När vi talar med en potentiell kund får vi ofta veta att de kämpar med dilemmat med hönan eller ägget: om de ska investera i dataverktyg eller bygga upp en datadriven kultur först. Kundernas tankegång är ofta att utan en datadriven kultur är alla investeringar i verktyg och kapacitet bortkastade. Intuitivt sett låter argumentet rätt, men håller det för en noggrann granskning?

Vi anser att kultur och verktyg är lika viktiga och att de kan och bör utvecklas samtidigt. Gartners studie 10 Ways CDOs Can Succeed in Forging a Data-Driven Organization har en mycket likartad uppfattning. Den listar ”datadriven kultur” och ”avancerad analysförmåga” som de två mest kritiska elementen när man bygger upp data- och analysteamets framgång. Avancerad analysförmåga kan delas upp i anställdas förmåga och stödverktyg.

Vi hävdar alltså att en datadriven kultur är en summa av tre saker:

1. Datadrivet beslutsfattande
2. Anställda med datakompetens.
3. Lösningar som gör det lätt att använda data.

Datadrivet beslutsfattande börjar uppifrån

Datadrivet beslutsfattande kan lätt ledas av ett exempel: när du fattar beslut ska du gynna datastödda argument när du fattar beslut. Detta budskap kommer snabbt att eka genom organisationen och leda till en situation där människor har data som stöd för sina idéer och önskemål. Det slutliga målet är naturligtvis att människor instinktivt börjar använda data när de dagligen fattar små optimeringsbeslut.

När man utvärderar datastödda argument är det värt att komma ihåg att allt kan bevisas med fakta. Ju mer data man har, desto lättare blir det att missbruka data för att tjäna de slutsatser man vill dra. Detta understryker vikten av ett öppet sinne, öppenhet och reproducerbarhet när man utför analyser. 

En annan varning: som ledare ska du inte kräva orealistiskt detaljerade databaserade bevis för allting. Om du vill avvisa en idé, gör det, men använd inte ständigt pågående krav på databaserade bevis som en ursäkt för att kväva idéer som du inte är entusiastisk över. 

Det är viktigt att de anställda lär sig att ”tala data”

Datakunskap är förmågan att läsa, skriva och kommunicera data i ett sammanhang. Detta inbegriper en förståelse för datakällor, analysmetoder och tillämpade tekniker samt förmågan att beskriva användningsfallet, tillämpningen och det resulterande värdet.

Hur främjar man då datakunskap? Utbildning och lättanvända verktyg är till hjälp. Ibland måste man rekrytera nya färdigheter. Nyfikenhet är ändå den mest avgörande framgångsfaktorn, eftersom nyfikna och kreativa människor tenderar att dyka ner i data, leka med dem, misslyckas, misslyckas igen och slutligen lyckas förvandla data till information och åtgärder. Människor utan rätt inställning kommer aldrig att bli datamästare, oavsett hur kunniga de är.

Datalösningar måste passa dina behov

Låt dig inte luras om någon hävdar att det kan göras i Excel. Du kanske har en trollkarl i ditt team som kan det, men det kommer aldrig att skalas upp och bli en kultur.

De tre saker som dödar motivationen för dataanvändning är följande: 

1. Data är inte lätt tillgängliga, de är siloade och/eller av låg kvalitet. 
2. Databehandlingen är långsam och besvärlig.
3. Det finns inget enkelt sätt att få fram meningsfulla resultat och slutsatser från data.

Om du överväger att investera i ett nytt verktyg för dataanvändning, stanna upp en stund och fundera på vilken typ av data du behöver studera: Är det händelsedata eller tidsseriedata? Hur är rådatakvaliteten? Innehåller uppgifterna fördröjningar? Vill du också studera profildata? Är din process kontinuerlig, en uppsättning partier eller en blandning av de två? Vill ni ha data på era egna servrar eller är en molnbaserad lösning okej?

När du vet vad du vill analysera kan du lista tillgängliga verktyg. När du granskar verktygen ska du se till att det nya verktyget erbjuder ett smidigt och flexibelt arbetsflöde, ett intuitivt och visuellt användargränssnitt och analysmöjligheter som sträcker sig hela vägen från grundläggande analyser till avancerad problemlösning. Och slutligen, se till att ditt team får bra utbildning och stöd under implementeringen.

 

---

Vill du ha mer insikter?

Vårt säljteam är fullt av experter på dataanalys som är redo att hjälpa dig. Läs mer om Wedge industriellt dataanalysverktyg.

Arbetet har alltid förändrats. Vi har haft arbetsrevolutioner från jägar- och samlarsamhällen till jordbruk, industrialisering och informationsåldern. Under de senaste decennierna har informationsarbetet ökat dramatiskt, och det fortsätter att öka. Automatisering och algoritmer* har redan ersatt en del av det informationsarbete som människor utför, och denna utveckling kommer att fortsätta. Och det är helt fantastiskt!

