Hur man blir ett datadrivet företag | Råd från ett proffs

Vad är företagsdata och varför är det så viktigt?

Med företagsdata avser man data som ett företag genererar, samlar eller köper och som kan användas för att skapa handlingsbara insikter. Företagsdata delas genom hela organisationen, vilket låter företaget vara mer förutseende och fatta smartare beslut.

Nuförtiden vill alla företag bli datadrivna och använda analyser när de fattar viktiga beslut, men så har det inte alltid varit. För inte så länge sedan förlitade sig företagen på erfarna ledare som skulle vägleda dem. Numera får de gott om hjälp. Genom att eliminera den bias som kvarstår efter tidigare erfarenheter så kan ”smarta” företagsdata hjälpa företag hitta en tydligare väg in i framtiden. 

Hur man blir ett datadrivet företag

Det finns fyra stöttepelare som alla framgångsrika datadrivna företag vilar på: 

• Datahantering

• Teknik

• Kunnig personal

• Företagskultur

Låt oss ta en titt på hur företag kan resa de här fyra pelarna och bygga en stabil grund för framgång.

1. Skapa en datahanteringsstrategi

Ett övergripande, inkluderande tillvägagångssätt är nyckeln till lyckad datahantering. Detta innebär att man inkluderar alla data man kan komma på, från personal och kunder till själva driften. Företag får inte ha tunnelseende – de måste ha ett brett och holistiskt tillvägagångssätt. 

Alla data bör anses vara viktiga. Till exempel så kanske antalet kunder som cyklar till jobbet verkar irrelevant, men om man tittar på det från rätt synvinkel så kan det ge insikter om arbetsstyrkans vanor, livsstil, produktivitet och mycket mer.

Data bör också samlas in med artificiell intelligens (AI) i åtanke. Att använda data tillsammans med AI låter datadrivna företag fatta fler välinformerade beslut om driften. Om ett företag till exempel vill introducera robotstyrd processautomation så skulle programmen för AI och maskininlärning behöva data för att skapa algoritmer och inlärningsmönster. Det är detta de framtida resultaten bygger på.

Som Markus Anderle säger, ”Ta en bild av allt – ta en bild på alla dina data och i takt med att de förändras så måste du göra det igen för att kunna förstå vilka beslut som togs för en månad eller tre år sedan som haft en påverkan, och titta på resultaten en månad senare. Detta är något folk oftast inte gör; när de samlar data så tänker de inte på allt detta. Antingen så samlas det inte in alls eller så samlas det in på ett sätt som hela tiden förändras.” 

2. Vilka tekniker för dataanalys bör man använda?

Det finns en lång rad verktyg och tekniker som kan hjälpa er bli ett datadrivet företag. Dessa kan vara expertverktyg eller användningsklar teknik som snabbt och effektivt ger smarta databaserade insikter.

Expertverktygen

Salesforce modell är att ha dataanalytiker, dataingenjörer och projektledare som är knutna till olika avdelningar (marknadsföring, försäljning, kundtjänst och så vidare). Detta låter oss bibehålla en nära relation med företaget och fatta snabba, datadrivna beslut.

De här experterna använder inte användningsklara lösningar. I stället använder de lågnivåverktyg, programmeringsspråk, resurser med öppen källkod och de ekosystem som omger maskininlärning och AI. Detta är det mest flexibla tillvägagångssättet.

Användningsklara verktyg

Många datadrivna företag har inte hela arbetslag med dataanalytiker och -ingenjörer och använder sig i stället av enkla verktyg som kan hjälpa fatta bättre beslut direkt. De här användningsklara teknikerna – som Einstein och Pardot – kan hjälpa företag hålla jämna steg med sina större konkurrenter, även om de inte har ordentliga it-avdelningar och dataanalytiker.

