En data strategi skal understøtte dine strategiske mål, og sikre sig at dataopsamling samt udnyttelse af denne giver din virksomhed en konkurrencemæssig fordel. Data strategien skal sikre sig at hele din data værdikæde er optimeret således at den bedst understøtter din forretning, og det du vil bruge data til. I denne blog post vil jeg give et indblik i hvad en data strategi er, og hvorfor den er så vigtig.
Har din virksomhed en data strategi?
Jeg har endnu ikke mødt en virksomhed som har en strategi for hvordan data skal håndteres.
I bedste tilfælde, har de en digitaliseringsstrategi, som har fokus på Internet of Things (IoT) og Business Intelligence (BI). Andre har en Big Data strategi, som definere at man skal have Big Data, men ikke hvordan dette opnåes og til hvilket formål.
Begrebet data strategi er som sådan ikke nyt. Men eksekveringen af en data strategi og hvordan denne nedskrives er ikke så veldefineret som en forretningsstrategi. Det kan altså være svært at vide, hvordan man bedst får nedskrevet en data strategi, hvad denne skal indeholde, og hvordan man sikre sig, at denne eksekveres og revideres. I denne blog post vil jeg pointere vigtigheden af at have en data strategi, og give eksempler på, hvad sådan en skal indeholde.
Opsummering af en data strategi
Kan du leve med at din leverandør levere komponenter til dig 10 dage senere end det tidspunkt du skal bruge dem?
Formentlig ikke, og det er derfor at du i mange år har optimeret din værdikæde til at være “lean” og effektiv.
Det er præcis det samme du nu skal gøre med din data.
Udarbejde en Data værdikæde, som understøtter det du strategisk har valgt at skulle bruge data til.
Det nytter altså ikke noget at vi samler data op uden at vide til hvilket formål.
Det svarer til at købe en ny produktionsmaskine fordi vi “måske skal bruge den en dag”.
Det nytter heller ikke noget at samle data op fra de rigtige kilder, hvis det bliver processeret for langsomt, således at du altid får information 10 minutter for sent.
Data strategien skal hjælpe dig med at lave en “lean” data værdikæde.
En data strategi skal:
- Understøtte din forretningsstrategi
- Definere hvilken data der skal opsamles og hvordan denne skal give værdi
- Definere hvordan data skal opbevares
- Definere hvordan vi sikre os en høj data kvalitet
- Understøttes af Data Governance
- Reflektere over hvordan du håndtere Forretningskontinuitet
Lad os få uddybet de forskellige elementer som er i en data strategi og se nogle eksempler og faldgruber som vi typisk ser blandt virksomheder.
1. Data strategien skal understøtte din forretningsstrategi
Det vigtigste at huske på er, at data strategien skal understøtte din forretningsstrategi og de strategiske mål som i har for jeres forretning.
Du skal med andre ord revurdere din data strategi lige så ofte, som du ændre din forrentingsstrategi.
Når du begynder at arbejde med sensor data eller gemme billeder til billedanalyser, stiller det andre krav til din dataplatform, end det klassikse operationelle data, som vi f.eks. kender fra ERP-systemer.
I takt med at data begynder at få mere magt i virksomhedens beslutningstagen, er det vigtigt at hele data værdikæden understøtter det, som du skal bruge din data til.
Data strategi kræver en god forretningsstrategi
En god data strategi er altså stærk afhængig af, at din virksomhed har lavet en god forretningsstrategi med tydelige og veldefinerede strategiske mål.
Mange virksomheder vi har vejledt i Neurospace har en målsætning om at digitalisere vedligeholdelse.
Men hvornår er dette mål opnået?
Hvor langt op ad digitaliseringstrappen skal vi, før vi er tilfredse?
Digitaliseringstrappen tegnes ofte som fem trin. Hvis målet defineret i forretningsstrategien blot siger at vi skal digitaliserevedligeholdelsen, er det så trin 1, 3 eller 5? Et bedre mål ville derfor lyde: Som vedligeholdelseschef, ønsker jeg at kunne forudsige nedbrud på vores vandpumpe minimum 15 dage inden det forekommer, således at vi kan planlægge vedligeholdelse og bestille reservedele hos leverandøren." Det strategiske mål lyder nu også mere som en user story, som både definere mål, ønske, og behov. Med et veldefineret strategisk mål, er du allerede fem skridt foran at sikre dig, at du har det rette data til at få værdi.
