Datadrevet organisasjon — jobber du med hele organisasjonen?
I forskning av hva som gjør at organisasjoner ikke lykkes går det igjen utfordringer som at folk i organisasjonen ikke er god nok på analyse, og andre nødvendige ferdigheter, at ledelsen ikke tar tak/er nok på, og utfordringen med å få tak i relevante data. Se f.eks. en opplisting jeg har hentet fra Berntdsson et al (2020).
Ofte hører jeg det omtalt som at man må endre kultur. Men det er en måte å tåkelegge arbeidet på synes jeg. Fordi det ikke gir noe klart bilde av hva i all verden man skal gjøre. Det første som må skje er at alle må anerkjenne at dette ikke er noe som data/it-avdelingen kan løse.
Hvis hver person i din organisasjon, deg selv inkludert, skal bruke data for å kunne gjøre en bedre jobb da må det tenkes grundig på det i hele organisasjonen. For å illustrere dette har jeg tegnet en enkel tegning. Tegningen viser hvordan det er hele organisasjonen som skal bli datadrevet, og ikke den lille gule data/it-avdelingen nede i hjørnet.
Det er rett og slett litt skummelt tenker jeg hvis man forventer at data/it skal ta ansvar for forbedring av hele organisasjonen. Samarbeid trengs!
Når man tenker på at hele organisasjonen — eller ihvertfall store deler av den — skal bruke data mer så er det lett å skjønne at da må folk i organisasjonen kunne:
- forstå data,
- bruke de verktøyene som trengs,
- forstå hvordan data (og digitalisering) kan forbedre prosessen de jobber i,
- forstå hva slags analyser som skal gjøres,
- ha lyst, tid og inspirasjon til å gjøre forbedringer,
- og de må få den hjelpen de trenger.
Derfor må hele ledelsen være opptatt av hvordan det operative i organisasjonen kan forbedres ved hjelp av data.
I en veldig god bok av Erik Siegel, The AI Playbook, skriver han:
Never sell AI. Instead, pitch operational improvements, with no more than a footnote to mention machine learning as part of the solution.
Most ML leaders focus more on the technology than its deployment, so most new ML initiatives fail.
Make no mistake, operational change is a tough sell, especially in comparison to hot tech, which sells so effortlessly that we actually call it “sexy.” It’s less glamorous to propose a process overhaul. Folks respond like you’re suggesting a root canal. But that’s life — great gains come only by imposing great change.
Så ok, kanskje det ikke er så glamorøst med forbedringer av det operative. Men hvis vi ikke tar tak i dem er det null grunn til å bruke penger på dataplattform og slikt.
Referanser:
Berndtsson, M., Lennerholt, C., Svahn, T., & Larsson, P. (2020). 13 Organizations’ Attempts to Become Data-Driven. International Journal of Business Intelligence Research (IJBIR), 11(1), 1–21. https://doi.org/10.4018/IJBIR.2020010101
Siegel, Eric. (2024) The AI Playbook: Mastering the Rare Art of Machine Learning Deployment (Management on the Cutting Edge) (p. 1). MIT Press. Kindle Edition