Det danske erhvervslivs brug af data, DataForBusiness Factbook. Mjølner Informatics

Version 1.2.7 rev 25.01.2019

Factbook 2018/2019 Rapporten bygger på DataForBusiness Maturity Matrix: En ny forskningsbaseret model og digitalt værktøj, der kortlægger en organisations databaserede konkurrencekraft.

Dansk erhvervslivs brug af data:

Mjølner Informatics A/S • Finlandsgade 10, DK-8200 Aarhus N • +45 70 27 43 43 • www.mjolner.dk

Hvor skabes værdien?

Mjølner Informatics A/S • Finlandsgade 10, DK-8200 Aarhus N • +45 70 27 43 43 • www.mjolner.d

Hvordan gør de bedste?

Hvor ligger det uforløste potentiale?

Initiative sponsor DK 2017-2018

KOLOFON REDAKTION Jan Futtrup Kjær jfk@networkedbusiness.org Christine Kjær Jacobsen christine@networkedbusiness.org Carsten Johansen carsten@networkedbusiness.org Louise Grau Nersting lne@networkedbusiness.org Ernst Poulsen Bidragydere: Martin Bjørnbak Christensen Chris Højgaard Hansen

DESIGN OG KONCEPT Victor Nguyen Johansen

DESIGN, LAYOUT & ILLUSTRATION Mads Pedersen

DATABEARBEJDNING Carsten Johansen Ali Khatam Martin Højer Larsen Louise Grau Nersting

Forord Det er min og regeringens ambition, at danske virk­somheder skal være blandt de bedste til at udnytte potentialet i datadrevet forret­ningsudvikling. Det er en væsentlig del af regeringens vision om, at Danmark skal være en digital frontløber, hvor alle danskere får del i digita­liseringens gevinster. I Danmark kan den digitale omstilling og de nye forretnings­modeller være nøglen til at øge produktivite­ten og væksten samt sikre fundamentet for vores fælles velstand i fremtiden. Og virksomhedernes evne til at anvende data får stadig større betydning for deres kerne­ forretning og konkurrenceevne.

Brian Mikkelsen Erhvervsminister

I Danmark kan den digitale omstilling og de nye forretnings­modeller være nøglen til at øge produktivite­ten og væksten samt sikre fundamentet for vores fælles velstand i fremtiden.

Samtidig stiller udviklingen inden for databrug større krav til vores forståelse af og omgang med data både i offentligt og privat regi. Brugen af data skal være ansvarlig, og vi skal have tillid til den. Hvis Danmark og især danske virksomheder er på forkant med denne udvikling, kan det være med til at styrke danske virksomheders CSR-profil og konkurrenceevne.

Derfor har regeringen fulgt visionen op med en ambitiøs strategi for Danmarks digitale vækst, som resulterede i en politisk aftale i februar 2018. Med aftalen gennemføres en bred indsats på seks strategiske områder, hvor data som vækstdriver i erhvervslivet er et af dem. Men der er brug for, at vi fra alle dele af samfundet bidrager.

Det glæder mig derfor meget som erhvervsminister at se initiativer som DataForBusiness, hvor aktører på tværs af erhvervs- og forskningssektorerne finder sammen om at styrke arbejdet med data. Samarbejdet på tværs af sektorer og mellem aktører er helt afgørende for, at vi får skabt den digitale omstilling og vækst, som Danmark har brug for.

Med nærværende DataForBusiness Factbook 2018/2019 får erhvervslivet nogle konkrete indsigter i og redskaber til, hvordan man gearer sin virksomhed til at være datadrevet. Det er positivt, for hvis vi skal realisere vækstpotentialet i data, er håndgribelige metoder vigtige. Vi kan fra regeringens side forsøge at skabe nogle gode samfunds- og erhvervsmæssige rammevilkår, men de konkrete redskaber til og i virksomhederne er mindst lige så vigtige.

Der eksisterer en stor bevågenhed og villighed til at investere i data-området i erhvervslivet. Og virksomhederne er begyndt at skabe værdi gennem brug af data.

Det er nogle af konklusionerne fra denne rapport. Og godt begyndt er som bekendt halvt fuldendt. Men der er også bud på, hvilke veje, der er værd at forfølge i fremtiden, så vi beholder vores digitale forspring her i Danmark.

De konklusioner hilser jeg velkomne og håber, at de vil blive modtaget og læst med stor interesse. Samtidig håber jeg, at de vil inspirere virksomheder, iværksættere og erhvervslivets aktører generelt til at fortsætte arbejdet med data og dermed gøre brug af digitaliseringens muligheder for bedre produktivitet og konkurrenceevne.

Til gavn for dansk erhvervsliv og til gavn for Danmark.

