Du må ha et reisemål

Du må ha et reisemål

Hva slags mening og verdi kan vi skape ut av data? Hva kan vi oppnå gjennom å bli en datadrevet bedrift? I dette steget skal vi komme frem til et mål for datareisen.

Å planlegge og pakke til turen

Tenk at du og familien skal ut på tur. Bilen er ferdig pakket, kaffetrakteren er slått av (det har du personlig dobbelt- og trippelsjekket), døra er låst. Reisen kan starte. Eller startet den allerede da dere bestemte hvor dere skal? Er dette forresten en norgesferie, eller bare en tur på butikken?

Uten et klart mål, eller i det minste en idé om hva slags reise det er dere begir dere ut på, er det vanskelig å pakke og forberede seg riktig. Det hjelper å vite om dere skal på fjellet eller til syden, sove på luksushotell eller i skogen, være borte en helg eller et halvår. Dessuten kan det bli veldig dyrt om du skal booke reise og opphold i siste øyeblikk.

Sånn er det også med reisen fra data til verdi. Det må starte med at dere setter et mål, fordi det er det som bestemmer hvilke data dere skal «pakke».

Da vet dere hva dere skal se etter, og kan lettere gjenkjenne hva slags data som vil være verdifulle for virksomheten. Godt forarbeid og planlegging kan spare dere for både hodepiner og kostnader.

Hvordan ser verdi ut for dere?

Reisen fra data til verdi starter altså her, med disse spørsmålene:

Hvordan ser verdi ut for dere, og hvilket mål kan dere sette for å komme dit? Hva skal du oppnå, for hvem, og i hvilken sammenheng?

Virkelig, stopp opp og tenk over dette! Svarene på disse spørsmålene vil være vidt forskjellige fra virksomhet til virksomhet. Det blir mindre abstrakt, og enklere å henge med på reisen, hvis du tenker gjennom svarene på disse spørsmålene for din egen virksomhet, og har dette med deg gjennom resten av veiviseren.

Når vi snakker om verdi, trenger forresten ikke det å handle om at virksomheten skal tjene mer penger. For eksempel: Å studere data om tidligere kreftpasienter kan gi innsikter som lar oss gi bedre behandling til nåværende pasienter. Dette er også noe å tenke over når du skal sette et mål.

Data kan hjelpe til i alle beslutningsprosesser, men det er viktig med en konkret målsetting for å vite hvilke data som skal samles inn og hvordan de skal bearbeides.

Eksempler

👩‍🦰 Trude

Forsuring av vassdrag er en alvorlig miljøutfordring i Norge. Forbrenning av fossile brensler leder til sur nedbør, som igjen forstyrrer pH-verdiene i vassdragene. I verste fall kan dette forgifte og drepe fisk. Derfor tilføres kalk i vassdragene, for å nøytralisere syrene.

Trudes selskap er blant dem som tilbyr kalking av vassdrag. Dette krever i dag mye manuelt arbeid. De gjør manuelle vannprøver, og basert på resultatene bestemmes mengden kalk som skal settes ut. Trude ønsker å automatisere hele prosessen, ved hjelp av sensorer, avansert dataanalyse og autonome matestasjoner (se 👩‍💻 faktaboks nederst på siden). Ikke bare vil dette gjøre jobben enklere, de kan også være mye mer presise med kalkingen. Kanskje selskapet til og med kan garantere en gitt surhetsgrad? Det kan åpne opp for en helt ny forretningsmodell.

👨 Geir

Geir selger hjemmelaget is fra sykkelvogner rundt i byen. Han har flere deltidsansatte, og kan ha opptil ti vogner ute i byen av gangen. Utfordringen er at det er store variasjoner i hvor mye han selger fra dag til dag. Han antar at både været og plasseringen på vognene spiller inn. Målet hans er å selge mer is, noe han håper å få til gjennom å optimalisere plasseringen på vognene. Men han ønsker også å ha færre på jobb de dagene salget går dårlig, for å redusere utgiftene.

Geir er veldig fascinert av datavisualisering (se 👩‍💻 faktaboks nederst på siden). Han ønsker å prøve seg frem med å koble sammen noen ulike datakilder, for å forhåpentligvis oppdage noen verdifulle innsikter for bedriften. Mer konkret ønsker han å lage både et diagram (en tidslinje over salg under ulike forhold) og et interaktivt kart (for optimal plassering av vognene).

I diagrammet vil han i y-aksen inkluduere variabler som salg, værforhold, antall turister i byen, med mer. X-aksen viser utviklingen over tid, og er nøyaktig nok til at han kan skille mellom klokkeslett og ukedager. Da kan han for eksempel se om det er så enkelt som at varmere dager betyr mer salg, og i så fall hvor mye han kan forvente å selge under helt konkrete temperaturer og solforhold, og til ulike tider på dagen.

I kartet ønsker Geir å koble sammen datakilder som viser for eksempel hvor det er mye aktivitet på sosiale medier på et gitt tidspunkt. I tillegg ønsker han å se på mobilitetsdata – for eksempel fra bysykler, sparkesykler og kollektivtransport – for å se hvor og hvordan folk beveger seg i byen. På den måten vil han optimalisere plasseringen av vognene. De ulike visualiseringene viser ham både når og hvor han bør selge is til enhver tid.

