ProphixDATA OG ANALYTICS: De fleste økonomiafdelinger lever med utallige regneark, hvor hver afdeling har sine egne data og tal, hjemmestrikkede modeller og spidsfindige løsninger til at håndtere data.
F.eks. har administrationen sine tal, og salgsafdelingen har nogle andre (som på en eller anden måde altid er mere optimistiske end resten af virksomheden…) og ingens tal passer til finansafdelingens rapport, der efterfølgende sendes ud.
Lyder det bekendt?
Denne artikel vil vise dig, hvordan du forbedrer jeres data og analytics.
Vi går ud fra en Gartner-rapport fra 2019: ”Take Your Data Maturity to the Next Level.” Rapporten indeholder fire konkrete råd, der giver din virksomhed det fulde udbytte af data og analytics.
Men først skal vi vende tilbage til dataene, og se på Gartners Maturity Model for Data and Analytics.
Gartners Maturity Model for Data and Analytics
Ifølge Gartner er hele 87% af virksomheder i den lave ende, når det kommer til modenhed inden for data og analytics.
Det er utrolig højt, når man tænker på, vi er i 2019.
Hvordan afgør du, hvor din virksomhed ligger i Gartners model?
Fællestræk ved virksomheder på nederste niveau i Gartners Maturity Model
Der er flere træk ved virksomheder på nederste niveau i Gartners Maturity Model, som dermed ikke får det optimale udbytte af deres data og analytics-arbejde.
- Data er håndteret i siloer.
- Afdelinger og teams diskuterer om, hvilke data, der er korrekte.
- Analyser er håndteret i sidste minut i regneark.
- Lederen forstår ikke data.
- Der er en brandsluknings-mentalitet.
For dit daglige arbejde i økonomiafdelingen betyder det, at du har adskillelige systemer, som spytter utallige rapporter ud, men når du skal træffe vigtige beslutninger, er det med pivot-tabeller og upålidelige regneark for at få hurtige svar.
Hvorfor er det så svært at implementere nye data & analytics?
Desværre er der mange benspænd i vejen for at få resten af virksomheden med på ideen om at investere i nye processer og værktøjer.
Benspændende er:
- Andre dele af virksomheden går ikke op i det.
- Det er ikke en samlet tilgang til budgetlægningen.
- Datakvaliteten er dårlig, data er i siloer og processerne er inkonsistente.
- IT-infrastrukturen lever ikke op til virksomhedens behov.
Resten af denne artikel vil fokusere på, hvordan du overkommer de bespænd og forbedrer virksomhedens data og analytics.
Fire trin til bedre data og analytics
I 2018 udgav Gartner en dybdegående artikel „Take your data to the next level,“ der viser fire skridt til at forbedre enhver virksomhedens data og analytics.
Artikler giver fire trin med praktiske eksempler fra finansafdelingen, og hvordan du implementerer dem i din virksomhed.
De fire trin er:
- Udvikl en data og analytics-strategi, der løser forretningsproblemer.
- Udnyt eksisterende ressourcer til at opbygge processer og arbejdsgange.
- Fokuser på de data, der påvirker forretningen mest og skaber flest problemer (20/80 princippet).
- Vælg teknologi, der supporterer de brede forretningsbehov.
Vi vil nu gennemgå alle fire trin.
Trin 1: Start med strategien
Der er ikke nogen i virksomheden, der interesserer sig for data-strategi. De interesserer sig for at tjene penge. Du hjælper virksomheden med at tjene penge ved at anvende data og analytics, der løser forretningsproblemerne.
Show me the money! Som der råbes i Jerry McGuire-filmen.
Det gør du ved at…
Identificere de drivers, der skaber omsætning, som behøver bedre data
Dækningsbidrag per kunde er et godt sted at starte. Se på analyserne, salgsteamet bruger og undersøg, hvordan de kan forbedres.
Undersøg om:
- Rapporterne inkluderer dækningsbidrag med alle variable omkostninger som bonus, rabatter etc.?
- Rapporterne er opdelt i korrekte kategorier og underkategorier?
- Der er lavet trend-analyse?
- Hvilke data ikke er i rapporten? Og hvordan de kan tilføjes?
Find pain points, der har brug for bedre data
Det meste af tiden forecaster økonomiafdelingen på baggrund af de bedste data, de har til rådighed. Det er ikke nødvendigvis de bedste data, virksomheden har til rådighed. De bruger de informationer, som er senest opdateret.
Lagerbeholdnings-forecasts er et godt eksempel på dette. Man fylder lageret op baseret på standardrapporter for de sidste 12 måneders salg. I de evige foranderlige markeder vil den rapport være forkert.
Med data og analytics kan du vise, at gennemsnitlige lagerbeholdninger på kategori sikrer præcise indkøb og glade kunder, der ikke skal vente på restordrer.
Det optimale er at få et demand planning-system, der linker til de nyeste salgsforecasts og bryder dem ned til den enkelte lagerhylde.
