10 anledningar till att Analytics-projekt går åt skogen

Jag har varit engagerad i BI & Analytics-världen i snart 20 år. Under alla dessa år har jag varit engagerad i flera hundra leveranser. Här kommer ett erkännande: Vissa av dessa projekt har gått fullständigt åt skogen. Jag har varit med och drivit projekt som körde rakt in i väggen, gick långt över estimerad tid och som inte blev en framgång. Som tur är dessa inte så många men ett enda misslyckat projekt är ett för mycket.

Varför är det så sällan folk pratar om detta? Förr eller senare händer det ju alla, oavsett hur erfaren du är. Ibland är inte förutsättningarna på plats för att lyckas. Helt enkelt. Med åren och erfarenheten kommer också instinkterna till hjälp. Man lär sig att känna igen ett antal saker som om de börjar uppstå och inte går att ändra på gör att man drar hårt i handbromsen innan det är alldeles för sent. Det är dessutom viktigt att lyssna på alla unga, hungriga människor som kommer in med nya ansatser, uppdaterad teknik och skön energi.

På senare tid har jag börjat reflektera över dessa saker. Det är ju viktigt att lära av misstag och att dela med sig av dessa lärdomar så att andra inte behöver göra om dem. Så här kommer min helt orankade topp 10-lista över varför Analytics-projekt går åt skogen. För att komma med lite mer stoff har jag även skrivit några tankar om vad problemen kan få för konsekvenser (Effekt) och vad jag lärt mig att man kan göra åt problemen (Motåtgärder).

1.  Svårt att få tag i data eller fel i data
När verksamhetskraven i projektet fastställs skall dessa sedan synkas med att data verkligen finns för att åstadkomma det som är målet. Detta är tyvärr ett mycket vanligt problem. Det kan bero på många olika orsaker, t ex att förväntad data helt enkelt inte genereras någonstans, eller att beroende till andra parter gör att det är svårt eller tar tid att få tag på den.

Effekt: Förseningar, fördyringar. Misslyckas att nå de uppsatta och förväntade verksamhetsmålen. Om datakvalitetsproblem inte adresseras kan i värsta fall felaktiga slutsatser dras, exempelvis när vi applicerar machine learning-metodik.

Motåtgärder: Börja tidigt att göra efterforskningar och säkerställ att datan som skall användas finns och håller nödvändig kvalitet. Vi brukar kalla detta för en källinventering eller dataprofilering. Vi vill ogärna spika ett scope eller ett fastställt estimat innan detta är gjort. Ibland måste man men det är lite som att köpa grisen i säcken.

2.  Förväntansgap
Kundens upplevda kvalitet i leveransen är en konsekvens av hur leveransen faktiskt blivit och kundens förväntningar på leveransen. Om kunden haft fel eller orimliga förväntningar kommer de alltid att vara missnöjda även om leveransen varit ok eller bra utifrån gängse branschpraxis. Ofta beror förväntansgap på att kundens beställare har begränsad erfarenhet av Analytics-projekt, i kombination med att leverantören har överpositiva säljare som lovar för mycket för att få affären. Det kan också vara en konsekvens av inköpsdrivna upphandlingar som fokuserar för mycket på lågt pris och för lite på effektmål.

Det är viktigt att bygga en relation med ärlig och uppriktig kommunikation och som leverantör undvika att falla i fällan att gå hem på kammaren och snickra ett par veckor för att det är lättare och mindre utsatt. Det biter en i svansen senare.

Effekt: När förväntanskapet blir stort ökar helt enkelt risken för att bli besviken, tycker inte att de fått värde för sina pengar osv.

Motåtgärder: Börja förändringsresan tidigt. Sätt igång med inspirationsmöten och visa på exempel på hur andra har gjort sina Analytics-resor. På så vis kan förväntan börja synkas eftersom beställare blir medvetna om vad som är möjligt och rimligt att förvänta sig. En införsäljningsprocess av ett projekt bör ta en del tid. Går det för fort hinner inte förväntningarna synkas.

Om en konkurrenssituation råder vid beställningen är det bra att försöka bryta ner de olika leverantörernas förslag i faktabaserade delar så att äpplen och äpplen jämförs. Ta hjälp av expertis om du är osäker.

En annan sak är att beställare och leverantör arbetar mycket nära varandra under projekten när de väl är igång, gärna sitta nära varandra rent fysiskt i samma lokaler.

3.  Satsar för tidigt på omogen teknik
Det är kul med teknik. Ofta är det lockande att satsa på helt ny teknik, nya produkter osv för känslan av att man ligger i framkant och tar del av allt nytt spännande. Dessutom driver olika teknikleverantörer på och riggar upp fina konferenser där inspirationen frodas. Det finns flera problem med detta. Det kan t ex handla om att tekniken är buggig då den inte riktigt är klar. Det kan också handla om att konsulter och utvecklare ännu inte har full kompetens på hur tekniken bäst skall nyttjas och hur den faktiskt fungerar.