Brian Mikkelsen, Erhvervsminister

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 3

Indholdsfortegnelse Forord v. erhvervsminister Brian Mikkelsen Executive summary

3 6

Del 1 Kender du Typen

13

Sådan ser Danmark ud - de 4 arketyper Livet for en Data Apprentice Centrale kendetegn & Centrale udfordringer CASE: Fibercon: en dansk apprentice case

16

Livet for en Data Scholar Centrale kendetegn & Centrale udfordringer CASE: Eltronic: en dansk scholar case

20

Livet for en Data Hoarder Centrale kendetegn & Centrale udfordringer CASE: Contino: en dansk hoarder case

24

Livet for en Data Wizard Centrale kendetegn & Centrale udfordringer CASE: GoodValley: en dansk wizard case

28

Del 2:

33

Virksomhedens ressourcer og aktiviteter Flertallet mangler teknisk setup Uudnyttede data i skuffen Sikkerhed - en stor barriere Ensidige analyser Manglende fælles datagrundlag

34

Virkelighed - kultur og strategi Flertallet måler ikke på datanvendelse Data taber til mavefornemmelse Mangel på samarbejde i værdikæden Mange forretningsmæssige barrierer Kompetence muren

42

Om projektet og økosystemet

50

Databaseret Værdiskabelse Data viser vej til nye markeder Data guider til udvikling af nye produkter Ikke klar på disruption Begrænset værdiskabelse af dataanalyse Investeringer på vej

52

Del 3: Afrunding, Metode, samarbejdspartnere

4 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

62 63

Læsevejledning Det er vores mål, at denne Factbook giver dig indsigt og mod til at handle.

At rapporten og det tilhørende digitale DataForBusiness værktøj hjælper dig med at finde inspiration og retning i en verden af data, uanset om du endnu ikke har et klart billede af, hvordan data skal skabe vækst og værdi for din virksomhed, eller om data allerede er stærkt forankret i din virksomheds kultur.

DataForBusiness Factbook kan bruges som opslagsværk, hvor du hopper fra sektion til sektion lige der, hvor det er relevant for dig.

Eller som en klassisk rapport, hvor du læser dig ind i stoffet fra start til slut.

Virksomhed: ressourcer og aktiviteter

DataForBusiness - en tre-dimensionel forandringsmodel Helt unikt fungerer DataForBusiness Factbook også som et forskningsbaseret bedste-praksis-rammeværk, du som læser kan arbejde ud fra, når du skal træde ind i en verden af datadrevet konkurrencekraft. Med DataForBusiness Værktøjet

Virkelighed: kultur og strategi

kortlægges virksomheden i tre dimensioner: de ressourcer og aktiviteter der arbejdes med i Virksomheden og den Virkelighed den omgives af samt den forretningsmæssige Værdiskabelse.

Gennem dimensionerne Virksomhed og Virkelighed opsat i en 2x2 matrix, og ved brug af data, forskning, viden og Prøv DataForBusiness værktøjet på

ekspertinterviews, er der med DataForBusiness Modenheds Matrix defineret fire klassiske data arketyper for virksomheders

Go.dataforbusiness.org

dataanvendelse.

I Del 1 ser vi på Danmark som helhed gennem disse fire data arketyper. fra den uerfarne Data Apprentice til den Data Wizard, der har formået at skabe en helhedsorienteret tilgang til databaseret vækst.

Læs om fire forskellige virksomheder og deres rejser: om landbrugsvirksomhedens, der ændrede navn, fordi data viste at det var den rigtige beslutning, og nybegynderen der leder efter efter penge, og hvad der kendetegner arketyperne lige nu.

I Del 2 ser vi på hvordan virksomheder forholder sig til datanvendelse generelt. Med afsæt i DataForBusiness værktøjet ser vi på de ressourcer og aktiviteter der arbejdes med i Virksomheden og den Virkelighed den omgives af - både internt og eksternt. Samtidig afdækkes potentialet for forretningsmæssig databaseret Værdiskabelse.

God læselyst, DataForBusiness Redaktionen

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 5

Executive Summary

Data taber stadig til mavefornemmelse I dag omgiver vi os med næsten uendelige mængder af information og data. Derfor burde det være en selvfølgelighed at bruge al denne tilgængelige viden og data som grundlag for bedre forretningsmæssige beslutninger. Men ifølge DataForBusiness Factbook 2018/2019 er dette kun tilfældet blandt 25 % af de adspurgte danske virksomheder.

DataForBusiness Factbook 2018/2019 er udarbejdet for at hjælpe med at svare på vigtige spørgsmål om, hvor værdien skabes, hvor det uforløste potentiale findes, og hvad vi kan lære fra de bedste, når det kommer til data. Den skal inspirere os til at lade data understøtte vigtige forretnings- mæssige beslutninger i fremtiden. Rapporten er udarbejdet på baggrund af to netop afsluttede forskningsprojekter finansieret af den erhvervsfremmende Industriens Fond samt nyligt indsamlede data på området.

Udover at tegne et objektivt billede af status quo, giver rapporten dig som læser,

Jan Futtrup Kjær, DataForBusiness Formand og NBI stifter jfk@dataforbusiness.org

6 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

et forskningsbaseret bedste-praksisrammeværk at arbejde ud fra, når du som rådgiver, data ansvarlig, virksomhedsleder, bestyrelsesmedlem eller underviser skal træffe beslutninger omkring Data- området eller overdrage viden til andre, der skal.

Held og lykke på rejsen mod udvikling af datadreven konkurrencekraft i organisation.

