Ur kundens perspektiv

Jag läste en mycket intressant artikel på Harvard Business Reviews blogg häromdagen om varför de flesta företag nog egentligen inte behöver investera i Big Data-lösningar i brådrasket (om någonsin). Istället bör de fokusera på att först få ordning på sin ”small data” enligt författarna. Inlägget hade den mycket talande titeln ”You may not need Big Data after all”.

Eftersom jag är av samma uppfattning som Jeanne W. Ross, Cynthia M. Beath och Anne Quaadgras som har skrivit artikeln kan jag inte låta bli att kommentera den här på Ur kundens perspektiv.

”You may not need big data after all”

Författarna har under tre års tid genomfört sju studier och intervjuat chefer på 51 olika bolag för att förstå hur och i vilken utsträckning företag skapar värde genom data (Business Intelligence – BI). Resultatet var mycket nedslående i det avseendet att enbart ett fåtal företag konsekvent använder BI som underlag i sitt beslutsfattande. Å andra sidan var dessa bolag signifikant mer framgångsrika än deras gissande och tyckande konkurrenter.

En annan slutsats var att de företag som inte använder sig av data idag sannolikt inte skulle göra det även om de fick mer data, snarare tvärtom. Det har inte alls med mängden data att göra ifall företag använder sig av den eller inte. I min genomläsning av artikeln ser jag att författarna identifierar följande framgångsfaktorer för ett företag att bli mer faktaorienterade i sitt beslutsfattande:

• En kultur där man är intresserad av att ha ordentliga beslutsunderlag baserade på fakta, inte sitta och spekulera.
• Få men centrala nyckeltal (KPI:er) som gäller för alla och som de anställda känner att de kan påverka i sitt dagliga arbete
• En person/avdelning som är ansvarig för alla affärsregler så att man får en ”single source of truth”

Det som är intressant att notera är att ingen av framgångsfaktorerna verkar handla om vilken IT-plattform för BI som företagen valt… Det de däremot tar upp i en sidonotering är vilken typ av företag/bransch som faktiskt med stor sannolikhet kan har verklig nytta av Big Data-lösningar. Enligt artikeln är dessa:

1. De som redan har en faktadriven kultur och gör det mesta av den data de har
2. De med stora utgifter för forskning och utveckling där många olika interna och externa datakällor måste hanteras
3. De som enbart interagerar med sina kunder via internet

Hur blir man ett datadrivet företag?

Jag vet inget område inom affärslivet som är så omgivet av ”bells and whistles” som just BI-området. Leverantörer av systemlösningar visar tjusiga, lättnavigerade, webbaserade användargränssnitt med fina grafer, tabeller och ”trafikljusindikeringar” (grönt/gult/rött beroende på hur det går för KPI:erna). Fina standardrapporter samt hur busenkelt det är att skapa dina egna ”personliga” rapporter i din ”egen anpassade dashboard”! ”Här är ett case från ett e-handelsbolag som insåg att kunderna hoppade av i betalningsförfarandet för att det var för krångligt. Genom att förenkla flödet och följa denna KPI noga lyckades de öka försäljningen med 30%!”. Fantastiskt!

Snålvattnet rinner på affärsägare som idag får ut sin dagliga försäljningsrapport i textfilsformat direkt från ERP-systemet, dock inte rensad för krediteringar och valutajusteringar så den är inte riktigt trovärdig och därför måste hen vänta tills den ”riktiga” försäljningsrapporten från Finance kommer den 10:e i månaden efter (i en Excelfil…). Att få rapporter på hur kunderna handlar på nätet är fortfarande en avlägsen dröm. Nej, jag hittar faktiskt inte på det här. Så här ser det ut på många stora företag i Sverige 2013. Klart de vill köpa nya snygga BI-system!

Jag tror att alla som jobbar med BI i någon form idag vet att det svåra inte ligger i att göra snygga användargränssnitt för rapporter. Det svåra är inte heller att suga in stora mängder data i en databas. Nej, det svåra är för affärsägaren att säga exakt vad den vill ha och på vilket sätt. Det svåra är att strukturera underliggande data och sätta definitioner som alla i företaget kan acceptera. Det svåra är 90% av framgången och tyvärr måste det göras först för att de resterande 10% (dvs de snygga rapporterna) ska få något som helst värde. Alltså står det svåra för 100% av framgången…

Om man tittar lite mer akademiskt på det här området så ser man att processen för Intelligence (som faktiskt ”I-et” i BI står för) består av sex steg:

1. Direction – Vad är det vi vill ta reda på? Kravställning
2. Collection – Identifiera källor och inhämta data
3. Processing – Bearbetning, översättning och utvärdering av insamlat data
4. Analysis – Analys av den bearbetade datamängden för att svara på frågorna som har ställts i punkt 1.
5. Dissemination – Hur och när sker distribution/spridning av resultatet till beställare/intressenter (rapporter, beslutsunderlag, PM:n, etc)
6. Feedback – Återkoppling från beställaren på resultatet och grunder för nya krav.

Det är inte ovanligt att företag fokuserar på steg 2 – Samla data! 2005 träffade jag en BI-chef för en stor svensk detaljhandelskedja som var helt förtvivlad över att de hade ett enormt data warehouse med kundernas alla köp ner på kvittoradsnivå men de hade i princip ingen nytta av all denna data då ingen av affärsägarna eller högsta ledningen kunde tala om vad de ville mäta. Däremot kostade all överföring och lagring en hel del pengar. Gör inte så! Respektera att man inte kan hoppa över några steg i den här processen. Det är en process av en anledning och mer data löser inte problemet.

”Köpstjärnan”

Som stöd för att få affärsägare att formulera sina BI-krav har jag upptäckt att ”Köpstjärnan” är en stor hjälp. ”Köpstjärnan” är mitt eget påfund och är inte på något sätt heltäckande för en BI-lösning (t ex hela supply chain är exkluderad) men den får igång diskussionen på ett bättre sätt kring vad det verkligen är man vill mäta med hjälp av ”small data” och gör det inte så komplicerat. Den utgår också ifrån att mäta försäljning i olika dimensioner vilket brukar vara det mest prioriterade från företagsledningen.

Principen är enkel; i alla köp finns det en kund, en eller flera produkter, köpet sker i någon form av kanal vid en viss tidpunkt, kunden betalar ett pris med någon form av betalningsmedel.

Trots att alla företag anser sig vara lite speciella och unika så har alla variationer av dessa dimensioner att ta hänsyn till i sin verksamhet. Genom att diskutera sig igenom de olika dimensionerna klarnar bilden kring vad man vill följa upp, hur ofta, på vilken nivå av aggregering, hur långt tillbaka i tiden, vad som är viktigast, etc.

”Köpstjärnan” kan också göra det lite tydligare vem som bör vara ägare för definitioner. T ex är det lämpligt att CRM-avdelningen ansvarar för alla definitioner kopplade till kund, produktavdelningen för definitioner kopplade till produkt, etc. Men precis som Ross et al skrev i sin artikel behöver det sedan finnas en övergripande ansvarig för helheten.

Det gäller bara att lägga ner tiden på att göra det. Och det bör göras med både affärsägare och duktiga BI-arkitekter/utvecklare tillsammans annars riskerar det att bli pannkaka. Först när man fått ordning på detta är det dags att ta sig an allt annat ostrukturerat data som webklick, Facebook-kommentarer, Twitter-flöden, väderprognoser och annat skoj om man ser att det finns ett värde i det.