Pilotprojekt inom Analytics – och sen då?

I flera sammanhang har vi på Advectas problematiserat kring fallgropar, utmaningar och svårigheter i att bli en datadriven organisation. Vi har bland annat lyft brist på strategier, för mycket fokus på teknik och avsaknad av eldsjälarDessutom kan den egna företagskulturen vara ett hinder för att organisationen fullt ut ska lyckas omfamna det datadrivna arbetssättet. 

Men trots allt är det allt fler som faktiskt kommer igång, ofta i form av ett tekniskt pilotprojekt för att testa ett analysverktyg, kanske initierat av IT. Och vi mår ju bra när vi startar nya initiativ eftersom det känns som vi gör något konkret. Men när det gäller att skala upp pilotprojektet till fullskalig lösning kan det tyvärr finnas en del hinder på vägen. Något som flera av våra kunder också vittnat om och bett om vår hjälp med. Kanske sitter du i ett sådant läge just nu? 

Tidigare i höst släpptes en artikel i AI Magazine (Scaling Up Data-Driven Pilot Projects) skriven av mikloka kollega Thomas Svahn tillsammans med Mikael Berndtsson och Ann-Marie Ericsson vid Högskolan i Skövde. I artikeln beskriver de ett antal hinder som kan uppstå föreunder och efter lanseringen av ett pilotprojekt inom analytics och som hindrar möjligheterna att skala upp till färdig lösningVi känner igen flera av hindren från de diskussioner som förs i vårt nätverk kring datadrivna organisationer men jag tror det kan underlätta att se dem indelade i föreunder och efter som de har gjort i artikeln. 

Vissa hinder uppstår typiskt oftare när det handlar om avancerad analys och AI, men jag anser att samtliga hinder är relevanta att reflektera kring även när det handlar om att skala upp ”klassisk Business Intelligence” i sin organisation. 

Ofokuserade projekt och orealistiska förväntningarDet är ju frestande att starta ett pilotprojekt bara för att utforska nuvarande tekniker, algoritmer eller idéer och se vad som kommer ut ur projektet. Detta är dock sällan ett bra tillvägagångssätt och kan till och med slå tillbaka i form av brist på förtroende för AI och avancerad analys i organisationen och försena eventuella framsteg inom området i flera år. AI och avancerad analys anses ofta representera en “magisk silverkula” som ska förflytta verksamheten till ett läge där man ska kunna förutspå sin verksamhet och sina kunder med en viss exakthet. Detta är dock svårt att avgöra på förhand och därför ska man inte lova mer än man kan leverera.  

Obalanserat team och brist på färdigheterDet är vanligt att man i ett pilotprojekt har med sig projektmedlemmar som är mycket tekniskt kunniga medan verksamhetsrepresentanter ofta är få alternativt helt frånvarande. Med ett sådant upplägg blir initiativet “ännu ett tekniskt projekt som inte skapar verksamhetsnytta” och mycket troligt får man kritik kring detta från verksamheten. Många organisationer har egen kompetens för att ta sig an de flesta tekniska pilotprojekt inom Business Intelligence. Dessa färdigheter är dock svåra att återanvända ett pilotprojekt inom AI och avancerad analys, eftersom de kunskaper och tekniker som krävs är olika.  

Stort personberoende
I små till medelstora organisationer är det vanligt att nya tekniker som AI och avancerad analys initieras av en eller flera nyckelpersoner. Att introducera ett helt nytt område är en svår uppgift, och det kan vara förödande för framstegen om personen lämnar projektet.

Det kan vara svårt att säkerställa att man har precis alla förutsättningar på plats innan man drar igång. Men oavsett hur förberedd man är kan hinder förekomma UNDER ett pilotprojekt som påverkar möjligheten att skala upp till fullskalig lösning:  

Dålig data eller ingen tillgång till data
I många fall behöver ett datadrivet pilotprojekt tillgång till data som inte tidigare har analyserats eller som inte har samlats in tidigare. Det är vanligt att organisationen anser och tror att de har tillgång till stora mängder data och att det är av bättre kvalitet än vad de faktiskt är. Det kan också vara så att definitioner skiljer sig åt mellan olika affärsenheter inom samma företag och mängden arbete som krävs för att harmonisera definitionerna kan vara för mycket för att piloten ska kunna skala upp.