Og når du støder på de mest udfordrende situationer i dine data projekter, så husk på, at når det ikke længere er en udfordring, er det sandsynligvis heller ikke længere er en unik mulighed for at skabe ny konkurrencekraft i din organisation.

Executive Summary

En databevægelse er i gang 94% af de adspurgte virksomheder er klar til at at investere i dataprojekter, heraf 54% i høj eller meget høj grad indenfor 12-24 måneder. Det kunne tyde på at den virkelighed, hvor virksomheder primært tager beslutninger baseret på mavefornemmelse fremfor data, vil ændre sig markant over de kommende år.

Hvis man er af den overbevisning, at data bliver et helt centralt omdrejningspunkt for konkurrencekraften, vil fremtidens vindere og tabere således ikke være opdelt mellem dem, der bruger data og dem, der ikke bruger data – men snarere imellem dem, der gør det godt og dem, der gør det mindre godt.

Data på vej til at blive bredt forankret Allerede i dag ses det, at data er et breddespil.

Dataanalyse kobler sig således til forretningsfunktioner

på tværs af organisationen fra de udadvendte markedsaktiviteter til de mere indadvendte produktions og procesmæssige aktiviteter. Men det er også tydeligt at rejsen kun lige er begyndt. F.eks er det blot 15 %, der har brugt data til at fastholde kunder eller spare ressourcer.

De til dato mest data-modne områder er f.eks inden for produktivitets-optimering, produktionsprocesser og marketing- og salgsindsatser generelt, hvor 37 % bruger data til at optimere forretningen og produktiviteten.

Data er altså allerede i dag ved at få tag i de fleste forretningsfunktioner - men efterlader en masse udfordringer og potentialer i dybden såvel som i bredden for langt de fleste virksomheder.

Data har fået tag i de fleste forretningsfunktioner allerede - MEN der er lang vej igen.

Den videre rejse 3 centrale resultat-skabere på dataområdet 1. Skab fælles sprog og datagrundlag omkring arbejdet med data

3. Tænk stort, start småt og skalér hurtigt.

64 % har ikke et tilstrækkeligt fælles datagrundlag at arbejde med på tværs af organisationen. Nogle af de mest unikke og potentielt mest værdiskabende datadrevne forretningsmæssige svar bliver således aldrig identificeret og bearbejdet – da de forbliver ”gemt væk” i diverse forskelligartede dataformater og kilder på tværs af organisationen.

Casestudierne bag DataForBusiness forskningen viser tydeligt, at når projektledere og indkøbere af dataprojekter mestrer processer som Design Thinking, DataLabs, SCRUM, og DevOps, vinder projekterne forankring og forståelse i organisationen – og i sidste ende skaber det tilsigtede forretningsmæssige afkast.

Flere og flere nikker genkendende til, at der stilles øgede krav til agilitet og høj eksekveringshastighed i forbindelse med den digitale transformations agenda. Og det er netop nu, virksomhederne skal drage fordel af, at disse agile og iterative procesforløb, der i langt højere grad end tidligere, nu også understøttes af nye forretningsmodeller hos udbydere af den teknologi og de rådgivningskompetencer der er til rådighed for at hjælpe virksomhederne på vej.

2. Udnyt allerede eksisterende data Det er ofte et tegn på manglende processuel og faglig kompetence samt erfaring når store mængder eksisterende data ikke anvendes aktivt. Således bruger 60% af de adspurgte virksomheder eksempelvis ikke aktivt deres indsamlede kunde- og brugeradfærdsdata.

Datadreven Disruption For de fleste virksomheder bliver data i første omgang vurderet som endnu en vigtig ingrediens i den digitale transformation, men for en ud tre af de adspurgte virksomheder vurderes det, at data i ”høj” eller ”meget høj” grad vil føre til revidering eller ændringer af forretningsmodellen. Det

er blandt denne tredjedel af virksomhederne, vi i de kommende år kan forvente at se særligt store forandringer.

Det er nu, når den teknologiske infrastruktur har udvidet vores værdikæde og markedsmæssige rækkevidde, at skarpere

datadrevne indsigter og beslutningsgrundlag kan give os modet til at handle, udfordre og forandre. Formodentlig er det blandt firstmovers af dette datadrevne beslutningsgrundlag vi skal finde “Disrupterne” og blandt dem, der følger, at vi finder de “Disruptede”.

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 7

Executive Summary

Største udfordringer På rejsen mod fremtidens datadrevne konkurrencekraft Indledningsvist skal virksomhederne indse, at udfordringerne for at lykkes med dataprojekter, befinder sig på to separate flanker. På den ene flanke er virksomhedens konkrete ressourcer, teknologi og aktiviteter. Den kalder vi Virksomheds-dimensionen. På den anden flanke handler det om: kultur, strategi og ledelse, der støtter op om datadrevne processer og muligheder. Det vi kalder Virkeligheds-dimensionen.

Centrale udfordringer i Virksomheds-dimensionen: 1. Manglende teknisk setup begrænser videnskabelse 60 % af de adspurgte virksomheder vurderer, at de ikke har det nødvendige tekniske setup til at understøtte arbejdet med data. Her må det forventes at tilstedeværelsen af cloudbaserede teknologier, samt inspirerende firstmover cases og et hav af leverandører, i stigende grad gør denne problemstilling til en ”investeringsmæssig praktikalitet” i et købers-marked.