Find svindet i gemte fabrikker
Hvad er en gemt fabrik? En gemt fabrik er spildt arbejde, som du ikke kan se. Ifølge Harvard Business Review spilder ”knowledge workers” 50% af deres tid på at jagte data, finde og rette fejl og få bekræftet data.
50%?!?
Et scenarie kunne se sådan ud:
Finansafdelingen får et forecasts fra salgsafdelingen. De ved, det er overdrevet, så de afviser tallene. Eller de ser efter en anden kilde.
Når det samlede forecastet sendes ud, og VP of Sales ikke er enig med det, skal de to teams gå tilbage og afgøre, hvorfor tallene ikke stemmer.
Lyder det bekendt?
Når afdelinger ikke bruger én kilde til den finansielle sandhed til deres rapportering, forecasting og analyse, vil de spilde tid på at udglatte deres resultater med data fra andre teams, som er fundet ved en anden proces og andre data.
Det her er spild som dette, man kan eliminere.
Du begynder med små projekter i et område af virksomheden. Se efter pain points og find en måde, at løse dem på.
De er ikke svære at finde – alle plejer at beklage sig over dem.
Byg derefter partnerskaber med linje- og afdelingsledere, der skal hjælpe dem med at spare penge.
Hele pointen med dette er at bygge relationer med virksomheden – at forstå, hvad der hjælper dem nå deres strategiske mål.
Start småt og byg tillid til resten af virksomheden. Find et problem, løs det og få en sejr. Og så skal du bare gøre det igen og igen.
Trin 2: Begynd med de ressourcer, du har
Bare fordi du ikke laver data-analyse for virksomheden, er der nok en anden, der gør det.
Der er nogle, der leverer rapporter til salgsteamet og ledelsen, når økonomiafdelingen har travlt med månedsafslutningen.
De rapporter er måske ikke knyttet til noget, men det forhindrer ikke, at de bliver brugt.
Find ud af, hvem der bygger de rapporter. Find ud af, hvem andre går til, når der skal orden i et kaos af data.
Det er ofte mennesker, som forstår produktet og kunderne. Mennesker, som kan indsamle og manipulere data, så de kan bruges. Du kan ofte finde dem i IT-afdelingen, salg, kundeservice, marketing eller supply chain.
De personer er dine ekstra ressourcer til dit nystartede projekt
Der er mange fordele ved at få de ukendte ”data-konger” med på dit team (også selvom de kun er løst tilknyttet).
De vil sætte pris på at blive anderkendt af nogle, der forstår værdien af data.
Hvis de mangler træning, så træn dem.
Og hvis alt fejler, så fortæl ledelse at det er tid til at sende medarbejdere på efteruddannelse.
Trin 3: Behandl kun de essentielle data
Den første regel om databehandling: lad være med at tale om databehandling!
Intet skræmmer folk hurtigere væk end et møde om proces. Så hold det simpelt.
Fokuser på, hvordan du holder din data ”ren”. Hvis forretningen ikke ser det som en prioritet, så mind dem om analyserne ikke er bedre end de data, de bygger på.
Kom i gang med at svare på følgende spørgsmål:
- Hvilke data har du? Identificer tabeller, regneark, rapporter og dashboards som er kritiske for virksomheden.
- Hvem bruger dataene, og hvilke kontroller er indsat?
- Behandl kun de kritiske data ud fra 20/80-princippet, som skabte problemer førhen.
- Start med basale regler for at lægge et godt fundament, f.eks. nye kunder, leverandører og produktdata.
- Ledelsens opbakning er afgørende til at få databehandling til at fungere. På et tidspunkt vil virksomheden se sit snit til at springe en kontrol over pga. en hastesag. Her må du minde om, hvor meget besvær det gav, sidste gang i sprang over, hvor gærdet er lavest. Det tager disciplin og øvelse at gøre tingene på den rigtige med fra starten af.
Trin 4: Implementer først ny teknologi efter du har tilføjet værdi
Mange springer de første tre trin i denne gennemgang over. Men det er vigtigt at vente med at implementere en ny software-løsning til I har noget værdifuldt at automatisere. Til I har styr på jeres data og indført gode processer på tværs af virksomheden.
Når du gennemgår trin 1 – 3, har du:
- Fundet virksomhedens prioriteter og lært, hvor pengene kommer fra.
- Fundet de data du har brug for til at spare eller tjene penge.
- Fundet de ressourcer og kolleger, der kan hjælpe dig.
- Ryddet op i din data og behandlet dem på en bedre måde.
Og det er NU, at du er klar til at lave analyser, der skaber værdi.
Har du en automatiseret løsning som f.eks. Prophix, har du allerede funktionaliteten til at lave nye rapporter og analyser fra adskillelige kilder. Ellers byg en demo i Excel.
Det kan være en lang og hård proces at få ledelsen til at godkende nye indkøb af it-løsninger. Men når du bygger det manuelt først og er i stand til at vise værdien, vil det være lettere at få godkendt en ny løsning, der automatiserer processen, og gør den lettere.
| Cheat sheet til bedre data og analytics De fire trin:
|