2. Data strategien giver Right Data
En data strategi skal hjælpe dig med at udvælge det rigtige data, som understøtter din virksomheds strategiske mål. Du skal derfor ikke begynde at samle en masse data op, fordi du måske skal bruge det en dag, men nøje gennemtænke hvilken information og data der kan understøtte jeres mål, og hvordan disse skal bruges og analyseres således at de skaber værdi.
En Data strategi sparer dig både tid og penge
Mange virksomheder med et strategisk mål om at digitalisere vedligeholdelse, har allerede investeret i sensorer og opfyldt det første skridt af digitaliseringstrappen; dataopsamling.
Men hvis du ikke allerede inden overvejer hvordan denne data skal bruges, kan du ende med at investere i forkerte sensorer til formålet.
I værste tilfælde, betyder det at flere års dataopsamling har været spildt.
Har du købt sensorer med for lav frekvensrespons vil du være nødsaget til at investere i nye sensorer og det tidligere opsamlede data vil altså være ubrugeligt.
Min klare anbefaling er derfor, at du først samler data op, når du ved til hvilket formål.
På den måde sikre du dig først og fremmest ikke at samle noget forkert data op, men du bruger samtidig heller ikke ressourcer på at gemme data, som ikke giver din virksomhed nogen værdi.
Din data skal give værdi
Data der opsamles med det formål at “vi måske skal bruge det en dag” har et formål i virksomheden, det er en omkostning, ofte en sunk cost.
I min optik skal data opsamles fordi det skal bruges i en virksomhed til at skabe indsigt og værdi.
Du skal derfor hele tiden tænke over, hvordan data kan hjælpe din virksomhed med at nå de strategiske mål på en smartere og mere effektiv måde.
Det kan for eksempel være at kunne udnytte levetiden på dine komponenter, således at du både sikre dig en længere holdbarhed på komponenter, men også reducere sandsynligheden for nedbrud.
Har din virksomhed et forretningsmål om at have en grøn profil, er dette et vigtigt budskab at sende, da du sikre dig mod ikke at smide velfungerende komponenter ud, men samtidig heller ikke går på kompromis med din virksomheds produktivitet.
Et andet sted hvor den grønne profil kan blive hjulpet signifikant med data og analyse, er ved at bruge computer vision til at udføre kvalitetskontrol, og hjælpe dig med at reducere mængden af defekte produkter som kasseres, og har en betydelig påvirkning på miljøet og din virksomheds økonomi.
3. Definer hvordan data opbevares
Kan du leve med at det tager 10 minutter at trække data ud fra din data platform, hvis du skal bruge denne indsigt hvert 5. minut?
Forhåbentlig ville du stille dig utilfreds med en sådan løsning.
En data strategi skal derfor også tage stilling til hvordan data bedst opbevares, med målet for øje.
Det dur altså ikke at du kun opdatere din data en gang i døgnet, hvis du har brug for en højere tilgængelighed til dine analyser.
Du skal derfor være opmærksom på hvilke data platforme som bedst understøtter din data type, og hvor hurtigt denne skal kunne processere din data fra input til output.
En af de største syndere jeg møder i dag, er virksomheder som kommer sensor data ind i deres klassiske relationelle database (Data Warehouse).
En relationel database er optimeret til at håndtere struktur og relationer mellem datakilderne. Den er heller ikke nem at skalere, og kan være dyr at ændre i.
Sensor data er tidsbaseret så en tidsserie database vil derfor være meget mere velegnet, hurtigere og mere fleksibel end den klassiske relationelle database.
Men da virksomheder ikke har en data strategi, bliver tidligere valg heller ikke revurderet, og nye datakilder bliver derfor tilpasset et allerede eksisterende system, uden at det overvejes, om det er det rigtige setup til fremtidige mål og udfordringer.
Som virksomhed vil det svarer til at du aldrig produktudvikler, da det vil fører til ændringer i din produktion.