2. Sikkerhed - en stor barriere Med udrulning af GDPR (Persondataforordningen) fra 25 maj 2018, har lovgivningen for alvor meldt sin ankomst på dataområdet. På den korte bane må det formodes at give en række udfordringer at skulle leve op til de lovgivningsmæssige GDPR krav. Men på den lidt længere bane kan GDPR vise sig at blive en isbryder for dataprojekter i det hele taget. Men også i særdeleshed være med til at nedbryde det som 62% af de adspurgte virksomheder mener, er en af de mest centrale barriere for arbejdet med data; nemlig datasikkerhed og helt konkret det at få hul på arbejdet med datasikkerhed og datahåndtering. Efterhånden som disse opgaver og udfordringer identificeres, vil der følge et endnu større behov for ledelsesengagement og tilføjelse af rette kompetencer.

8 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

3. Kompetencemuren: 31 % synes på nuværende tidspunkt i “høj” eller “meget høj” grad, at det er svært at finde kompetente medarbejdere.

På dette område viser der sig et spændende perspektiv, når man identificerer hvilke virksomheder, der ser manglende kompetencer som en barriere, og hvilke der ikke gør. For det viser sig, at de virksomheder med mest erfaring på området (dvs. dem vi kalder “Data Hoarder” og “Data Wizard”, læs mere side 24 og 28) især er dem der oplever manglen på kompetente medarbejdere som en central barriere (50 % for både “Data Hoarder” og “Data Wizard”). Modsat den mindst modne gruppe (dvs. Dem vi kalder “Data Apprentice”) hvor kun 11 % oplever mangel på kompetente medarbejdere som en barriere.

Man kunne gætte på, at i takt med denne mindre modne gruppe får mere erfaring og bliver mere bevidst om opgavens sande karakter, ligeledes vil støde på samme udfordring omkring kompetencer, og at vi således kan forvente at se en decideret kompetencemur som potentielt set vil sætte en dæmper på udviklingen hos flere virksomheder.

Executive Summary

Centrale udfordringer i Virkeligheds-dimensionen: Når kulturen er styret af mavefornemmelse De fleste kender til begrebet ‘en målstyret kultur’ eller en ‘proces- og projektorienteret kultur’. Men hvad forstås egentlig med en datadrevet kultur? Det er i alle tilfælde et centralt spørgsmål at stille, da 73% af de adspurgte virksomheder vurderer, at de ikke besidder en ”datadrevet” kultur og generelt set ikke stoler på data som beslutningsgrundlag. Der ligger således en stor opgave for både ledere og medarbejdere i at udvikle et nyt forhold til data som beslutningsgrundlag.

Manglende engagement fra ledelsen Som med de fleste andre store forandringsprojekter i en organisation, herunder ikke mindst den igangværende digitale transformation, er det sjældent noget, der kan fuldbyrdes uden et stærkt engagement fra dem, der sidder ved roret - og data området er ingen undtagelse. I hele 65% af de adspurgte virksomheder ser man manglende opbakning fra ledelsen som en barriere for arbejdet med data. Virksomhedens engagerede medarbejdere kan både starte og gribe dataprojekterne – men den systematiske proces med at udvikle modenhed på området må og skal forankres i organisationens ledelse hvis data projekterne skal udvikles og drives til at skabe optimal forretningsmæssig værdi.

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 9

“Som et af verdens mest digitaliserede samfund sidder vi i Danmark på en guldgrube af data, der har potentialet til at give erhvervslivet og samfundet som helhed et massivt løft.”

- Henrik Bodskov IBM

“Danske virk­somheder skal være blandt de bedste til at udnytte potentialet i datadrevet forret­ningsudvikling” - Brian Mikkelsen, Erhvervsminister

“Data er blodet i årene på digitaliseringen.”

- Jan Futtrup Kjær, NBI stifter og DataForBusiness formand

Dette er ikke kun en rapport - det er et oplæg til samarbejde Teknologileverandør? Underviser? Rådgiver? Dataansvarlig? Konsulenthus? Nysgerrig og ambitiøs data ambassadør? #DataForBusiness DK er et initiativ du kan hjælpe med at forme, blot du deler ambitionen om at gøre Danmark og danske virksomheder blandt verdens bedste til at anvende data.

Læs mere og bliv en del af DFB-økosystemet: www.dataforbusiness.org NY VIDEN TIL VÆRKTØJSKASSEN Udstyr værktøjskassen med en certificering i DataForBusiness. Som konsulent eller rådgiver kan du bliver certificeret business partner, og dermed bruge DataForBusiness sammen med potentielle og eksisterende kunder. Levér værdifulde analyser, rådgivning og handlingsplaner og oplev forbedret balance mellem investeret salgstid og omsætning.

NY DATA UNDERSTØTTER FORSKNING OG UNDERVISNING Sammen bygger vi broer, så forskning tager afsæt i data og cases fra virkeligheden og resultaterne derefter kan få nyt liv ude i virksomhederne. Resultaterne bliver til nye værktøjer, publikationer eller nyttig viden til samarbejdspartnere.

