Med data-warehouses, som samler og håndterer data fra flere kilder, er virksomheder rustet til at træffe datadrevne beslutninger, der sikrer forretningsværdi. Dog oplever vi ofte, at den digitale afdeling bliver afkoblet fra disse projekter, og dermed ikke formår at bygge produkter eller træffe beslutninger, der udnytter organisationens komplette data arkitektur. Derfor foreslår vi, at den digitale afdeling skaber et eksperimentelt miljø som en data-legeplads.
En hva’for en?
Ja, en data-legeplads.
Forestil dig dine data. Det kunne være salgsdata, hvis du driver en eCommerce-virksomhed. Eller forbrugsdata hvis du arbejder i forsyningssektoren. Eller måske marketingdata fra Google Analytics.
Forestil dig så, at du sender alle dine datakilder en tur på legepladsen – én datakilde ryger på gyngen, en anden en tur i rutsjebane og en tredje i armgangstativ. Herfra ser du, hvordan og hvor godt de kan lege sammen på kryds og tværs, og så sørger du for, at de, der får mest værdi ud af hinanden, får lov at interagere.
Skubber vi billedsproget til side, kan man med en mere faglig tunge forstå legepladsen som et mini data-warehouse. I det her blogindlæg vil vi dog forsøge at skrælle (nogle) tech-termer fra og holde det på et niveau, hvor alle afdelinger og niveauer i en organisation kan være med.
At bruge data-legeplads som alternativ for data-warehouse, er vores måde at gøre emnet mere fordøjeligt.
Skåret helt ind til benet er et data-warehouse et sted, hvor man kan samle og håndtere al sin data. Sådan en platform befinder sig i de fleste tilfælde i en finans- eller IT-afdeling, og er ofte en dyr løsning. Til gengæld er det et fremragende værktøj til at skabe forretningsværdi.
En data-legeplads er altså en form for eksperimentel datahub, hvor I eksempelvis kan kopiere datasæt fra jeres data warehouse og i samme omgang tilkoble data fra egne systemer for at gøre dem tilgængelige i hele afdelingen.
Vi forstår godt, hvis en data-legeplads lyder som noget, der passer perfekt ind i dit økosystem. Der er nemlig mange virksomheder, der har et ønske om at arbejde mere datadrevet, men som forhindres af, at det lyder for indviklet og for dyrt.
Derfor har vi lavet en guide, som du kan bruge til at komme i gang med datadrevet forretningsudvikling. Og selvom vi har kunnet tale i metaforer og billedsprog indtil nu, så kan vi desværre ikke helt undgå fagtermerne. Så hold lige vejret en gang!
1. Definér jeres objectives
No strategy is a tragedy. For at lykkes med implementeringen af jeres data-legeplads, skal I starte strategisk med at definere jeres business objectives.
Hvad vil I gerne opnå? Hvad arbejder I mod?
2. Opportunity mapping workshop
Med jeres målsætninger på plads handler det nu om at finde ud af, hvilke muligheder I har for at nå dem. Og her kan det ikke blive kreativt nok.
Start en idégenereringsproces, hvor I definerer use cases for at visualisere idéer og potentialer inden for data-projekter.
Her er tre mulige metoder til opportunity mapping:
Problem framing
Spørg jer selv, hvilket problem I ønsker at løse ved brug af data, så I sikrer, at alle i teamet er på bølgelængde.
Her undersøger I al interaktion mellem virksomheden og (potentielle) kunder for at finde ud af, om der er nogle punkter i kunderejsen, hvor I underperformer.
Skab et overblik over, hvilke data I opsamler på hvert touchpoint, og hvordan brugen af den data kan optimeres til at hjælpe kunderne endnu bedre videre på næste skridt af kunderejsen.
Med en tragtvisualisering skaber du et mere snævert billede af brugerflowet fra det første møde med din virksomhed hen imod en konvertering.
Vi står gerne for at facilitere en workshop med dig og dine kolleger, så I er sikre på at komme godt fra start i jeres implementering af en data-legeplads. Kontakt mig på natasha.christiansen@knowit.dk, og så finder vi tid til et møde.
3. Udvælg jeres data
Er du stadig med?
Godt. Fordi nu kommer vi til det punkt, hvor I skal til at udvælge jeres mest kritiske datakilder. Start med at skabe et overblik over, hvilke datakilder I har, og vælg derefter dem, der er vigtigst for jeres forretning.
Eksempler på datakilder er salgsdata, Google Analytics, SoMe-data, marketingdata, kundedata og eksterne kilder, som alle kan kombineres på kryds og tværs.