👨🏾‍🦲 Robert

Robert er talentspeider for en fotballklubb. Inspirert av hvordan dataanalyse har revolusjonert baseball og basket i USA de seneste årene (du vet, «Moneyball»), ønsker han å bruke data til å oppdage talentfulle og/eller undervurderte fotballspillere. Han er overbevist om at det å studere idrettsstjerner og utviklingen deres kan hjelpe oss med å oppdage morgendagens talenter, og at det å se på de underliggende statistikkene hos nåværende spillere kan avsløre potensiale som ennå ikke er forløst.

Målet hans er at avansert dataanalyse kan gi ham innsikter som lar ham rekruttere spillere med stort potensiale før andre klubber innser hvor gode de er (og derfor også før prisen skyter til værs). I Premier League jobber Liverpool allerede på denne måten, noe Robert tror er en viktig del av forklaringen på suksessen deres under Jürgen Klopp.* Dette er et omfattende og ambisiøst prosjekt som vil innebære å rekruttere hjelp fra såkalte «data scientists» – ekspertene på å hente innsikter ut av data.

* Kilde: The New York Times.

Sett deg et mål!

Trude, Geir og Robert har allerede en klar idé om hva de kan få til ved hjelp av data. For å hjelpe deg i gang med å sette sitt eget mål, har vi samlet noen flere eksempler på målsettinger i listen nedenfor.

💡 Innsikt: Eksempler på målsettinger

Hva du ønsker å oppnå vet du best selv. Men her er noen eksempler på målsettinger som kan hjelpe deg i gang. Husk at disse må gjøres mer konkrete, og tilpasses akkurat deres bedrift og situasjon, for å være virkelig verdifulle:

  • Øke utnyttelsen av ansattes tid og kompetanse (f.eks. automatisere manuelle oppgaver, optimalisere arbeidsprosesser)
  • Øke kvaliteten på produkter og tjenester (f.eks. identifisere og oppfylle kundens reelle behov, tilby bedre kundeservice)
  • Gjøre produksjon mer effektiv og bærekraftig (f.eks. minimere nedetid på maskiner, gjøre vedlikehold mer presist og effektivt)
  • Utvikle helt nye produkter og tjenester (basert på innsikter fra dataanalyse, eller applikasjoner som lar dere jobbe på nye måter)
  • Jobbe mer målrettet med markedsføring, kunderelasjoner og salg (f.eks. skreddersy markedsføring til ulike segmenter)

📝 Oppgave: Sett et mål

Velg deg én målsetting for din egen virksomhet som du tror kan løses ved hjelp av data. Ikke gjør det for vanskelig og tenk at dere skal løse alt på en gang, velg heller et enkelt, realistisk mål til å begynne med. Formuler målsettingen på en måte som er mest mulig konkret for deres situasjon og behov.

Underveis i dette steget har vi nevnt et par teknologier, som vi forklarer nærmere i faktaboksene nedenfor. I slutten av veiviseren har vi samlet en rekke korte introduksjoner til ulike teknologier, der du kan lese enda mer om disse.

Når du er klar til å klikke deg videre, går vi løs på første etappe på reisen fra data til verdi!

👩‍💻 Teknologier: Autonome systemer

Et autonomt system er en programvare eller enhet som kan utføre handlinger uten støtte fra mennesker. Det kan vise til alt fra digital infrastruktur og programvare til fysiske kjøretøy og industriroboter – for å nevne bare noe. 

Det finnes ulike grader av autonomi. På den ene siden har du systemer hvor et menneske fortsatt har overordnet kontroll over de fleste av operasjonene. For eksempel en bil som ikke er selvkjørende, men som kan holde seg innenfor kjørefeltet og bremse på egenhånd når du har på cruise control (så er den i praksis mer eller mindre selvkjørende likevel). På den annen side har du systemer som fungerer mer eller mindre uavhengig av en menneskelig operatør. Som «virkelig» selvkjørende biler, der du i prinsippet kan legge deg ned i baksetet og se en film i stedet for å følge med på veien. 

Autonome systemer kan jobbe ekstremt effektivt og presist – uten å noensinne bli trøtt og lei, og med svært små feilmarginer. Det åpner for økt effektivitet og verdiskaping hos virksomheter som tar autonome systemer i bruk, og gir økt sikkerhet på områder som er utsatt for menneskelige feil.

👩‍💻 Teknologier: Visualisering

Vi mennesker er ganske dårlige på å forholde oss til tall, men veldig flinke på å ta inn over oss informasjon som vi får presentert visuelt. 

Visualisering viser til alle metoder og teknikker som brukes for å kommunisere et budskap gjennom grafiske og visuelle representasjoner. Når vi visualiserer data i næringslivet og industrien, er det ofte i form av ulike grafer og diagrammer. Men visualisering kan ta mange andre former. Det kan være snakk om kart, animasjoner, infografikk, digitale tvillinger, nettsider, videoer, VR og AR (du kan lese om flere av disse teknologiene på slutten av veiviseren, og du vil også møte på flere underveis).

For at vi skal kunne nyttiggjøre oss den informasjonen som er tilgjengelig i store datamengder, og være i stand til å tolke og forstå denne informasjonen, er visualiseringsteknologi helt uvurderlig. «Dashbord» og andre verktøy som er koblet til virksomhetens datakilder, kan vise oppdatert, visualisert data akkurat når du trenger det – for eksempel data knyttet til deres viktigste målsettinger (KPI-er). Dette er noe av det du vil lære mer om på tredje etappe av reisen fra data til verdi.

Visualiseringer hjelper ansatte og ledere med å ta små og store beslutninger basert på data, i stedet for bare å stole på erfaring og magefølelse.