BRANCHEFORENINGER OG FAGNETVÆRK SKABER NYE MULIGHEDER Ny data, viden og samarbejde håndplukket og udvalgt til din målgruppe. DataForBusiness kan være det seneste nye tilbud til dine medlemmer.

DIN TEKNOLOGI I CENTRUM Økosystemer giver nye muligheder for at sætte dine partnere og din teknologi i centrum gennem et værktøj der understøtter, at din teknologi bliver en prioriteret løsning i markedet.

INSPIRERENDE INPUT TIL TIL DIT NÆSTE EVENT Skal du bruge de nyeste tal, et spændende handlingsorienteret indlæg eller en workshop til dit næste event? Kontakt os. Vi har mulighed for at deltage og støtte op omkring jeres event på flere måder.

VI GLÆDER OS TIL AT HØRE FRA DIG. Ring eller skriv en mail, så finder vi ud af hvordan vi sammen kan gøre dine branchekolleger, kunder eller medlemmer klogere og mere konkurrencedygtige gennem anvendelsen af data.

www.dataforbusiness.org info@networkedbusiness.org

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 11

Certified partner

Tænk stort, men start småt - og gør det ordentligt fra start Af CEO, Brian Jeppesen, Mjølner Informatics

Har du styr på dine data? Svaret er nok desværre nej, for selvom vi alle omgiver os med usete mængder af data, har de færreste endnu knækket koden for, hvordan data bliver til forretning.

Men resultaterne i denne factbook tyder på, at verden ser anderledes ud om blot et år.

Brian Jeppesen, CEO Mjølner Informatics

For selvom kun 25% i dag træffer forretningsmæssige beslutninger på baggrund af data, siger 94% af de adspurgte virksomheder, at de er klar til at investere i dataprojekter, og 54% i høj eller meget høj grad. Og det er en fantastisk nyhed, ikke kun for dansk erhvervsliv, men for hele Danmark, der kan få gavn af bedre produkter, service og forhåbentlige også flere penge i statskassen.

Data og digitalisering vedrører os alle på tværs af størrelse og brancher, og hvis nogen fortsat er i tvivl om det, så må denne factbook være det sidste søm i kisten. Vi står indiskutabelt ved en skillevej, hvor digitaliseringen bliver det, der former fremtidens erhvervsdrivere.

Start i det små med det i allerede har, og hav processen i orden

Vi står indiskutabelt ved en skillevej, hvor digitaliseringen bliver det, der former fremtidens erhvervsdrivere

Data og digitalisering er heldigvis ikke det store monster som så mange virksomheder føler udfordringer ved at takle. Mit råd er klart: Start med et lille projekt baseret på de data I allerede har. Hvordan kan de skabe forretningsværdi?

Her handler det om at tænke ud af boksen. Hos Mjølner oplever vi ofte, at det er en øjenåbner, at tænke på tværs af afdelinger i organisationen. Måske sidder leverancen med data, der kan lette det administrative arbejde, eller I har salgsdata, der kan optimere produktudviklingsprocessen.

Det vigtigste med disse små pilotprojekter er, at I finder ind til nogle data der rent faktisk skaber værdi. Og husk så at have processen i orden, så du kan vise – sort på hvidt – at dataprojektet har skabt værdi, og du står klar til at skalere.

Når man begynder at arbejde med data som en selvstændig værdiskaber, får man et datagrundlag, der kan understøtte og forbedre alle virksomhedens processer. Men selv om databaserede beslutninger vinder indpas, er det vigtigt, at man ikke glemmer det intuitive element: Datadrevet forretning kræver heldigvis stadig dygtige forretningsstrateger og -evner.

Dygtighed og umage sikrer værdi i dataarbejdet Hos Mjølner har vi de seneste år brugt data til at transformere mange både større og mindre virksomheder. Det har vi gjort i form af alt fra små, men hurtigt værdigivende projekter, til altomfattende digital transformation.

En del af vores erfaring inden for succesfuldt dataarbejde og digitalisering, handler om vigtigheden af dygtighed og umage. At gå ind i et digitaliseringsprojekt med sløje færdigheder og hovedet under armen, er yderst risikabelt. Derfor er en af vores primære kæpheste udelukkende at arbejde med de dygtigste mennesker – dem der gør sig umage og er hundredemetermestre i den digitale værktøjskasse.

Disse folk har forskellige kasketter. Nogle er data og AI eksperter, andre excellerer i softwareudvikling eller –arkitektur. Andre igen er User Experience eksperter, digitale designere og projektledere. Alle er nødvendige for at vi som data- og forretningshus kan levere de bedste løsninger, der giver værdi til vores kunder.

Jeg er begejstret for de digitale og datadrevne muligheder der ligger forude for det danske erhvervsliv. Og hos Mjølner glæder vi os til at hjælpe dig i mål!

De bedste hilsner, Brian Jeppesen

12 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Del 1 Kender du typen: de 4 data modenhedsarketyper

01 Sådan ser Danmark ud: Lær mere om de 4 arketyper: læs fx om en Data Apprentice, der leder efter finansiering til implementering, og hør om en Datawizard, der brugte data til at skifte navn

Data – er viden Den næste destination på rejsen er en forståelse for, at data er helt afgørende for at drive og udvikle virksomheder i dag.