Motstånd i verksamheten
Ett datadrivet pilotprojekt kräver vanligtvis tillgång till beslutsfattare för att utveckla en korrekt modell för hur beslut fattas för närvarande eller för att jämföra resultaten från piloten. Men inte alla beslutsfattare inom organisationen är villiga att dela sin kunskap med ett pilotprojekt som potentiellt kan hota både deras jobb och makt.

Nu är ni klara! Lösningen är färdig och ni längtar efter att få ledningens godkännande att rulla ut den till organisationen. Men även här finns hinder som påverkar möjligheten att skala upp till fullskalig lösning:  

Ledningen är inte intresserade
Trots att ett datadrivet pilotprojekt lyckats är ledningen kanske inte intresserad av att skala upp piloten. Orsakerna till bristande intresse från ledningen kan vara flera, tex att man inte litar på resultaten från piloten på grund av att man inte förstår de begrepp eller tekniker som använts. Då blir det svårt för dem att se hur pilotprojektet passar in i en större bild av organisationens framtida inriktning. I praktiken har vi också sett exempel på det motsatta, där ledningen och styrelsen har hört talas om ”AI” som ett buzzword. De startar upp stora initiativ och spenderar mycket pengar, utan att ha en egentlig strategi och riktig uppfattning om vad de vill uppnå.

Oförmåga att agera utifrån nya insikter
För att få ett verkligt affärsvärde från ett pilotprojekt måste även åtgärder genomföras. Om vi vill skala upp åtgärder baserade på insikter bortom pilotnivån och implementera dem i större skala, så kräver det omfattande kunskap och förståelse för hur hela organisationen är uppbyggd. Det krävs även ett gemensamt åtagande från verksamheten, IT och ledning för att kunna implementera en sådan uppskalning. Även om insikt finns kan kostnaden att skala upp åtgärden vara för stor eller lösningen alltför komplicerad.

Påbörjar ännu ett pilotprojekt
Ett datadrivet pilotprojekt är ibland lättare att starta jämfört med ett pilotprojekt som kräver en förändring av en affärsverksamhet. Anledningen är att en datadriven pilot kan fokusera på att ge verkligt värde för verksamheten utan att ändra något i den befintliga verksamhetsgrenen eller äldre system. Därför är det frestande att stanna på pilotnivån utan att skala resultaten till resten av organisationen. Detta beror på att pilotprojektet redan tillför ett visst affärsvärde till en affärsfunktion, vilket gör det legitimt att behålla det. Och nästa gång ett affärsproblem dyker upp, startas ett liknande pilotprojekt. I slutändan kommer en sådan organisation att ha massor av små datadrivna projekt för vilka resultaten inte skalas upp till resten av organisationen.

Känner du igen dig i det som beskrivitsÄr du nyfiken på vad vi rekommenderar för att undvika dessa hinder? Ladda då ned ScalingAnalytics​  – En guide för hur du tar pilotprojekt inom Analytics till fullskalig lösning 

Behöver du hjälp att komma vidare i dessa frågor är du välkommen att kontakta Anna-Carin Jonsson, anna-carin.jonsson@advectas.se

Anna-Carin Jonsson
anna-carin.jonsson@advectas.se
Anna-Carin har under sina 20 år i IT-branschen uteslutande arbetat med Business Intelligence och beslutstöd i olika former. I sin roll som managementkonsult och lösningsrådgivare på Advectas stöttar hon främst kunder med projektledning, kravhantering, förstudier, utredningar och förändringsarbete kring Business Intelligence. I dessa roller har hon kommit i kontakt med många av de fallgropar som verksamheter kan hamna i när det gäller beslutsstöd. Teknikbeslut som går före verksamhetsnyttan, oklara definitioner av begrepp och processer, oklara ansvarsroller och annat som gör att BI-initiativ inte tagit sig hela vägen och faktiskt skapat nytta. Self Service BI-initiativ är enligt henne särskilt intressanta eftersom de kräver att man decentraliserar mycket arbete som tidigare legat hos IT-avdelningen och detta kräver att verksamheten är redo för denna förändring.

Alla inlägg av Anna-Carin Jonsson

Missade du BI & DS Day 2020? Ingen fara!

Ta del av inspelningarna från dagen