4. Kobl dine data til skyen
Det er blevet tid til at koble datakilderne sammen i en cloud løsning, hvorfra du kan eksperimentere med dine data.
Der er mange fordele ved at arbejde i skyen. For at nævne nogle af dem, giver skyen høj sikkerhed, nemt samarbejde og onboarding, fleksibilitet og skalerbarhed. Derudover er en cloud-løsning automatiserbar, hvilket gør det muligt at skabe et dataflow, hvor dataen opsamles automatisk. Den største fordel er dog, at en cloud-løsning gør det muligt at tilkoble nye datakilder gradvist.
Okay okay, skyen er smart. Men hvilken cloud-løsning passer til min virksomhed?
Her er der frit valg på alle hylder – vi vil dog anbefale jer at gå med Google BigQuery.
Dette er primært fordi, at den er mere omkostningseffektiv, og fordi den integrerer problemfrit med Google Cloud-økosystemet, som ofte allerede er taget i brug i en digital- eller marketingafdeling.
5. Analyse og metoder
Du har udvalgt dine datakilder og samlet dem i BigQuery. Nu skal du behandle dine data.
Hvis du ikke er ferm med Python, MATLAB og alle de andre store drenge, kan et helt almindeligt excelark også gøre arbejdet.
Eksempler på analysemodeller er:
Korrelationsanalyse som undersøger sammenhængen mellem x og y. Det kunne være salg af is og solskinsvejr.
Regressionsanalyse som medtager flere parametre for at kunne kigge ind i fremtiden.
Segmenteringsanalyse hvor kunder inddeles i grupper
og AI – selvfølgelig. Hvis din virksomhed arbejder med produktsalg, kan I implementere AI til at udarbejde jeres tags og descriptions og derefter teste nøjagtigheden.
6. Nedskriv use cases
Vend tilbage til de idéer I fik fra jeres opportunity mapping-workshop og omformulér dem til hypoteser. Det kunne eksempelvis være at effektivisere et led i kunderejsen, der kræver for mange ressourcer.
Download vores one page framework, som indeholder steps, du skal igennem for at lave use cases. Definér felterne i frameworket og brug det til at vurdere om use casen er levedygtig og ville kunne give værdi til virksomheden på den lange bane.
7. Value/Effort
Med dine use cases i hænderne er det tid til at lave en køreplan for, hvordan du kan opnå dine strategiske målsætninger – et såkaldt roadmap.
Saml alle dine definerede use cases og map dem ud i forhold til den værdi, de giver, og den indsats de kræver.
8. Proof of Concept
Nu kommer du til det sjove. Pilotprojektet.
Inden du vælger at investere tid og ressourcer i en full-scale implementering, skal du teste dine idéer i en mindre skala for at sikre at projektet er realiserbart og profitabelt for virksomheden.
Det er her, du tester udvalgte use cases for statistisk sammenhæng. Hvis der ikke er sammenhæng, skal du prøve at koble dem med andre datakilder.
9. Test af potentiale
Hvis der til gengæld er sammenhæng, kan du vælge at teste det forretningsmæssige potentiale i use casen.
Det kunne være, at du på baggrund af din korrelationsanalyse, som viste at der var statistisk sammenhæng mellem salg af is og solskinsvejr, sender to typer mails og AB-tester på klikraten. Eksempelvis.
Dette punkt KAN udelades, men vi anbefaler at gennemføre det, hvis du ønsker at vurdere værdien i en business case, inden du investerer i implementeringen. Det ville være synd og skam at indbygge et data-projekt, som viser sig ikke at have monetær værdi.
10. Lancering
Buckle up! Det er tid til at lade dit gennemtestede dataprojekt gå i luften.
Med din spritnye data-legeplads er du nu klædt på til at træffe datadrevne beslutninger, der er skudsikre for din virksomheds fremtidige succes.
Men husk at selvom du kunne læne dig tilbage og betragte alle dine data gynge og gå i armgang, er det vigtigt, du stadig monitorerer dem og tilkobler flere datakilder hen ad vejen for at indsatsen fortsat bliver ved med at give værdi til din forretning.
Hvis du har lyst til at høre endnu mere om at skabe forretningsværdi med brug af data, kan du prikke til mig på natasha.christiansen@knowit.dk. Og er du allerede overbevist om, at en data-legeplads er lige, hvad din virksomhed har brug for, byder jeg gerne på en kop kaffe og en snak om jeres muligheder.