Man taler ofte om, at der er ”IT i alting”, og det er et af fundamenterne i den nye virkelighed.

Når vi altid ved, hvor vores pakker er, hvor meget strøm, der bliver brugt, hvem der er på vagt - eller om kuglelejerne i en vindmølle er ved at blive slidt, så åbner det for en mængde af muligheder.

Hvis vi formår at konvertere ‘data-i-alting’ til ‘viden-om-alting’, åbner det for uanede muligheder for at forbedre driften, skabe nye services – eller opfinde helt nye produkter. Man skal blot erindre, at det er en kompliceret opgave.

Det er ikke gjort med at fange og forstå de mange data. Det kræver en kulturforandring i virksomhederne at se mulighederne, det kræver investeringer og visioner at sætte kursen - og det kræver medarbejdere med den rette viden før det alt sammen går op i en højere enhed.

Status: Så langt er vi nået/data er en rejse vi skal på Godt en tredjedel af virksomhederne i betegner sig selv som Data Apprentices. Det er virksomheder som måske knapt nok har erkendt, at de skal afsted på en rejse, og dermed befinder de sig i farezonen for at blive overhalet af konkurrenter, der har set mulighederne.

Heldigvis har to ud af tre virksomheder set værdien af data, og begivet sig ud på rejsen. Der er blot mange veje videre– og mange faldgruber undervejs. Faldgruber som næsten hver tredje virksomhed sidder fast i.

Hver tiende virksomhed befinder sig i den gruppe, der hedder Data Hoarders. De har fået styr på det tekniske setup, så de kan måle på virksomhedens aktiviteter. Problemet er, at data i sig selv først får værdi, når de bliver brugt til at skabe ny indsigt og handlinger, der fx forbedrer driften.

Den anden gruppe, der er strandet på rejsen er Data Scholar-virksomhederne, der udgør 17 %.

De har en forståelse for, at data kan skabe strategisk værdi og alle intentioner om at udnytte mulighederne. Men de har ikke formået at skalere og realisere mulighederne.

For både Data Hoardere og Data Scholars er det essentielle, at det kræver forandringer i virksomheden, hvis man reelt skal skabe vækst. Ellers strander de et sted på halvvejen.

En tredjedel placerer sig i Data Wizard gruppen. Dette er en gruppe, der både har mere styr på kulturen, processerne og strategien og derfor er bedre i stand til at skabe vækst ved hjælp af data. Hvis man her skal rejse et advarselsflag, så handler det om, at huske, at rejsen aldrig stopper.

14 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Virksomhed Ressourcer og aktiviteter

11%

36%

36%

17% Virkelighed Kultur og Strategi

Data Hoarder (11%)

Data Wizard (36%)

En Data Hoarder kendes ved primært at have styr på de tekniske muligheder for værdiskabelse, og har derfor ofte også store mængder data tilgængelige. Men separate systemer, siloer i organisationen og manglende fokus på samlet analyse gør, at forretningspotentialet ikke forløses.

En Data Wizard kendes ved at have formået at skabe en helhedsorienteret-tilgang til data-baseret vækst. Data er forankret i virksomhedskulturen, integreret i forretningen og der er klare mål for data-drevet udvikling af fremtidige markeder og produkter.

Data Apprentice (36%)

Data Scholar (17%)

En Data Apprentice kendes ved endnu ikke at have et klart billede af, om og hvordan det kan skabe vækst og værdi for virksomheden, hvis de arbejder struktureret med data.

Det er derfor heller ikke blevet prioriteret at lave en samlet strategi for området.

En Data Scholar kendes ved typisk at have stærke digitale og strategiske kompetencer i virksomheden. Dygtige videns- og kulturbærere fungerer som forandringsagenter for en datadreven forretningstilgang, men det kniber med modning af de processer, rutiner og ikke mindst investeringer i det tekniske fundament, som sikrer skalerbarhed og kontinuitet. Dermed bliver eksisterende ressourcer ikke udnyttet optimalt.

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 15

Centrale kendetegn

Livet som Data Apprentice En Data Apprentice har sjældent et klart billede af, om og hvordan det kan skabe vækst og værdi for virksomheden, hvis de arbejder struktureret med data. Det er derfor heller ikke blevet prioriteret at lave en samlet strategi for området.

En Data Apprentice har sikkert læst om potentialet i at arbejde med kunde-statistik, analyser af webtrafik og sociale medier. Men mangel på bredere forståelse og konkrete erfaringer gør at data-projekter ofte opfattes som uhåndgribelige og potentialet opfattes som luftigt, kompliceret og ressourcekrævende.

Selvom den enkelte medarbejder i en Data Apprentice virksomhed måske kender til nogle af de data, virksomheden har til rådighed, har virksomheden sjældent et fuldt overblik over alle de data, der faktisk findes i organisationen eller de data, som ville kunne skaffes ved en struktureret indsats og faste rutiner.

Desuden bruger Data Apprentice virksomheder ofte ensidige analyser, fx er det kun halvdelen, der udfører de mest normale analyser og mellem 2-5 %, der bruger de mere avancerede præskriptive, prædiktive og statistiske analyser.