Effekt: Krånglande teknik, komponenter som inte passar ihop som får till följd att projekt blir försenade eller havererar. Den teknikleverantör som hävdar att det aldrig hänt ljuger! Ibland är det som att ny teknik är viktigare än affärsprocesser och medarbetare.

Motåtgärder: Självklart, var aldrig först ut på en helt ny teknik. Låt andra göra misstagen och lär av nätverket. Om beslut ändå fattas att gå in i omogen teknik, gör det helt medvetet och ta höjd förväntad tidsåtgång och förväntad kalendertid.

4.  övertro på att om vi byter verktyg så löser sig allt
Återigen, det är kul med teknik. Många kunder sitter i relativt gamla frontendverktyg som Business Objects, IBM Cognos och Reporting Services. Andra typer av verktyg har dominerat marknaden de senaste åren, så kallade data discovery-verktyg som PowerBI, Qlik och Tableau. Jag har märkt att det ofta finns en övertro på att bara vi byter verktyg så löser sig allt. Om det t ex var dålig datakvalitet eller fel data innan så är det även efter ett byte.

Effekt: Besvikelse och tappat förtroende. Uteblivna verksamhetseffekter. Det kommer att bli ännu svårare att driva förändringsarbete inom området framöver.

Motåtgärder: Om frågan om nytt verktyg kommer upp, försök gå till botten med vad det verkliga problemet är. Visst kan ett gammaldags verktyg vara ett hinder men det är ju ändå samma data. Lägg tid på att efterforska, få verksamheten att verkligen engagera sig i frågan istället för att hoppa på en enkel lösning. Det kan visa sig att ett nytt verktyg behövs men det är ofta inte den enda delen av lösningen.

5.  djävulen är i detaljerna
I början av projektet känns allt så härligt. Vi har oceaner av tid på oss och alla är positivt inställda till allt det nya. Projektledaren säger att vi har grönt ljus och att tiden kommer att räcka. Sen kommer alla detaljerna ifatt. Sista veckorna innan leverans kör vi 24/7 och det känns som att backloggen aldrig tar slut.

Effekt: Leveransen blir försenad, vi bommar budgeten eller vi får inte gjort de leveranser som verkligen betyder mest för verksamheten.

Motåtgärder: Agil projektmetodik självklart och det lämpar ju sig mycket väl om våra kunder är mogna och redo för det. Men i alla fall när vi kör de första stora projekten ser vi inte alltid att det är så lämpligt. Så med klassisk vattenfallsmetodik så är det helt enkelt så att vi måste styra projektet riktigt ordentligt. Vi skall undvika glädjeestimat och var helt säkra på prioriteringslistan när det börjar närma sig leverans. Mitt personliga favoritknep är att gå ut hårt redan i början. Bättre att ha lite tid över i slutet och stressa i början. Jag körde samma trick redan vid tentapluggandet på högskolan…

6.  Förändringsledning och förståelse för förändringsprocesser
Detta är ett skrå i sig och förtjänar att tas på allvar. Alla som drivit många projekt vet att det då och då dyker upp situationer med intressenter som hamnar på bakhasorna och inte vill vara med. Det finns ett klassiskt uttryck som är att ett system är aldrig så populärt som den dagen det skall ersättas. Detta måste tas på stort allvar.

Effekt: Även om det nya systemet blir fantastiskt så landar det inte i organisationen. Verksamhetseffekterna uteblir. Ibland kan hela projekt gå åt skogen om det t ex är en hög chef som inte är med på resan och stoppar allt.

Motåtgärder: Gör hemläxan med intressentmodellen. Se till att alla intressenter blir involverade tidigt och får vara med och tycka till. Sätt stort fokus på där du kan förvänta dig problem och gör det tidigt.

Se till att alla är med på visionen, målet och meningen med det vi gör. Hitta ambassadörerna som kan hjälpa till att driva på förändringsarbetet.

Prata med människor på ett språk de förstår. Sätt in det i deras verksamhetskontext och förklara varför det är relevant för dem.

7.  It driver verksamhetsprojekt utan förankring i verksamheten
Rätt så ofta är det IT-organisationen som köper våra tjänster inom Analytics. Oftast är det en IT-organisation som har starka kopplingar till verksamheten, men inte alltid. Det förekommer också att IT försöker skapa IT-lösningar åt verksamheten utan att kunna/våga/förstå att de måste prata med verksamhetspersonerna som skall använda lösningarna. Det brukar sällan bli bra. Vi har även varit med om exempel på det motsatta, att verksamheten driver projekt utan IT, vilket inte heller blir bra.

Effekt: Lösningarna används inte eftersom det inte är rätt lösningar. Verksamheten rundar IT och försöker göra det själva genom att köpa tjänster på stan vilket leder till frustration i alla led (vilket ju är ett exempel på det motsatta).

Motåtgärder: Identifiera tydliga mottagare och beställare i verksamheten och prata med dem. Anlita business analysts som blir bra bryggor mellan verksamhet och IT. Genomför aldrig ett Analytics-projekt som inte är ordentligt förankrat i ett verksamhetsområde (ja, det finns undantag men de är få).

