Datadrivet beslutsfattande: Lyckas i den digitala tidsåldern


Vad är datadrivet beslutsfattande?

Datadrivet beslutsfattande (DDDM) definieras som att använda fakta, mätvärden och data för att fatta strategiska affärsbeslut som är i linje med dina mål, målsättningar och initiativ. När organisationer inser det fulla värdet i sin data betyder det att alla – oavsett om du är affärsanalytiker, säljchef eller HR-specialist – har möjlighet att, varje dag, fatta bättre beslut med data. Men det är inget man uppnår bara genom att välja en lämplig analysteknik för att identifiera nästa strategiska möjlighet.

Hela organisationen måste göra datadrivet beslutsfattande till norm – skapa en kultur som uppmuntrar kritiskt tänkande och nyfikenhet. Människor på alla nivåer har samtal som börjar med data och de utvecklar sin datakompetens genom praktik och tillämpning. Som grund krävs en självbetjäningsmodell med lämplig nivå av säkerhet och kontroll så att medarbetarna kan komma åt den data de behöver. Det krävs även kompetens, och att det skapas möjligheter för medarbetarna att lära sig datafärdigheter och vidareutveckla dem. Att ha ledningens stöd och en gemenskap som stöttar och fattar datadrivna beslut kommer att uppmuntra andra att göra detsamma.

Med dessa viktiga faktorer på plats är det lättare att främja datadrivet beslutsfattande på alla jobbnivåer. Affärsgrupperna kommer regelbundet att ifrågasätta och undersöka information för att få viktiga insikter som leder till åtgärder.


Betydelsen av datadrivet beslutsfattande

Mängden insamlad information har aldrig varit större. Den är dessutom mer komplex. Det gör det svårt för organisationer att hantera och analysera sin data. NewVantage Partners skrev faktiskt nyligen att 98,6 procent av cheferna antyder att deras organisation strävar efter en datadriven kultur, men att bara 32,4 procent av dem lyckats. En studie gjord av IDC 2018 noterade även att organisationer har investerat flera biljoner dollar för att modernisera sina företag, men att 70 procent av dessa initiativ misslyckas eftersom de prioriterade teknikinvesteringar utan att skapa en datakultur runt dem som stöd.

Många företag utvecklar tre viktiga faktorer i sin strävan att bli datadrivna: datakompetens, analytisk flexibilitet och gemenskap. Det är ingen enkel uppgift att förändra hur ditt företag fattar beslut. Men det är genom att ta med data och analys i beslutsfattandets cykler som du kommer att se den mest omvandlande effekten på organisationen. För en omvandlingen på den här nivån krävs en målmedveten metod för att utveckla och förfina ditt analysprogram.


Organisationer som drar nytta av datadrivet beslutsfattande

Tack vare modern Business Intelligence förstår organisationer mer och mer värdet i datadrivet beslutsfattande inom alla områden och roller. Här är några exempel på organisationer som effektivt tar till vara sin personals och sin datas värde.

Lufthansagruppen ökade sin organisatoriska effektivitet med 30 %.

Lufthansagruppen är en global flygkoncern som vid en punkt inte hade någon enhetlig analysrapportering inom sina mer är 550 dotterbolag. Genom att använda en analysplattform ökade effektiviteten med 30 procent. Beslutsfattandet blev dessutom mer flexibelt och avdelningarna blev mer självständiga. ”Vi är i en bättre position för att skapa och designa våra analyser på egen hand, och många förstår nu vilken central roll data har för Lufthansas framgång”, berättade Heiko Merten, chef för Business Intelligence inom försäljning.

Providence St. Joseph Health förbättrade kvalitetsresultat och vårdkostnader

Providence St. Joseph Health är en verksamhet som består av 51 sjukhus med fler än 100 000 vårdgivare. De levererar kostnadseffektiv hälsovård av hög kvalitet till miljontals patienter varje år. Patientdata finns i många system, och att hantera och integrera den ökande mängden data är ett komplicerat arbete. Providence skapade dashboards som är tillgängliga för sjukhusverksamheten. De gör kvalitets- och kostnadsuppgifter mer transparenta så att leverantörer kan förbättra kvalitetsåtgärder och reducera vårdkostnader. ”Vi har lyckats göra stora förändringar för ökad kvalitet i hela systemet, vilket är svårt att uppnå. Jag tror att det delvis beror på att vi nu talar ett gemensamt språk”, förklarade doktor Ari Robicsek, Chief Medical Analytics Officer.

Charles Schwab Corporation snabbade upp takten till affärsinsikterna

Charles Schwab Corporation är en av de största börsnoterade firmorna inom finansiella tjänster, sett till kundtillgångar. Data är centralt för att höja kundupplevelsen, driva på operativa fördelar och reducera risker. Eftersom personalen visade allt större intresse för data och analys omvärderade de sin kapacitetsplanering och modell för datasupport. De valde en Business Intelligence-plattform som passar både analytiker och affärsanvändare som är nybörjare. ”Utan vår lösning för visuell analys skulle vi fortfarande analysera enorma mängder data i kalkylblad. I stället ger våra dashboards tydliga insikter som vi kan agera på och som driver företaget framåt”, konstaterade Donald Lay, senior Business Intelligence-chef.

Utan vår lösning för visuell analys skulle vi fortfarande analysera enorma mängder data i kalkylblad. I stället ger våra dashboards tydliga insikter som vi kan agera på och som kan driva verksamheten framåt.


