Alla älskar att prata om hur AI och dataanalys kommer att revolutionera varenda bransch som finns. Men hur ska det gå till? Hur går vi från en organisation som tar beslut baserat på magkänsla till en organisation som tar datadrivna beslut?
Ett vanligt sätt är att hålla en utbildning eller en temadag med den tidstypiska rubriken ”Hur fungerar AI?” eller ”Hur kan vi använda AI?”. Att vidga vyerna om vad som är möjligt med avancerad dataanalys är givetvis bra. Men AI är bara ett av många sätt att bygga värde av data och i regel det sista stoppet på den analytiska resan för en organisation. Först i den resan ligger att öka datakunnighet.
Två möjliga åtgärder för ökad datakunnighet
Datakunnighet är förmågan att kunna hämta, bearbeta och förstå data. Exempelvis kan en person som är datakunnig snabbt ta fram hur många aktiva kunder ett företag har.
De flesta större organisationer har datakunnighet i en eller flera funktioner, oftast på en analysavdelning. När en person utanför analysavdelningen vill ha svar på exempelvis hur många aktiva kunder företaget har så skickar man frågan till analysavdelningen som tar fram analysen. Det här gör att analysavdelningen automatiskt blir en flaskhals, vilket gör att det ibland kan ta tid att få svar på en relativt enkel fråga. Den långa ledtiden kan göra personer motsträviga till att ställa frågor till analysavdelningen vilket i sin tur leder till att man istället baserar beslut på magkänsla.
Det finns två möjliga åtgärder för att lösa det här problemet: utöka analysavdelningen så att de kan besvara fler frågor eller demokratisera data genom att öka datakunnigheten i resten av organisationen. Att utöka analysavdelningen är lättare sagt än gjort, att få tag i personer med rätt kompetens är svårt och rekryteringar tar ofta lång tid.
Att öka datakunnigheten är inte heller något du gör över en natt. Det kräver kulturella förändringar från anställda, chefer och inte minst IT-avdelningen. Men det är lättare och framför allt mer hållbart än att bygga en monstruös analysavdelning.
Förändring och utbildning för hela organisationen
Ökad datakunnighet innebär att fler personer ska ha tillgång till data och dessutom kunna förstå den. För att det ska vara möjligt behöver man kunna skala upp sin dataplattform för ökat användande och se till att ha en gedigen katalogisering av data. Förutom det här behöver man lyfta datakompetensen på företaget. Hur man gör det är en kombination av väl utformade (frivilliga) utbildningsprogram och att man ger anställda rätt förutsättningar att ta till sig ny kompetens. Vår erfarenhet är att det sällan räcker med att skicka några utvalda på en kurs utan förändringen behöver genomsyra hela organisationen från ledningsgruppen nedåt. Utbildningen bör ske på plats, om organisationen har tillräckligt med utrymme, och deltagarna ska helst vara från olika delar av organisationen. En organisation med en ambitiös agenda kring data bör även uppmärksamma och belöna personer som utvecklar datakompetens och värdeskapande sätt att använda data.
De positiva effekterna av ökad datakunnighet är överväldigande. När datakunnigheten ökar i organisationen kommer fler att ställa datadrivna frågor och ha möjlighet att svara på dem själva. När fler personer använder data kommer fler att ta datadrivna beslut. Analysavdelningen slipper då belamras med enkla frågeställningar och kan istället fokusera på avancerad analys. I kombination med det här kommer fler att få förståelse för vilken data ni har och kan då tillsammans med analysavdelningen reda ut vilka AI-modeller som faktiskt skulle vara möjliga.
Sist, men inte minst, kommer ökad datakunnighet göra att fler granskar er data vilket kommer att leda till att datakvalitén i organisationen ökar, och datakvalité är en av de absolut viktigaste förutsättningarna för att lyckas med AI. Om ni dessutom parar ihop det här med en gedigen katalogisering av data kommer er organisation att ha väsentligt mycket bättre förutsättningar i en digital värld där konkurrensen blir allt tuffare.
