Från data till beslut: Varför datadriven verksamhetsstyrning börjar långt före analysen

Det talas mycket om hur ekonomifunktionen ska bli mer strategisk, arbeta mer datadrivet och använda AI för analys, prognoser och beslutsstöd. Men under våra rundabordssamtal på FAR:s Verksamhetsstyrning blev en annan fråga minst lika central:

Har vi egentligen skapat förutsättningarna för det?

Exopen samlade controllers, ekonomichefer och andra ekonomiledare från organisationer i olika storlekar och branscher för att diskutera vägen från data till beslut. Trots stora skillnader mellan verksamheterna återkom samma grundläggande utmaning: det råder sällan brist på data. Problemet är att den finns på för många ställen, i olika strukturer och med olika definitioner.

Vill du veta var din egen organisation står? Gör vår snabbanalys – den tar några minuter och ger dig en bild av era förutsättningar.

Ekonomifunktionen har inte ett dataproblem för att den har för lite data

ERP-system, CRM, projektsystem, HR-system, försäljningssystem och operativa verksamhetssystem skapar tillsammans en allt större mängd information.

Varje system kan fungera bra för sitt syfte. Problemet uppstår när informationen ska användas tillsammans.

I samtalen beskrevs organisationer med flera ERP-system, olika kontoplaner och dimensioner, eller till och med samma system där informationen används och definieras på olika sätt. För att förstå helheten behöver data därför hämtas, mappas, kontrolleras och sammanställas. Ofta manuellt.

Det skapar en paradox.

Ju mer data verksamheten får tillgång till, desto mer tid riskerar ekonomifunktionen att lägga på att få ihop den.

Och när Excel blir platsen där information från olika system slutligen sammanställs skapas lätt ytterligare personberoenden. Någon vet vilken fil som är rätt, hur siffrorna ska mappas eller varför två system visar olika resultat.

Det fungerar. Tills det inte längre gör det.

Frågan är inte bara om siffran är rätt

Datakvalitet diskuterades mycket under dagen, men samtalen visade också att kvalitet är bredare än att en enskild siffra är korrekt.

För att information ska fungera som beslutsunderlag behöver organisationen veta vad siffran betyder, var den kommer ifrån och om den går att jämföra med motsvarande information från andra delar av verksamheten.

En deltagare beskrev exempelvis hur samma produkt kunde ha ett stort antal olika benämningar i organisationen. Andra beskrev hur samma kontoplan användes på olika sätt i olika bolag.

Det illustrerar en viktig skillnad:

Att ha data är inte samma sak som att ha gemensam information.

Först när data harmoniseras och sätts i en gemensam struktur kan den börja fungera som ett gemensamt språk för verksamheten.

AI gör datagrunden ännu viktigare

AI fanns naturligtvis med i diskussionerna. Men kanske inte på det sätt man först skulle kunna tro.

AI hamnade snarare högst upp i kedjan än längst ner.

Om data ligger utspridd i olika system, samma begrepp betyder olika saker och viktig kontext finns hos enskilda personer får även AI svårt att förstå verksamheten.

En modell kan bearbeta stora mängder information. Men den behöver fortfarande förstå vad informationen representerar.

Det innebär att satsningen på AI också sätter nytt ljus på ett gammalt problem: organisationens data måste vara strukturerad, harmoniserad och tillförlitlig.

Rådata räcker inte. Kontexten måste finnas där också.

Ska alla system verkligen bytas ut?

En annan intressant diskussion handlade om systemlandskapet.

En väg är att standardisera verksamheten kring ett fåtal gemensamma system. Under ett av samtalen beskrev en deltagare en omfattande transformation från omkring 200 system mot två. Det var samtidigt ett flerårigt förändringsprojekt med betydande investeringar.

För många organisationer är ett totalt systembyte varken realistiskt eller nödvändigt.

ERP-systemet kan fungera utmärkt för redovisning. CRM-systemet kan vara rätt för försäljning. Ett specialiserat verksamhetssystem kan vara avgörande för den operativa verksamheten.

Då blir den viktigare frågan:

Hur skapar vi en gemensam bild av verksamheten utan att alla måste arbeta i samma system?

Det är här integration, harmonisering och en gemensam datamodell blir centrala. Medarbetarna kan fortsätta arbeta i de verktyg som passar deras arbete, samtidigt som informationen kan användas gemensamt för rapportering, analys, planering och uppföljning.

Målet är inte bättre data. Målet är bättre verksamhetsstyrning.

Det är lätt att göra dataprojekt till IT-projekt. Men diskussionerna under FAR visade varför frågan egentligen är betydligt större.

Ekonomifunktionen vill inte samla data för datans skull.

Den vill kunna förstå vad som händer i verksamheten, upptäcka avvikelser tidigare, analysera varför de uppstår, uppdatera prognoser och ge verksamheten bättre stöd.

När en stor del av tiden går till att hitta, sammanställa och kontrollera information minskar tiden som kan läggas på just detta. Flera deltagare beskrev också mer tid för affärsstöd och verksamhetsutveckling som den egentliga målbilden.

Därför behöver diskussionen om datadriven verksamhetsstyrning börja längre ner än i dashboarden.

Den börjar med frågor som:

• Var finns vår data?
• Har vi gemensamma definitioner?
• Kan information från olika system jämföras?
• Kan vi spåra var siffrorna kommer ifrån?
• Kan rätt personer komma åt rätt information?
• Är informationen tillgänglig när beslutet faktiskt behöver fattas?

När de frågorna är lösta förändras också ekonomifunktionens roll.

Mindre tid går åt till att skapa beslutsunderlaget. Mer tid kan läggas på själva beslutet.

Det är kanske den viktigaste lärdomen från våra rundabordssamtal: Datadriven verksamhetsstyrning börjar inte med rapporten, dashboarden eller AI-analysen.

Den börjar med datan under ytan.

Vill du veta var ni står?

Gör vår snabbanalys och få en bild av era förutsättningar för datadriven verksamhetsstyrning – eller prata med en expert så guidar vi dig direkt.