Indsigt

Skab sammenhæng i data – og sæt forretningsudviklingen fri

Farverige Bygninger Set Fra Luften

I mange virksomheder er digitale platforme med til at definere forretningens spillebane. Det giver ofte forretningsudviklingen trange kår, fordi systemernes muligheder og begrænsninger kommer til at diktere forretningens muligheder. Ved at flytte fokus fra system til data kan I give både forretning og digitalisering et langt stærkere – og friere - udgangspunkt.

De vigtige produktdata

Kompleksiteten i data stiger på tværs af sektorer. Og i de sektorer, jeg arbejder med, stiller særligt de store mængder af produktdata nye krav til virksomhederne.

Hos produktionsvirksomhederne, hvor produktet ofte er omdrejningspunktet, er data blevet essentielt i forhold til udvikling, certificeringer og bæredygtighed. I handelsvirksomhederne ser vi, at de store produkt-flows både øger arbejdsbyrden og stiller høje krav til datakvalitet i blandt andet varebeskrivelser, datablade og i forhold til sporbarhed.

Så data er forretningskritisk. For uden en god datakvalitet og en struktureret dataanvendelse mister virksomheden muligheden for hurtigt og gnidningsfrit at kunne tilpasse sig nye krav og forventninger fra marked, samarbejdspartnere og organisation.

At kende forskel på Master Data og lokale data

Næsten alt er data. Og data bruges i mange forskellige sammenhænge.

Nogle data er lokale. De bruges og behandles lokalt i en afdeling eller blandt en mindre gruppe af medarbejdere. Andre datatyper går på tværs af forretningen og har stor indflydelse på, hvordan opgaver løftes i mange af forretningens områder fx i produktion, salg og økonomi. De data, som går på tværs af forretningen, kalder man Master Data. Eksempler på den type data er produktdata, kundedata og logistikdata.

I mange af de virksomheder, jeg møder, er en typisk udfordring dog, at det som bør være virksomhedens Master Data, forstås og behandles som lokale data. Det betyder, at de enkelte afdelinger arbejder med det samme data - men i hver deres kontekst, version og system.

Og netop den dataforståelse er årsag til mange af de udfordringer, som virksomhederne oplever. For både manglende sammenhæng på tværs af organisationen, stor arbejdsbyrde, langsom time-to-market, lav tillid til data og begrænsede muligheder for forretningsudvikling har ofte en direkte sammenhæng med den måde forretning og organisation forstår og arbejder med data på.

Systemer skal løse behov  - men kommer alt for ofte til at definere mulighederne

Mange af de produktions- og handelsvirksomheder, jeg møder, bruger ERP-systemer til at håndtere deres produktdata. Det betyder, at produktdata håndteres i en platform, som også rummer data om ordrebehandling, salg, indkøb og økonomi.

Og det er næsten altid et benspænd for både forretningsudvikling, kvalitet og effektivitet. For til hver datatype knytter sig specifikke behov og anvendelser. Og de mange forskellige behov kan ét system sjældent honorere på en tilfredsstillende måde.

Den udfordring resulterer ofte i, at organisationen over tid begynder at opfinde alternative og lokale måder at håndtere dataene på – man arbejder fx i excel-ark, Sharepoint og andre lokale løsninger. Samtidig bruger man tit mange resurser på at modellere og udvikle systemerne til at kunne imødekomme akut opståede behov, som systemerne grundlæggende ikke er sat i verden til at kunne håndtere.   

Så at rumme fundamentalt forskellige datatyper i ét system er både uhensigtsmæssigt og en bekostelig affære. For dels mister man sammenhæng og kvalitet i dataene. Dels laver man kortsigtede – ofte dyre – tekniske lappeløsninger i stedet for at udnytte de store forretningsmæssige potentialer, som ligger i en god og struktureret dataanvendelse.  

Datamodel og systemarkitektur skal matche forretningens behov

Dedikerede systemer som PIM, ERP, CRM og SCM har hver især en indbygget anerkendelse af netop deres datas karakteristika og anvendelse. Og derfor giver dedikerede systemer organisationen det bedste udgangspunkt for at kunne lykkes på både effektivitet, kvalitet og udvikling.

For at dataene kan skabe værdi på tværs af organisationen og mod markedet, skal systemerne kunne udveksle data. Det gør man ved at bygge en systemarkitektur, hvor systemerne forbindes. Altså en modulær systemarkitektur bygget på Best-of-Breed-principperne.

Og her er det vigtigt at være helt skarp på forretningsbehovene. For det er dem, som skal diktere både arkitektur og systemvalg. Det kan I fx blive ved hjælp af følgende arbejdsspørgsmål:

  • Hvordan ser vores forretning og værdikæder ud?
  • Hvad efterspørger markedet?
  • Hvordan er vores processer omkring de forskellige data?
  • Hvor genereres data?
  • Og hvor og hvordan opbevares dataene i dag?

Ved at nedbryde data og systemlandskab kan I skabe værdifuld indsigt i de behov, som den fremtidige datamodel og arkitektur skal imødekomme. Og præcis derfor er arbejdet med data ikke (bare) et systemintegrationsprojekt. Det er er en forretningsdisciplin.

En stærk modulær arkitektur er afhængig af en god datakvalitet

Integrationer mellem systemer er den rigtige måde at arbejde med data på. Jeg oplever dog ofte, at de direkte integrationer udfordres af forskelligheder mellem systemerne, hvor fx formater på datafelter kan udfordre, at data kan overføres 1:1. Mange fristes derfor til at forsøge ”at bøje” systemerne. Men lad være med det. I kommer til at begrænse jer selv – både teknisk og forretningsmæssigt. For det bliver både svært og dyrt at tilføje et nyt system eller at fjerne/udskifte et gammelt, hvis I laver tilpasninger, som indeholder indbyggede afhængigheder for at fungere.

I stedet er min anbefaling, at I implementerer et lag i jeres systemarkitektur, som kan organisere, kategorisere, synkronisere og berige data på tværs af forretningens områder - fx data fra ERP, CRM og e-handel. Sådan et lag skaber struktur og kvalitet i virksomhedens data, inden de sendes videre. Og det sikrer, at dataene kan distribueres gnidningsfrit, uafhængigt og uden tilpasninger mellem de forskellige platforme.

Udover sikring af datakvalitet og -flow er en stor kvalitet ved det beskrevne mellemlag, at den ensrettede data kan danne empirisk grundlag for både analyser og strategiske beslutninger om forretningsudvikling.

Illustration Af Data Broker

Husk medarbejderne – det hele afhænger af dem!

I denne artikel har jeg delt mine perspektiver på, hvordan man kan forstå og arbejde med data som et vigtigt element i forretningsudviklingen. Artiklen har sat fokus på de tekniske perspektiver på datamodeller og systemvalg.

Men en ting er datamodeller, systemer og arkitektur – en anden – og lige så vigtig del – er organisationens evne til at tilpasse sig de digitale forandringer. For i sidste ende er det jeres medarbejdere, der administrerer, håndterer, aflæser og omsætter den data, som de digitale platforme bygger på. Og det er jeres medarbejdere, som interagerer med de brugerflader, som bruger dataene – og som kender kundernes behov.

Derfor er ejer- og følgeskab blandt alle organisationens medarbejdere afgørende, hvis jeres databaserede forretning skal kunne udvikle sig – på både kort og lang bane.

Så husk medarbejderne, når I går i gang med at arbejde strategisk med jeres data. I sidste ende afhænger det hele af dem!

Er du nysgerrig på, hvordan vi arbejder?