STRATEGI: Datadreven virksomhetsdrift trenger en spesifikk tilnærming, skriver Preben Hassing i Redpill Linpro. (Foto: Redpill Linpro)
STRATEGI: Datadreven virksomhetsdrift trenger en spesifikk tilnærming, skriver Preben Hassing i Redpill Linpro. (Foto: Redpill Linpro)

Åtte nødvendige steg for å bli en datadrevet virksomhet

Slik blir data en strategisk ressurs og en kilde til verdiskaping i form av nye tjenester, ny kunnskap og mer effektiv drift.

Publisert

Når virksomheten legger ut på sin reise for å bli datadrevet viser erfaring om beste praksis og kunnskap om fallgruver at disse åtte stegene er nødvendige:

Strategi

Etabler en visjon for hvordan data skal brukes. En godt definert strategi gir deg støtte i form av ressursallokering og prioriteringer. Strategien må inneholde langsiktige mål, men også delmål som kontinuerlig kan følges opp. Ideelt sett bør delmålene grupperes som KPI-er som er enkle å forstå og følge. Det er ekstremt viktig å definere hvem som «eier» strategien. Det er viktig med ekte engasjement og støtte fra toppledelsen, ikke ta til takke med noe lavere enn en ledelse på C-nivå.

Team

Du vil raskt finne ut at beslutningstakerne vil se på dette datamiljøet som så viktig at det kreves tilgjengelighet 24/7.

Du må bestemme hvordan prosjektet skal ledes. Dette inkluderer de faktiske personene som skal være ansvarlige, men også hvordan prosjektet skal styres og følges opp. Den som skal lede prosjektet bør ha relevant erfaring. Teamet må naturligvis ha kunnskap om dataanalyse og datavitenskap. I starten betyr det ofte innleide ressurser da mange ikke har denne spesifikke kompetansen internt. Neste steg er å bestemme hvordan prosjektressursene skal organiseres, før du bestemmer hvilken metodikk som skal benyttes for å følge opp arbeidet og prosjektutviklingen.

Drift

Det er viktig at du etablerer rutiner for drift og vedlikehold av datamiljøet så tidlig som mulig i prosessen. Du må også iverksette retningslinjer og rutiner for overvåkning, alarmer og feilhåndtering. Du vil raskt finne ut at beslutningstakerne vil se på dette datamiljøet som så viktig at det kreves tilgjengelighet 24/7.

Governance og sikkerhet

Det aller viktigste er å velge en plattform som leverer ytelse for store datamengder.

Vær sikker på at du ikke bryter noen lover eller regler når du bruker data til analyseformål. Sørg for styring av brukertilganger og sikker passordadministrasjon, og sikre tilkoblinger for system-til-system kommunikasjon. Overvei kryptering, og få på plass versjonskontroll av dataprodukter og dokumentasjon.

Disse punktene er ikke uttømmende. Det du skal sikte mot er å sørge for en overordnet forståelse i virksomheten for viktigheten av sikkerhet og governance, for å beskytte data som brukes til analyseformål.

Inntak av data

Valget står mellom å la data ligge der den ligger, og hente den når du trenger den – eller å samle alt i en datasjø. Data som skal brukes ofte, kan med fordel samles i en datasjø i skyen. Uansett er det viktig å lage retningslinjer for hvordan data skal utveksles; det gjør kommunikasjonen enklere mellom data/systemeiere og de som driver det datadrevne prosjektet.

Dataprosessering og lagring

Den virkelige verdien kommer først når applikasjoner kan utnytte datamengdene.

Plattformen for prosessering og oppbevaring av data er ofte skybasert på grunn av nødvendig prosesseringskraft og lagringskapasitet. I dette trinnet skapes også datamodellene fra rådata. Design av disse modellene er ofte en kompleks øvelse. Det aller viktigste er å velge en plattform som leverer ytelse for store datamengder.

Applikasjoner

Den virkelige verdien kommer først når applikasjoner kan utnytte datamengdene. Business Intelligence-applikasjoner brukes for å gjøre data lett tilgjengelig for virksomheten og dens prosesser. Data Science-applikasjoner vektlegger maskinlæring/KI og avansert og prediktiv analyse. Den tredje gruppen er sekkeposten «driftsapplikasjoner»: Kundesupport, regnskapssystemer eller CRM.

Utnyttelse og aktivering

Nå har du kommet dit hvor resultatene skal høstes. Det er tiden for analytikerne. Med for eksempel rollene produkt-, finans- eller markedsanalytiker, kombinerer disse rollene forretningskunnskap med datakunnskap – for å tolke og utnytte data som du har samlet, strukturert og gjort tilgjengelig.

Det vi kaller datasuksessroller; dataprodukteiere og dataevangelister, er viktige for en positiv introduksjon og gjennomføring av prosjektet i virksomheten. Rollen er også viktige for vedlikehold og utvikling over tid.