Mengden tilgjengelige data er enorm og stadig økende. Flere og flere virksomheter anser data som en av sine mest verdifulle eiendeler. I utgangspunktet ligger alt til rette for å kunne skape verdi fra data. Teknologien er på plass, ressursene til stede, og behovet og muligheten venter på å bli tatt tak i. Likevel er det lett å sitte igjen med følelsen av at verdien man ønsker å skape fra data ikke lever opp til sitt fulle potensial. Kjenner du deg igjen? Du er i så fall ikke alene.

I 2019 predikerte Gartner at frem til 2022 vil kun 20 % av innsikten fra data og analyse produsere forretningsverdi. Etter mange år i fagfeltet har vi observert og vært i dialog med flere virksomheter som står i denne situasjonen. Det står ikke på ønske, viljen eller motivasjonen for å jobbe mer datadrevet, men den tydelige verdirealiseringen er det vanskelig å få taket på. Dette kan føre til svekket engasjement for data og analyse på sikt, både fra forretningssiden og det tekniske teamet. I tillegg blir det vanskelig å forsvare investeringene som gjøres på området når det ikke kan vise til konkrete resultater.

Det står ikke på ønske, viljen eller motivasjonen for å jobbe mer datadrevet, men den tydelige verdirealiseringen er det vanskelig å få taket på.

 

Vi i BearingPoint har erfart at ved å inkludere tre enkle prinsipper i arbeidsmetodikken for data og analyse løfter man verdien fra innsikt til et nytt nivå.

1. Størst dokumentert verdi = høyest prioritering

Ved utvelgelse av prosjekter eller oppgaver innen data og analyse finnes det mange måter å prioritere på. Det er de som roper høyest, de som meldte inn behovet først, det som virker kulest eller for eksempel det man tror er viktigst.

Et felles kjennetegn for de vi ser lykkes med verdirealisering av data- og analyseinitiativer er de som baserer prioriteringer på hvilken konkret verdi initiativet skal gi. Det er ikke nødvendigvis hensiktsmessig med et omfattende business case for ethvert initiativ, men det er viktig å dokumentere i korte trekk hvilken verdi analysen eller dataproduktet skal gi, enten kvantitativt eller kvalitativt, og hvordan den verdien er tenkt skapt. Dette vil sørge for at man får størst verdi i retur for den innsatsen som blir investert i tillegg til at det vil gi en bevisstgjøring for alle involverte av hvilken verdi man forventer at data- og analyseinitiativ skal produsere.

Et felles kjennetegn for de vi ser lykkes med verdirealisering av data- og analyseinitiativer er de som baserer prioriteringene sine på hvilken konkret verdi initiativet skal gi.

 

2. Forretningsimplementering som en del av prosjektløpet

I mange data- og analyseinitiativ er siste aktivitet i prosjektet en hand-over til sluttbruker eller bestiller. Dessverre ser vi ofte at sluttbruker ikke er klar til å ta i bruk den nye innsikten eller ikke vet hvordan forretningsprosessene kan tilpasses. Dette er ikke en uvanlig situasjon. En undersøkelse gjort av NewVantage i 2019 viste at 77 % av ledere sier at forretningsimplementering av data- og analyseinitiativ er en stor utfordring for deres organisasjon.


Figur: BearingPoints verdidrevne rammeverk for data- og analyseinitiativer

Ved å legge forretningsimplementering som en del av prosjektløpet (steg 8 - 10 i figuren over) sikrer man at det blir satt av tid og ressurser til å gjøre nødvendige justeringer i arbeidsmetodikk og -prosesser. I denne fasen er det viktig med et tverrfaglig samarbeid mellom ressurser med teknisk- og forretningskompetanse, slik at analysen eller dataproduktet blir forstått og tatt i bruk på riktig måte. Dette kan løses ved å ha kryssfunksjonelle team som også deltar i implementeringen av handlingen, og at teamet bestemmer og innfører målingsmekanismer for å evaluere om handlingen gir ønsket verdi. Dette vil øke sjansen for en vellykket operasjonalisering, og en forretningsside som er trygge på å ta i bruk ny innsikt.

Jobb iterativt. Dette virker sikkert kjent for de fleste, og kanskje du allerede gjør det. Prosjektene dine har etablerte rutiner for dialog med forretningssiden, og dere gjør kontinuerlige justeringer for å møte sluttbrukernes behov. Men er dette nok?

For å få størst verdi ut av data må en iterativ arbeidsmetodikk være en del av hele livssyklusen til data- og analyseinitiativer. Ved å måle effekten av den nye innsikten og kontinuerlig gjøre justeringer, sikrer man at analysen eller dataproduktet alltid er relevant for sluttbruker. Dette krever at man på forhånd har laget en plan for hvordan effekten av innsikten skal måles, har definert en eier av et hvert initiativ som kan beslutte eventuelle justeringer og har arbeidsprosesser som støtter en iterativ tilnærming.

For å få størst verdi ut av data må en iterativ arbeidsmetodikk være en del av hele livssyklusen til data- og analyseinitiativer.

 

Enkle justeringer, stor verdiøkning

Gjennom å gjøre noen enkle justeringer i måten det jobbes med innsikt på, kan man raskt og med lav investeringskostnad få økt verdi fra data og analyse.

Ønsker du en uformell og uforpliktende prat om hvordan en slik arbeidsmetodikk kan settes opp og tilpasses din organisasjon? Ta kontakt med en av våre eksperter på området.

Kontakt oss

Mari Reidulff
Leder Data Advisory
Email: mari.reidulff@bearingpoint.com
LinkedIn: linkedin.com/in/mari-reidulff-26916048

Erik Lohne
Partner Data & Analytics
Email: erik.lohne@bearingpoint.com
LinkedIn: linkedin.com/in/eriklohne

Would you like more information?

If you want to get more information about this subject please get in touch with our experts who would be pleased to hear from you.

Toggle search
Toggle location