3. Rekrytering och omskolning: hur man hittar rätt personal

Teknik kräver kunnig personal, men hur vet företagen vad de ska leta efter? Behöver de dataanalytiker, dataingenjörer, dataarkitekter eller affärsanalytiker? Det kan vara svårt för företag att sätta fingret på vilken typ av personal som kommer gynna dem mest, speciellt om de har begränsade resurser. Det är bra att börja med:

En dataingenjör/-arkitekt. Markus rekommenderar att man anställer någon som kan:

• Bygga en bra modell för att fånga upp rätt data

• Förstå företagets olika användningsfall

• Visa företaget hur man samlar data effektivt

   

Affärsanalytiker är också viktiga. De har kunskap om hur man använder SQL för uppgiftsförfrågningar, kan använda Python, och kan skriva små program som tittar på korrelationer i dina data. Många av dem kan också lite grundläggande dataanalys, vilket är ett plus om du bara kan anställa en eller två personer.

Fortbilda arbetsstyrkan

Företag bör inte vara låta sig skrämmas av AI och maskininlärning. ”Det underbara med det här är att det är väldigt tillgängligt och att alla kan lära sig det”, säger Markus. 

Program för fortbildning och omskolning håller på att bli alltmer populära i det rådande affärsklimatet. Företag kan enkelt sätta ihop en strategi för att fortbilda en person eller ett helt arbetslag. Datadrivna företag bör tillhandahålla en omfattande läroplan med rätt resurser och de behöver också välja rätt personer att fortbilda.

”Omskolningen är en process som tar flera år, men företag har sannolikt personer som affärsanalytiker eller folk som har en fallenhet för eller är intresserade av att skriva program eller ta en närmare titt på data”, säger Markus. ”Bygg vidare på de personerna i företaget; ge dem de verktyg de behöver för att vara kreativa; uppmuntra dem att öva. Gör finansiella investeringar i årlig utbildning och ge dem den tid de behöver för att fortbilda sig, eftersom det är så tillgängligt.”   

4. Bygg företagskulturen

En viktig del av att bli ett datadrivet företag är att bygga rätt företagskultur. Ledarskapet måste komma med åtgärdsplaner och strategier för att leda den digitala omvandlingen på samtliga nivåer i företaget.

Det är otroligt viktigt att överbrygga klyftan mellan beslutsfattarna och de anställda som förstår algoritmerna och deras potential. Detta innebär att man minskar klyftan för förväntningarna, tillgänglig teknik och personalens kompetenser.

Markus Anderle uttrycker det så här: ”Med AI tror folk ibland att man kan lösa allting och göra företaget supereffektivt, men de ser inte de potentiella hindren: man har inte de data man behöver; man har inte den personal man behöver; man har inte den tid eller de finansiella resurser som behövs. Det finns alltid något man måste övervinna.” 

Det är viktigt att ha en strategi som går över: 

• Hur data samlas in

• Vilka kompetenser ett företags personal har och inte har

• Vilka områden som kommer se vinster

• Var det är logiskt och var det inte är det

Ett datadrivet företag behöver ha en åtgärdsplan som blickar flera år framöver, och efter detta kan de börja planera för små framsteg i områden som ser lovande ut. Detta är viktigt men är ofta något som försummas.

Hur ser framtiden ut för ett datadrivet företag?

Vi genererar enorma mängder data. Och rollen som dataingenjörer och dataarkitekter spelar kommer bara bli större. I takt med att arbetet med data blir smartare och smartare så kan användningsklara verktyg komma att göra dataanalytikerna överflödiga. Men de kommer ersättas av en ny roll – en som använder dataanalys och nya, innovativa tekniker för att göra företag snabbare, mer agila och smartare än någonsin förr.

Nya tekniker som kvantdatorer kommer bli nödvändiga för tillverkning, ingenjörskonst och bankbranschen. Företag måste hänga med i teknikens utveckling för att ligga steget före sina konkurrenter. Om de lyckas med detta så är framtiden full av gyllene möjligheter.

För att se hur Einstein kan hjälpa ditt företag använda sina data, ta en titt på Einstein Data Discovery demo.