95%

6%

8%

stoler på mavefornemmelse frem for data

har ved brug af data i betydelig grad sparet mange ressourcer og/eller minimeret kundeafgang

samarbejder i høj grad med andre virksomheder i deres værdikæde om dataindsamling og dataanalyse.

16 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Centrale udfordringer Da det ikke er klart, hvad dataanvendelse kan bidrage med i forretningen, er data ikke blevet aktivt inddraget i optimeringsprocesser, produktudvikling eller gentænkning af forretningsmodellerne.

Virksomhedens manglende erfaring, viden og strategiske overblik gør, at der ikke findes et fælles sprog. Det kan give store problemer med at forankre en forandringsproces. De data, der findes i virksomheden, lever sandsynligvis isoleret i økonomi- og marketingafdelingerne. Dermed er der heller ikke nogen fælles datamodeller på tværs.

Virksomheden vil ofte mangle teknisk infrastruktur, og det betyder, at initiativer er håndholdte, ikke-repeterbare og ikke skalérbare. Endeligt mangler man sandsynligvis også ansatte med tilstrækkelig viden til at udnytte potentialet.

70% 26% 85%

af Data Apprentice virksomheder måler slet ikke på deres dataanvendelse ser at data i høj grad fører til revidering af deres forretningsmodeller har ikke et tilstrækkeligt fælles datagrundlag til rådighed for forskellige analyser

Sådan kommer Data Apprentice virksomheden videre For at komme i gang er det vigtigt at skabe en forståelse i virksomheden for, hvor afgørende data-dreven vækst reelt er. Start med at udvikle pilotprojekter med udgangspunkt i fænomenet “Tænk stort, start småt og skalér hurtigt.”

De første pilotprojekter skal både forankres og definere konturerne af en ny kultur, samt sikre, at virksomheden bliver klogere og mere erfaren på området. Værdien af de første pilotprojekter ligger ikke nødvendigvis i det konkrete afkast, men i at mobilisere virksomheden og i at blive klogere på muligheder og potentiale.

Identificer de små værdiskabende, men ikke alt for ressourcekrævende projekter.

Vælg et pilotprojekt og følg projektet helt til dørs.

Sæt realistiske, men ambitiøse, mål, og dokumentér værdien undervejs.

Lad jer inspirere af nye procesmodeller som Design Thinking, DataLabs, SCRUM og DevOps som måder at eksekvere projekterne efter.

En dansk Data Apprentice case

Vi kan godt se potentialet.

Nu skal vi blot finde pengene.

Hos Fibercon har de fået en billigere og mere stabil ITdrift ved at flytte mail og backup op i skyen. Men virksomheden vil gerne have flere data på produktionen, så det bliver nemmere at give præcise tilbud og styre lagerbeholdning. Det kræver nye millioninvesteringer.

Man kan godt sige, at de er startet fra nulpunktet, eller måske lidt under,.For få år siden var Fibercon i Fårup, tæt ved Hobro, helt nede og vende med en konkurs.

bliver der automatisk taget backup hver nat,” fortæller Mikkel Lauest, der også fungerer som IT-chef. Han vil gerne have flere data – og dermed mere styr på produktionen.

Siden da, er der kommet nye ejere og ny ledelse til.

Hønen og ægget Her er han dog havnet i et klassisk hønen-og-ægget dilemma. Der skal ofte investeres en del, for at få et bedre data-overblik.

Mikkel Lauest håber, at firmaet på et tidspunkt kan opgradere med scannere i produktionen og en udbygning af ERP-systemet.

”Vi har været gennem en større oprydning, hvor vi skulle skære urentable ting fra og finde en del besparelser på driften. Vi holdt fx op med at producere vindmøllevinger, fordi der findes andre, som er langt skrappere til det, forklarer firmaets nye økonomichef Mikkel Lauest.”

Fibercon producerer sandwich-paneler og komposit-løsninger som fx kølekasser til lastbiler. Kassen laves af en skumkerne, der er beklædt med glasfiber på begge sider, og der er altid tale om specialløsninger.

Backup hvert halve år På IT-området har der også været behov for en kraftig oprydning. ”Noget af det første vi gjorde var at afmontere den gamle serveropsætning, som var bygget som en knopskydning. Dengang gik man fysisk rundt og tog backup med en ekstern harddisk hver halve år.” ”Nu har vi lagt mange ting i skyen på en Outlook 365 løsning og så bruger vi en Microsoft Azure-løsning. Det er noget mere stabilt, og så

18 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

”Vi skal have bedre styr på lageret og bedre styr på, hvad der er brugt i produktionen. Det vil både gøre det muligt at følge vores vareforbrug på de enkelte projekter og dermed give kunderne nogle mere præcise priser samtidigt med, at vi bedre kan se, hvad vi tjener på de enkelte opgaver,” siger Mikkel Lauest.

Han regner dog med, at det vil koste en god million i IT-udstyr, konsulenttimer samt indkøring at udvide ERP-systemet. Derfor må visionen vente lidt endnu. Når man skal genstarte en virksomhed, kan man ikke gennemføre alle ændringer med det samme. ”Vi kommer ikke til at indføre de her ting lige med det samme. Men alle i ledelsen kan se potentialet i at skabe bedre overblik med bedre produktionsstyring. Målet er at træffe beslutninger, der bunder i data frem for mavefornemmelser,” understreger Mikkel Lauest.

