Å bli datadrevet

Hvorfor skal alle bli datadrevet – nå?

Denne artikkelen handler litt om mort, men mest om det å bli datadrevet.

Det handler mest om mindset

I en ny undersøkelse blant 87 av USAs største bedrifter svarer 78 av de at kulturelle barrierer er det største hinderet for å bli datadrevet

Det har eksistert datadrevne virksomheter i flere tiår. Tenk bare på CERN og partikkelakseleratoren på grensen mellom Sveits og Frankrike, der en datamaskinpark på størrelse med en fotballbane kverner på dataene flere år i strekk, og det fysiske kontorlandskapet omtrent gjenspeiler dataflyten. All aktiviteten ved CERN har gitt allmennheten flere nyvinninger innen dataprosessering – og world wide web.

Det er langt fra det verdensledende IT‑miljøet i CERN til hverdagen i norske virksomheter. Likevel er hypen rundt datadrevne virksomheter til å ta og føle på, selv om mange ledere vil hevde at «dette har vi da drevet med i årevis».

⁠

Hva skyldes hypen?

Den økte interessen vi har sett de siste årene skyldes en kombinasjon av flere ting, blant annet økt tilfang av data, fallende marginer i mange markeder eller økte krav til effektiv drift. Det skyldes også «produktifiseringen» av dataplattformer fra store leverandører med tilhørende markedsføring.

Kanskje er det litt selvforskyldt også. Mange av oss har det med å skule til Silicon Valley der store, innsiktsdrevne teknologibedrifter etablerer nye arbeidsformer og utkonkurrerer sine konkurrenter på den digitale og globale markedsplassen. Med budsjetter i en noe annen liga enn vi opererer med her hjemme.

⁠

Hva er den største barrieren mot å bli datadrevet?

I en ny undersøkelse blant 87 av USAs største bedrifter svarer 78 av de at kulturelle barrierer er det største hinderet for å bli datadrevet, dette til tross for at like mange svarer at de invester mer enn tidligere. (https://hbr.org/2021/02/why‑is‑it‑so‑hard‑to‑become‑a‑data‑driven‑company?ab=at_art_art_1x1).

Det stemmer godt med våre egne erfaringer, og er grunnen til at vi alltid anbefaler å gjøre en kulturkartlegging ved større endringer. Vi har brukt store ressurser på å utvikle vårt eget verktøy for å gjøre nettopp dette.

⁠

Evnen til å endre seg, og tålmodighet på teknologiens vegne

I lys av vår egen erfaring tolker vi dette som et problem som dypest sett handler om viljen og evnen til å endre seg.

Du kan jo selv tenke deg at det kommer noen bort og forteller deg at måten du bedriver innkjøp på bare er tull samtidig som det refereres til en modell du ikke forstår noe av. Eller hvis du er leder og får høre at det nå er analyseavdelingen som skal fortelle hva som er riktig beslutning. Hvor lysten blir du på å gjøre endringer på bakgrunn av det?

Vi tror også det mangler forståelse for hva som skal til for å lykkes med analytisk drevet teknologi over tid. En ting er å raske sammen noen tall i et regneark for å gjøre et overslag. Noe helt annet er få på plass et produkt som alltid «bare virker». Når du legger lovgivning, sikkerhet, heterogenitet (data og teknologi) og villedende markedsføring på toppen blir ting fort komplekst for de fleste av oss.

⁠

Det handler mest om mindset

Samtidig mener vi i Mindshift at det er fullt ut mulig å lykkes med å bli datadrevet, men det krever en endring i mindset. Du må orke å være i permanent lab‑modus. Det betyr at du tar konsekvensen av analyser og endrer ting mer eller mindre permanent på bakgrunn av resultatene. Samtidig som du hele tiden jobber med foredling av råvarene (data) og skaffer mer av dette. DET er ingen liten endring.

Og til slutt er det disse teknologigreiene da. I spørreundersøkelsen over er ikke teknologi på lista over «vanskelige ting». Noe som overrasker oss litt da det er her mesteparten av det harde arbeidet ligger.

Vi skal nøye oss er med å si at teknologien er et verktøy. Du bruker jo forskjellig verktøy til forskjellige jobber. Jo større forskjell det er på råmaterialet du har tilgang til og produktet du skal levere jo kraftigere verktøy trenger du.

⁠

Kan du velge å ikke være datadrevet?

JA! Men det blir fort dyrt, farlig eller utrygt.

La oss si at du driver en fiskebutikk og er hellig overbevist om at fiskeslaget «mort» blir det nye store. Mort finnes det mye av, er lett å pakke i kasser og ingen andre har det i sortimentet. Du kjøper alt du kan komme over, jobber intensivt med å overbevise kundene dine. Noen få kunder prøver, tilbakemeldingene du får går på at det smaker dritt. Men du er sikker i din tro så du fortsetter å kjøpe mer mort. I din overbevisning slutter du med all annen fisk og fortsetter iherdig på din vei mot konkursen.

Når du senere med bitterhet ser tilbake på din karriere som fiskehandler, kan du fortsatt ikke skjønne at en fisk det var så mye av og som var så lett å pakke ikke var en større suksess.

Du har sikkert aldri vært inne på tanken å selge mort, men du tok helt sikkert poenget.

“

I lys av vår egen erfaring tolker vi dette som et problem som dypest sett handler om viljen og evnen til å endre seg. Det handler mest om mindset.

”

Klaveness
Becoming a data-driven organization
In the shipping industry, data capturing, data analytics and eventually data‑driven decision making has become vital to stay competitive. But how do you transform the organization to master these skills?
Klaveness
Unit
Design of target architecture
UNIT’s mission is to serve as an innovative driver of digitalisation within higher education and research. UNIT develops and manages a joint IT architecture for standardisation of processes, of data and technical interfaces across the sector. Mindshift designed the target architecture for co‑ordinated systems and integration services, including principles for system modernisation, a new platform for API development and coaching of UNIT’s developers, to improve efficiency of design and implementation of new services.

Unit
Data platform
StatPed
Mindshift established a new data platform for Statped based on Microsoft Azure. Mindshift also developed a set of reports in Power BI for case management and follow‑up, statistics on usage of Statped’s services and tracking of KPI performance related to goals, as stated in the government allocation letter. The reports were designed in close co‑operation between our data engineers and behaviour scientists to ensure usability, user adoption and required actions by the users.
StatPed