8.  avsaknad av förankring i  företagsledningen
De flesta större projekt behöver en stark förankring i företagsledningen (eller vilken nivå som nu är relevant beroende på hur stor organisationen är). Det behövs en tydlig sponsor som bidrar till att ge projektet legitimitet, prioritet och att det kan läggas kraft bakom orden.

Effekt: Projektet försvinner iväg i internpolitikens virvlar. Intressenter ger inte projektet det stöd som det behöver. Parallella lösningar byggs upp som gör samma sak. Frustration, förseningar, debacle.

Motåtgärder: Säkra sponsorskap innan projektet drivs för långt. Fundera på vilket argument som skall användas för att få med personer i ledande befattningar, ofta är det inte samma som dina egna bästa argument. Sök allianser och hitta intressenterna som känner rätt personer. Ha tålamod.

9.  för stort scope
Att försöka göra för mycket på en och samma gång blir sällan bra. Ett för stort scope är en säker väg rakt ner i projekthelvetet. Att våga stå upp när scopet spikas är helt avgörande. Per definition vill kunden alltid ha mer för pengarna men i det läget är integritet ett nyckelord. Det vinner du på i längden. Att våga säga nej!

Effekt: Misslyckade projekt som bränner tid och budget. Hela satsningen äventyras på grund av all besvikelse. Förlorade möjligheter att skapa positiva verksamhetseffekter.

Motåtgärder: Lägg tid på att skapa den stora visionen men bryt upp i mindre delprojekt med tydliga leveranser och fira segrarna på vägen. Skala ner, gör snabba, korta leveranser och saker som syns och hörs. Ha en långsiktig plan men skär upp den i små bitar. Jobba agilt. Se till att ha med erfarna projektledare och arkitekter som vet hur mycket tid allting tar på riktigt, inga fantasier.

Jag har funderat mycket på hur stor den optimala Analytics-lösningen är. Om verksamheten bedrivs som en stor koncern är det då relevant att göra en megalösning centralt som skall passa alla, eller är det bättre att bryta upp den, t ex per affärs-/verksamhetsområde. Det finns inga givna svar på denna fråga men behöver alltid diskuteras och reflekteras. Det tenderar att gå politik i frågan också.

10.  företagsledningen har hört talas om något som kallas ai
Det där med AI det verkar ju vara värsta hypen. Det måste vi också göra! Och så kastar vi oss iväg och gör en stor satsning utan att veta vad det handlar om, hur man gör och varför man skall göra det. Är det ens relevant för oss i det läget vi befinner oss i? Har vi relevant data (se punkt 1)? Är det detta vi verkligen behöver.

Effekt: Misslyckade projekt, besvikna verksamhetsmänniskor, förlorad tid. Hela satsningen äventyras på grund av all besvikelse. Under tiden springer datadrivna konkurrenterna förbi i vänsterfilen.

Motåtgärder: Lägg tid på att öka mognadsgraden inom området så att ni blir bättre beställare och vet vad ni verkligen behöver. Nätverka och kolla vad andra i er bransch håller på med som inspiration. Lyssna inte för mycket på säljare… Bilda er en egen uppfattning. Tillsammans med Högskolan i Skövde har vi på Advectas utvecklat den så kallade ”Jumpstart”-metodiken som innebär att man gör snabba testprojekt där man inte bränner så mycket pengar innan man vet att det leder till något. Honnörsordet är ”Fail Fast”. Det handlar om att utforska och våga erkänna misslyckanden, men också att våga gå vidare i nya riktningar. Ofta krävs det flera sådana Jumpstarts innan organisationen är redo att ta sig an de större initiativen. Då är mognaden på plats och man vet hur man skall beställa och driva sådana projekt. Vi har flera exempel på hur detta hjälpt kunder att komma framåt på resan mot att bli datadrivna på riktigt!

Många punkter visar alltså tydligt att Analytics är ett verksamhetsprojekt. Om det behandlas som ett IT-projekt och drivs som ett IT-projekt kan man leverera en lösning, men sällan någon större nytta eller verksamhetsförändring. Det är dock lättare att talk-the-talk än walk-the-walk gällande förändringsledning och processutveckling, något som kunderna ofta inser för sent och då inte har orken att adressera frågan. Från Advectas sida har vi de senaste åren byggt upp en verksamhet med verksamhetskonsultation. Dessa kollegor arbetar ofta i kundsituationer där de kan brygga över mellan verksamheten och IT vilket vi ser bidrar till att öka möjligheten att nå framgång i dessa projekt.

Tveka inte att kontakta mig om du vill diskutera era utmaningar, thomas.svahn@advectas.se

 

Thomas Svahn

Thomas Svahn
thomas.svahn@advectas.se
Thomas Svahn är sedan många år senior rådgivare inom Analytics-världen. Thomas har även medverkat i mycket akademisk forskning inom Analytics-området. I sin dagliga roll är han Vice President, Head of Sweden för Capgemini Insights & Data, Sveriges och Skandinaviens ledande företag inom Data, Analytics och AI

Alla inlägg av Thomas Svahn