæssige konsekvenser. Forskellen er at langt flere virksomheder nu har opbygget en dedikeret business intelligence funktion der kan levere tal og analyser.

Men hvordan skal man overordnet fokusere ved opbygning af et nyt BI-system og hvordan skal man gå igang?

Det er selvfølgelig er enormt svært spørgsmål og noget der ikke er et entydigt svar på der dækker alle forretninger. Det kræver naturligvis en forretningsanalyse inden man kan gå igang med et rigtigt BI-projekt.

Men skal man svare på det overordnet, så må det være et spørgsmål om at finde overordnede områder man kan lave en BI-strategi ud fra for at anvende den fulde kraft af den forretningsinformation data kan levere.

Overordnet kan man starte med tre grundlæggende områder at stille spørgsmål ud fra;

1. Indsamling af data (og kvaliteten af data..)

a. Hvordan indsamler man data nu?
b. Er denne metode korrekt og er der risiko for at der kan ske fejl i processen?
c. Kører den automatisk eller skal medarbejdere opdatere tunge Excel-ark og videresende data derfra?
d. Hvor ofte bliver data indsamlet og er dette acceptabelt?
e. Er der reelt 1 sandhed omkring data og de tal der bliver sendt videre til analyse?

2. Analyse af data

a. Hvad måler man på og er dette de rigtige tal/KPIer?
b. Er der behov for at måle på flere områder og nye parametre?
c. Er analyseplatformen let at arbejde med så man hurtigt kan tilpasse den efter behov?
d. Hvem analyserer data og er de farvet af egne holdninger og skal disse medarbejdere aktivt lave udregninger eller andet for at danne analyser?
e. Dannes der automatisk og løbende analyser der sendes ud? Og til de rigtige?

3. Handling på baggrund af data

a. Bliver der automatisk sendt info ud omkring handlinger på baggrund af analyserne?
b. Bliver disse anbefalinger til handlinger sendt hurtigt nok ud eller skal der medarbejdere til at danne handlingerne?
c. Hvordan følges der op på disse handlinger?
d. Kommer der automatisk svar tilbage når der er sket ændringer på baggrund af de dannede handlinger i det operationelle?

Ovenstående områder kan måske give et bud på hvor man overordnet er datamæssigt og hvor man kan overveje at starte.

Næste skridt – Integrering af data for at forstå indtægtsdrivere og kunne fokusere ressourcerne effektivt

Når man som virksomhed mener at man har strukturen på plads mht. indsamling af data, man er i stand til at lave de korrekte analyser og deraf udsende brugbare handlinger og anbefalinger, så kan man starte det reelle optimerings- og beslutningsarbejde.

Derefter handler det i bund og grund om at maksimere indtægterne ved at identificere de drivere der skal til for at øge salget ved at vurdere og evaluere processerne omkring kunderne. Der kan blandt andet, med et moderne BI-setup, laves automatiske anbefalinger omkringer hvilke kunder der er i risikozonen for at churne – og af hvilke årsager.

Derudover selvfølgelig også optimeringsarbejde ifm. produktionsapparatet og de omkostninger der ligger dér.
For at komme hurtigt videre kan man bruge sine data indenfor 2 overordnede områder for at komme videre med dette:

1. Effektivicering af ressourcer. Start med at identificere hvilke afdelinger og tiltag/evt. projekter, der fungerer dårligt og fastlæg, hvor udgifter skal reduceres. Brug data og de (korrekte) analyser til at tilpasse og korrelere.

2. Forudsigelse. Når de interne ressourcerne er tilpasset og optimeret er det tid til at se fremad (både på helt kort og mellemlang sigt) for at forudsige tendenser i udbud og efterspørgsel som virksomheden skal tilpasse sig. Her bruges også data og viden om kunderne og deres adfærd etc.

Indsigt over instinkter og mavefornemmelser

Ovenstående områder er ”høj-niveau” generelle anbefalinger der illustrerer hvor vigtig databaseret beslutningstagning er for virksomheder for at trives under udfordrende forhold som under en krise.
Dog er det ligeså vigtigt at huske på at enhver virksomhed, uanset branche eller størrelse, kan fejle, når data ikke bliver brugt og ikke kommer videre fra computeren til de rette ledere og modtagere der skal træffe beslutningerne.

Derfor er ”user adoption” og evnen til at få data ud og leve i organisationen ligeså vigtig og kan naturligvis bremse alt udvikling skabt af et intelligent BI-setup.
Sidste anbefaling må derfor være at sikre sig at have helt styr på interessenterne internt og sikre at de rette medarbejdere og ledere er med i processen.

Tankerne i denne artikel er kun et simpelt overblik over hvilke områder man kan tage fat i for at lave en intelligent analyse-løsning og samtidig hvad der sker, når ledere undlader at udnytte indsigt fra data og træffe beslutninger baseret på andre kriterier.

Der er naturligvis enormt mange aspekter og vigtige områder der skal håndteres korrekt i denne proces, men overordnet håber jeg at der nu er skabt bedre overordnet forståelse for hvorfor styring efter data er vigtigere nu end nogensinde.

I disse turbulente- og usikre tider kan det måske endda svare sig at bruge endnu mere tid på analyse og identificering af muligheder istedet for at agere kortsigtet, pragmatisk og tro at man bare skal presse mere og mere på og håbe på det bedste..

Rigtig god arbejds- og datalyst.