Det skorter ikke på anprisninger af, hvad man kan opnå af forretningsfordele, hvis man formår at udnytte den rigdom af information som ligger i virksomhedens data og at handle agilt på den viden, de indeholder.
De anprisninger står jeg såmænd ofte selv for som ansvarlig for data og analytics-forretningen i en virksomhed, der lever af at hjælpe virksomheder med at bruge data til at skabe indsigt.
For jeg har set en lang række beviser på, at den strategiske anvendelse af analyse kan skabe konkurrencemæssige fordele.
Ikke desto mindre er det også et faktum, at sejlruten kan byde på isbjerge, som skjuler en række forhindringer under overfladen.
I dette indlæg vil jeg komme ind på et par af de forhindringer, jeg nogle gange oplever, at strategien støder på ude i virksomheder og organisationer.
Analytics-strategien anskues som et dataintegrationsprojekt
Det er fristende at forsøge at integrere alle sine datakilder ind i en analytics-platform i håbet om, at mere data automatisk giver mere indsigt.
Desværre er det sjældent tilfældet.
I finanssektoren, som på mange måder har været foregangs-branche inden for analytics, var der for fem-ti år siden en række fæle eksempler på, at man fik skabt en alt for stor og kompleks maskine, som i visse tilfælde var forældet, før den endelig kom i reel drift.
Den fejl behøver nye aspiranter til analytics-strategien ikke at gentage.
Hvis din projektgruppe anbefaler en model, hvor 200 datakilder skal forsøges integreret over to år, så bør alarmklokkerne altså ringe.
I stedet gælder det om at få præciseret, hvilke datakilder der giver mest mulig værdi til de aller vigtigste forretningsprocesser - og så begynde med en enkel, men skalerbar løsning og hurtigt få skabt sig nogle erfaringer, man kan bygge videre på.
Funktionalitet overskygger værdien af samarbejde og ekspertise
Desværre ser man alt for tit, at et analytics-projekt har 95 procent fokus på funktioner og ønskede features og kun marginalt på menneskene i det projekt/program team, som kommer til at indløse den forventede værdi.
Men selv den mest innovative software og de bedste løsninger kan falde til jorden, hvis man ikke til fulde forstår, om leverandøren, det fælles projektteam og ens egen organisationen er klædt godt nok på til at udnytte den nye viden og indgå i de nye arbejdsgange, som er en del af en succesfuld implementering.
Hvor stor en erfaringsbase har man til at gå fra projekt til drift, hvad er niveauet af nødvendige kompetencer og hvordan er de tilgængelige for projektet og i forbindelse med en endelig driftssituation?
Hvem kommer til at bruge denne løsning og hvilke forudsætninger, har de for at gøre det?
Mindst halvdelen af analytics-strategien bør have fokus på brugere og organisationen: Succes er ofte båret af mennesker, ikke teknologi.
Projektet tager ikke udgangspunkt i hvordan viden skal anvendes i frontlinjen
Et andet vigtigt aspekt af den menneskelige faktor i teknologiprojektet er selve arbejdssituationen.
Hvad foregår der helt præcis i den situation, hvor en medarbejder har brug for fakta-baseret beslutningsstøtte.
For eksempel kan mobil adgang til data og analytiske modeller fra mobile enheder skabe værdi i mange virksomheder og øge fleksibiliteten for medarbejderne.
Men lad os være ærlige: Mobile Business Intelligence er ikke for alle.
Måske kan en teletekniker i marken have god gavn af tilgangen, når der skal fejlfindes på et netværk, men i rigtig mange jobfunktioner vil komplekse analytiske modeller gøre sig bedre på en større skærm.
Marketing automation er også et anvendelsesområde, hvor virksomheder forsøger at opfylde kundernes behov i realtid og tilpasse budskaber, kampagner og tilbud til den enkelte brugers ageren.
Det er en smuk tanke - i teorien.
Men selvfølgelig er det ikke alt, der bare kan laves om i realtid:
Har du eksisterende aftaler med forskellige interessenter eller en ekstern kampagne er det begrænset, hvor meget der kan skræddersyes i farten.
Og igen er det vigtigt at vide, hvem der håndterer processen - en call-center medarbejder, som i hvert fald i mange virksomheder ofte er en yngre og mindre erfaren person, har måske begrænsede forudsætninger og endnu mere begrænsede beføjelser til at ændre et forløb undervejs.
Derfor: Hav øje for, hvordan den arbejdsproces, der udvikles til, rent faktisk udføres - og af hvem.
Virksomhedens faktiske processer passer ikke altid til det analytiske drømme-scenarie
At bruge data og indsigt til at optimere en ressource indsats er ubetinget den rigtige tanke.
Scenarier omkring hvilke kunder, der skal have hvilke kampagner og tilbud eller optimering af vagt og ressourceplanlægning kan bliver ret komplekst med mange input-variabler og mange begrænsninger, der skal tages højde for.
Faktum er blot, at de fleste virksomheder ikke nødvendigvis er organiseret så de kan agere så fleksibelt:
For eksempel kan en praktisk proces være, at man kvartalsvist beslutter hvilke kampagner, der skal køre imod hvilke segmenter og derfor ikke kan håndtere at optimere oftere.
Derimod vil man eventuelt kunne bruge denne indsigt i planlægningsfasen til at skabe forskellige data-drevne scenarier, som man så i hvert fald i første omgang kan tage udgangspunkt i, hvis man bibeholder en manuel allokering.
Projektets slutning går ikke over i den fornødne begyndelse
Ambitiøse projekter med analytics er en spændende rejse, hvor man ofte får skabt en masse gode og nødvendige ændringer i forretningsgangene med udgangspunkt i en bedre udnyttelse af data.
Men når den sidste integration er på plads og de fem første rapporter er afleveret, er det fristende at læne sig lidt tilbage og betragte projektet som overstået. Endelig hverdag igen!
Men når de eksterne konsulenter har takket farvel for denne gang, begynder arbejdet først for alvor.
Vær sikker på, at der ligger en klar plan for hvordan og hvornår de forskellige forretningsenheder skal smide de støttehjul, som en projektorganisation udgør: Hvem tager rorpinden og hvordan vil man sikre den fortløbende udvikling og tilpasning af den analytiske fabrik, man forhåbentlig nu har fået stablet på benene.
Jeg håber ikke, at jeg med disse formaninger har fået skræmt nogen fra at tage fat på den vigtige analytics-rejse - for gevinsterne overstiger klart farerne. Og har man planlagt fornuftigt i forvejen, husket et godt kompas og rekrutteret et søstærkt team, skal man nok nå i havn.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os noget tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