Du skal derfor i din data strategi vurdere om nuværende teknologier er tilstrækkelige, eller andre teknologier skal anvendes.
4. Data Kvalitet
En ting er at data samles op, en anden ting er at sikre sig at data har en så høj kvalitet, at det kan bruges til noget værdiskabende.
Du skal derfor i din data strategi ligeledes vurdere hvordan du vil sikre dig at have en høj data kvalitet.
Når du begynder at bruge data til beslutningstagen og rapporteringer, skal denne have en høj kvalitet og være troværdig.
Hvis du træffer beslutninger baseret på en dårlig data kvalitet betyder det, at du træffer dårlige beslutninger.
Garbage in - Garbage out
Du skal derfor overveje hvordan du vil sikre dig:
- At data ikke indeholder fejl, såsom manglende værdier og fejlmålinger
- At data kan anvendes til det givne problem du ønsker at løse (defineret i din forretningsstrategi)
- At data anvendes korrekt, når tilstrækkeligt er opsamlet
- At data er troværdigt
- At data opsamles i samme format (tidszoner, UTF-8, komma eller punktum, antal decimaler)
- At data opsamles i samme frekvens (f.eks. hvert 5 minut)
- At data nemt kan anvendes til en given opgave (eksempelvis unik sensor navngivning)
- At data ikke er biased
Selv hvis du har en ekstern leverandør til at håndtere dataopsamlingen for dig, er det stadig din opgave at sikre en høj data kvalitet.
5. Data Governance
Data Governance og Forretningskontinuitet er nok nogen af de største elementer af data strategien, og desværre ofte glemt i virksomhederne. Data Governance omhandler regler for politikker, roller, ansvar, standarder og processer indenfor datahåndtering og anvendelse. Den skal hjælpe dig med at vurdere hvordan du tilsikre dig at de rette folk har adgang til den rette data på det rette tidspunkt. Og at denne data ikke er tilgængelig for uvedkommende. Den handler om data sikkerhed, og skal blandt andet svarer på spørgsmål som krav til data kryptering in transit og at rest.
Kan du leve med at en anden person ejer data om dine maskiner eller kunder?
Data governance skal ligeledes hjælpe dig med at vurdere risikoen og kravsspecifikationen til en ekstern leverandør af enten sensorer, din data platform eller data analyser.
En af de ting du skal overveje her er data ejerskab.
Hvis du ikke har muligheden for at have disse elementer in-house, skal du sætte krav til din leverandør og sikre dig, at de lever op til dine standarder.
Et andet eksempel er hvis din virksomhed vælger at anvende et eksternt firma til at håndtere jeres data platform.
Her bliver det ofte den eksterne leverandørs opgave at sikre at du har en høj datakvalitet. Men det kræver at du sætter krav til dem, såsom standarder for at håndtere manglende værdier, frossen data og sensor fejl.
Min klare anbefaling er at intern data ejes og kontrolleres 100% af dig.
Det er altså dit ansvar at sikre at du har en høj data kvalitet og at data opbevares sikkert og rigtigt.
Det gør du ved at sætte krav til dine leverandører, og disse krav bliver nedskrevet i forbindelse med din data strategi.
Forretningskontinuitet
Forretningskontinuitet handler om at sikre din virksomheds drift ved tilfælde af uplanlagte forstyrrelser såsom uplanlagt nedetid, ved tilfælde af brand, eller hvis partnerskab ophør. Lad os lige dvale ved sidstnævnte. Hvis du har en ekstern partner som står for al din data. Hvad sker der så med denne data hvis du på et tidspunkt ønsker at skifte partner, eller flytte det in-house? Eller hvad sker der med din data hvis din partners forretning ophør eller går konkurs? Hvordan sikre du dig, at du fortsat kan bruge dine historiske data i sådanne situationer? Det er lige præcis disse risk assessments du skal foretage dig her, og ligeledes danne en plan for hvordan du sikre din virksomheds fortsatte drift i sådanne situationer.
Afsluttende bemærkninger
Hvis din virksomhed endnu ikke har en data strategi, er det min klare anbefaling at komme i gang så hurtigt som muligt.
// Maria Hvid, Machine Learning Engineer @ neurospace