Men vad innebär denna utveckling för ingenjörer? Kommer ingenjörer snart att ställas ut i glasmontrar på museer, som morgondagens mammutar?

Automatisering är ingenjörens bästa vän

Det är inte många av oss som absolut älskar mödosamma och tidskrävande rutinuppgifter som att skriva, kopiera och sortera siffror i kalkylblad. Denna typ av arbete bör automatiseras när det är möjligt. Vi tycker att det nästan är förolämpande att ingenjörers hjärnor används för att utföra arbete som automatiseringen skulle kunna göra. Faktum är att rutinarbeten i många fall kan utföras bättre, snabbare och med högre kvalitet när de automatiseras.

Det är därför en stor lättnad för ingenjörer att de kan bli av med ”dumma” arbeten och använda avancerad teknik för att hjälpa och stödja sitt kreativa arbete. 

Kreativitet och nyfikenhet gör en bra ingenjör

Ingenjörer som är bäst är nyfikna och kreativa. De behöver inte detaljerade regler, definitioner eller instruktioner för att få ett arbete utfört, som en dator gör. Egentligen dödar mikrostyrning kreativ problemlösning och innovation.

Att låta kreativiteten blomma ut ger mycket bättre resultat och gör det möjligt att skapa något nytt. 

Skickliga ingenjörer utmärker sig när något händer för första gången och när allt inte går som förväntat eller planerat. När det krävs verkligt hjärnarbete.

Kreativa problemlösare behövs alltid

Den typ av hjärnarbete som en duktig ingenjör utför kommer aldrig att försvinna, tvärtom kommer efterfrågan att öka. 

Problem är förnybara resurser när man strävar efter bättre prestationer. När automatisering och algoritmer används och tekniken blir alltmer komplex uppstår mer komplicerade problem. Detta gör det möjligt för ingenjörer att fokusera på det de är bäst på: kreativ problemlösning.

Så, hurra för automatisering, algoritmer och ingenjörer – vi behöver er alla! Nu och för all framtid.

 

*I den här artikeln betraktar vi automatisering och algoritmer som ett brett begrepp: all teknik som utför ett jobb eller en uppgift utan mänskligt tänkande, intelligens eller fysiskt ingripande. Det kan vara en enkel formel i Excel eller en uppsättning regler i programvara, neurala nätverk, artificiell intelligens, maskininlärning, kvantdatorer, intelligent robotik osv.

 

---

Vill du ha mer insikter?

Vårt säljteam är fullt av experter på dataanalys som är redo att hjälpa dig. Läs mer om Wedge industriellt dataanalysverktyg.

Du kanske har stött på situationer där det bästa sättet att arbeta, baserat på din långa erfarenhet och kunskap, inte stämmer överens med de system som används. System som ska hjälpa dig att arbeta bättre. Du är inte den enda som står inför detta problem.

Låt oss ta dataanalys som ett exempel. I teorin består processen av följande steg: Definiera uppgiften, samla in data, rensa data, analysera data, dra slutsatser och slutligen genomföra slutsatserna. Men hur ofta är arbetsflödet så okomplicerat i verkligheten? Och vad händer om ditt system är byggt för att följa processen strikt utan några undantag?

Vilken är den som leder vägen: Arbetsflöde eller system?

Arbetsflöde är vad människor faktiskt gör: en sekvens av uppgifter från början till slut. Det ideala arbetsflödet beskrivs ofta i riktlinjer, regelböcker och andra processbeskrivningar. I en arbetsmiljö finns det vanligtvis också system, som ERP, CRM, ett biljettsystem och ett processanalyssystem, som hjälper dig att följa den valda processen. I en perfekt värld är dessa naturligtvis anpassade till varandra, vilket sparar tid, resurser och dina nerver.

Men ibland slår verkligheten tillbaka. 

Processbeskrivningar kan göras utan att man förstår arbetsflöden, och ett arbetsflöde kan tvingas in i ett system som inte är lämpligt för det. 

När dessa står i konflikt tenderar arbetsflödet att vinna. Människor kan låtsas följa riktlinjerna, och de kan till och med göra extra arbete för att skapa illusionen att processer följs för att uppfylla systemets behov.

Systemen bör passa människornas behov, inte tvärtom.

Om systemen inte stöder det faktiska arbetet kommer människor att hitta alternativa sätt att få arbetet utfört; och de kan göra det även om det är strängt förbjudet. Detta kommer att leda till extra arbete när människor låtsas följa processen och simulerar saker enligt systemkraven.

När systemen verkligen stöder arbetsflödet gör de arbetet enklare, snabbare och effektivare. Bra system utmärker sig genom att minska rutiner och minimera misstag. De gör människors liv enklare och lyckligare, och anställda och företag mer produktiva. 

Men bara när de tjänar arbetsflödet. Så välj dem med omsorg.

 

---

Vill du ha mer insikter?

Vårt säljteam är fullt av experter på dataanalys som är redo att hjälpa dig. Läs mer om Wedge industriellt dataanalysverktyg.