Tre spaningar inom Business Analytics 2024​

Hållbarhet

Med de nya direktiven från EU kring hållbarhetsrapportering har hållbarhetsdata blivit ett allt viktigare område för de större bolagen. I ett första steg gäller det att identifiera smarta och effektiva sätt att samla ihop hållbarhetsdata för att kunna rapportera enligt de nya direktiven. I nästa steg behöver bolagen fundera på hur de kan använda hållbarhetsdata i den strategiska processen och i styrningen av bolaget genom att kombinera hållbarhetsdata med finansiell data.​

  ​

Konkreta tips för ledningen

– Bygg upp metoder och processer för att kunna påbörja datainsamlingen av efterfrågad hållbarhetsdata redan idag. Detta för att organisationer kommer i allt större grad att krävas på information om dess prestanda inom hållbarhetsområdet, oavsett om din organisation redan omfattas av de nya direktiven eller ej.
– Skapa dig en nulägesbild över företagets pågående hållbarhetsarbete genom att samla in relevant information från olika delar av verksamheten. Syftet är att kunna identifiera gapet mellan var organisationen befinner sig i nuläget kopplat till insamling av hållbarhetsdata och det framtida önskade läget. Etablera även en målbild utifrån gällande regelverk och intressenters förväntningar, såväl som interna behov för att effektivt kunna styra organisationen med hållbarhet i åtanke. 

– Skapa tekniska förutsättningar för att arbeta med hållbarhetsdata genom att investera i rätt verktyg och system. Det kan handla om allt från verktyg för att mäta koldioxidutsläpp eller energiförbrukning till en dataplattform för att samla in, konsolidera, rapportera och analysera data.

AI inom data warehousing

I och med det ökade intresset för generativ AI och tjänster som ChatGPT och Gemini funderar företag på hur tekniken kan nyttjas på bolagets egna data i en allt större utsträckning.​ Genom att tillämpa Natural Language Processing (NLP) mot sitt datalager sänks barriären för medarbetarna att komma åt relevant information vilket innebär en demokratiseringen av data och en ökad grad av self-service. Lägg där till smarta röstassistenter som Siri eller Alexa som möjliggör för bolagets beslutsfattare att ha en egen digital assistent som förser dem med information när som helst på dygnet.​

 

Konkreta tips för ledningen​

– Lyft frågan i företagsledningen och utgå från vilka eventuella problem AI kan lösa för bolaget eller dess externa intressenter. Att bygga NLP mot datalagret skulle exempelvis öka tillgången till relevant information och effektivisera beslutsprocessen avsevärt.
 – Vänta inte, utan börja istället i en mindre skala. Fokusera på att snabbt skapa värde och skala upp gradvis. Även om ett initiativ inte lyckas fullt ut, kommer gap att identifieras inom teknologi, kompetens och/eller datakvalité som kan utgöra viktig input för organisationen. Olika initiativ kommer dessutom att skapa ett organisatoriskt lärande och göra bolaget än mer redo för framtida satsningar inom AI. ​
– För att få ut relevant information från datalager genom tillämpning av AI-teknik krävs det att data håller hög kvalitet och ligger väl strukturerat. Skapa därför ett data governance program för att säkerställa högkvalitativt data i datalagret (läs vidare i spaning kring Data governance program). 

Data governance program

Som en konsekvens av att fler bolag önskar hoppa på AI-tåget har de börjat förstå att förutsättningen för god tillämpning av machine learning (ML) eller AI är god datakvalitet.​ För att driva god datakvalitet krävs det att bolaget sätter roller och ansvar kopplat till data ihop med robusta processer. Givetvis går det även att använda AI som en hjälp för att tagga och klassificera data. ​Datakvalitet är inte bara en förutsättning för att implementera ML och AI, utan det är också en viktig komponent för att bli en mer datadriven organisation. För att möjliggöra att beslut kan fattas baserat på fakta och inte enbart magkänsla. Det kan även kopplas till den första spaningen om hållbarhet, eftersom datakvalitet är avgörande för att kunna framställa pålitlig och transparent hållbarhetsrapportering. 

​

Konkreta tips för ledningen​​

– Hitta rätt omfattning för företagets data governance program och börja hellre småskaligt än inte alls. Det måste finnas ett tydligt affärsvärde i utformningen av ett data governance program och därför bör inte en allt för omfattande och krävande struktur byggas. Däremot är det dömt att misslyckas att försöka etablera en datadriven organisation, utan att etablera någon form av data governance struktur.
– Etablera tydliga roller och ansvar för data i organisationen. Säkerställ att både personer lokalt tar ansvar för delar av data, men även att det finns en person eller grupp som håller ihop helheten. Detta möjliggör att det finns principer och processer som bidrar till en gemensam standard. ​
– Upprätta jämförbar och lättillgänglig uppföljning av datakvaliteten. För det skapas tydliga incitament till att förbättra sin data genom att visualisera datakvaliteten för de personer med något form av ansvar eller ägarskap för data.

Relaterade artiklar

Becoming a Data-Driven Decision-Making Organisation In the quest of becoming a data-driven organization, one must first learn to navigate the…