6 steg för att fatta datadrivna beslut effektivt

De här stegen kan hjälpa dig att ta reda på ”vem, vad, var, när och var” för att få ut så mycket som möjligt av datan – för dig, kollegorna och företaget. Men kom ihåg att cykeln för visuell analys inte är linjär. En fråga leder ofta till en annan, vilket innebär att du måste gå tillbaka till ett av stegen eller hoppa över ett annat för att till slut få värdefulla insikter.

Steg 1 – Identifiera affärsmål: Det här steget kräver att du förstår organisationens mål på både kort och lång sikt. Det kan vara så specifikt som att öka försäljningssiffrorna och webbplatstrafiken, eller så vagt som att öka märkeskännedomen. Det hjälper dig att längre fram i processen välja nyckeltal (KPI:er) och mätvärden som påverkar datagrundade beslut. Dina mål hjälper dig också att avgöra vilken data som ska analyseras och vilka frågor som ska ställas så att analysen stödjer viktiga affärsmål. Det kan vara en marknadsföringskampanj som fokuserar på att driva webbplatstrafik. Då kan ett nyckeltal kopplas till mängden kontaktuppgifter som samlats in och säljteamet kan följa upp leads.

Steg 2 – Kartlägg affärsteamen för att hitta viktiga datakällor: För att nå framgång är det nödvändigt att få indata från hela organisationen och förstå kortsiktiga och långsiktiga mål. Denna indata hjälper till att ge svaren på de frågor som medarbetare ställer i sin analys. Den hjälper dig även att prioritera certifierade datakällor

Värdefulla bidrag från organisationen kommer att hjälpa dig med analysdriftsättningen och med läget framöver. Det gäller bland annat roller, ansvarsområden, arkitektur, processer och de bästa måtten för att förstå framgång.

Steg 3 – Samla in och förbered den data du behöver: Det kan vara svårt att komma åt pålitlig kvalitetsdata om affärsinformationen finns i många källor som inte är sammankopplade. När du har en uppfattning om hur många datakällor som finns inom hela organisationen kan du börja preppa datan.

Börja med att förbereda datakällor som har stor påverkan och inte är komplexa. Prioritera datakällor som många använder så att du får en omedelbar effekt. Använd de källorna för att börja bygga en kraftfull dashboard.

Marknadsföringsbyrån Tinuiti centraliserade fler än 100 datakällor med en analysplattform som stödjer snabbare dataprepp. På så sätt kunde de skapa anpassade dashboards för fler än 500 kunder och berätta hela historien om hur de arbetat med sitt varumärke.

Steg 4 – Visa och upptäcka data: När det gäller DDDM är det ytterst viktigt att du visualiserar din data. Om du förmedlar dina insikter på ett visuellt effektfullt sätt har du större chans att påverka ledningens och andra medarbetares beslut.

Datavisualisering, med många visuella element som diagram, grafer och kartor, gör det enkelt att se och förstå trender, avvikelser och mönster i data. Det finns många populära visualiseringstyper för att visa information effektivt: stapeldiagram för jämförelser, kartor för rumsdata, linjediagram för tidsdata, punktdiagram för att jämföra två värden och så vidare.

Steg 5 – Utveckla insikter: Kritiskt tänkande med data innebär att få insikter och kommunicera dem på ett användbart och engagerande sätt. Visuell analys är en intuitiv metod för att ställa och besvara frågor om din data. Upptäck möjligheter eller risker som påverkar framgång eller problemlösning.

JPMorgan Chase valde en modern analyslösning för att fatta beslut som är viktiga för bankens hälsa. JPMC får nu en utförlig översikt av kundens resa genom att granska de olika verksamhetsgrenarnas relationer (t.ex. mellan produkt, marknadsföring och service) med hjälp av kunddata. Marknadsföringsteamet utför till exempel analyser som påverkar designbeslut för webbplatsen, kampanjmaterial och produkter som mobilappen Chase.

Steg 6 – Agera på och dela dina insikter: När du får en insikt behöver du agera eller dela den med andra och samarbeta. Det kan du bland annat göra genom att dela dashboards. Framhäv nyckelinsikter med informativ text och interaktiva visualiseringar. Det kan påverka publikens beslut och få dem att fatta mer välgrundade beslut i det dagliga arbetet.

Dashboard med marknadsöversikt från Boeing

Denna dashboard från Boeing använder 10 diagram för att ge tittarna olika perspektiv och en chans att få nya insikter om efterfrågan på flygplan de kommande 15 åren.

Utforska Public Viz

Med en analysplattform som Tableau kan du skapa och dela dashboards i en säker, reglerad miljö där andra kan söka, visa och referera till data i sina arbetsflöden. För att säkerställa att du uppfyller organisationens behov bör du utvärdera kontrollmodeller och datakällor regelbundet så att människor hittar den data de behöver.

Datadrivet beslutsfattande är omvandlande. När alla i en organisation använder visuell analys blir data en avgörande tillgång för verksamheten. Med en modern Business Intelligence-lösning blir datadrivet beslutsfattande ett företagsmål i stället för något besvärligt. Det leder till snabbare, mer välgrundade beslut. Och de besluten kommer att generera starkare slutresultat, större kreativitet och ökad affärsframgång. De skapar dessutom mer engagemang och samarbete mellan medarbetarna.

Läs mer om vad starka datakulturer består av och se hur du kan skapa en egen i den stegvisa guiden Tableau Blueprint.