Fibercon producerer sandwich-paneler og kompositløsninger som fx kølekasser til lastbiler. For at få et bedre data-overblik forventer firmaets økonomichef, Mikkel Lauest, at der må investeres godt en million i at udvide Fibercons ERP system

Alle i ledelsen kan se potentialet i at skabe bedre overblik med bedre produktionsstyring.

Målet er at træffe beslutninger, der bunder i data frem for mavefornemmelser - Mikkel Lauest Økonomichef, Fibercon

CASE

Centrale kendetegn

Livet som Data Scholar En Data Scholar kendes ved typisk at have stærke digitale og strategiske kompetencer i virksomheden. Der findes ofte flere dygtige videns- og kulturbærere, der fungerer som forandringsagenter for en datadrevet forretningstilgang. Dog kniber det med modning af processer, rutiner og ikke mindst investeringer i det tekniske fundament, som skal sikre skalerbarhed og kontinuitet.

Dermed bliver eksisterende ressourcer ikke udnyttet optimalt for at skabe værdi.

Data Scholar virksomheder har ofte det til fælles, at de har relativt flade organisationsstruktur og en stor forståelse for vigtigheden af data og agile udviklingsforløb.

Eftersom der ofte er flere kulturbærere med stærke kompetencer indenfor dataanvendelse, ser man ofte, at det er enkelte medarbejdere, der forsøger at skabe fremdrift for dataprojekter i deres egne afdelinger. Der er fokus på dataanalyse, og der er nye projekter i støbeskeen.

100%

60%

11%

har planer om at investere i dataprojekter

endda i “meget høj” eller “høj” grad

ser manglende digitale kompetencer som en barriere for yderligere dataanvendelse

2 0 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Centrale udfordringer Den største udfordring for en Data Scholar er, at manglende IT-infrastruktur og mangel på data governance gør, at gode intentioner og ideer ikke kan skaleres.

Samlet set har en Data Scholar som regel både indsigten, viljen og de gode intentioner, men vil ofte mangle de hårde egenskaber såsom IT-struktur, ressourcer, teknisk eller anden fagspecifik viden og erfaring på de centrale områder som skal være på plads for at projekterne kan skaleres.

Derfor kan det hos en Data Scholar også variere, hvor de specifikke barrierer ligger. Hos nogle er det de tekniske muligheder og IT-infrastrukturen, der ikke er på plads. Hos andre er det mangel på faglig viden, corporate governance eller fælles standarder, der gør det svært at arbejde sammen på tværs i virksomheden.

72% 25% 17%

har ikke et tilstrækkeligt teknisk setup til at skabe viden og værdi har fælles datagrundlag ser at dataanvendelse fører til ændringer i forretningsmodellen

Sådan kommer Data Scholar virksomheden videre Det er centralt at få både topledelsen og IT-chefen i spil, for at løse de strukturelle og tekniske opgaver som virksomheden sandsynligvis står overfor. Et godt forarbejde med afklaring af, hvilke barrierer, der er centrale at få nedbrudt, kombineret med modet til at springe ud i det og komme i gang, vil være en hjælp for de fleste.

Data Scholar virksomheden kan ofte nyde godt af, at teknologien på området for data har været under kraftig modning de sidste 3-5 år, og at værdiskabelse ikke nødvendigvis behøver at kræve meget store og meget dyre implementeringer for at komme igang.

Fokusér på etablering af et fælles datagrundlag på tværs af afdelinger og sektioner i virksomheden.

Ledelsen og IT-chefen skal arbejde fokuseret på at fjerne de teknologiske barrierer, der forhindrer skalering.

Virksomheden skal iværksætte en strategisk måling af gevinsterne ved dataanvendelse, som udgangspunkt for yderligere udnyttelse og skalering.

Eltronic: En dansk Data Scholar case

Udfordring: Vi skal gøre det nemt at gentage succeserne Eltronic hjælper industrivirksomheder med at automatisere deres produktion. Efter en hård omstillingsproces har virksomheden nu skabt platforme, der gør det nemmere at gentage succeserne.

Eltronic er eksperter i det, som alle efterlyser i disse år. De hjælper danske virksomheder med på en gang at automatisere produktionen og koble data sammen med produkterne undervejs.

Det moderne og abstrakte buzzword er ”Industri 4.0”, og fordelene er ret konkrete. ”Det gør det muligt at få fuld sporbarhed. Man kan altid se, under hvilke forhold produktet er blevet lavet, man kan nemmere skabe variation i produktionen, man kan skalere hurtigere – og hele tiden identificere produktet præcist,” forklarer direktør Lars Jensen.

Svært at tage egen medicin Eltronic har inden for de sidste fem år fordoblet omsætningen til 380 millioner kroner, men fokus i de kommende år bliver mere på konsolidering og udvikling af løsninger, der kan genbruges fra gang til gang. ”De seneste 18 år har vi lavet udviklingsopgaver. Noget af det sværeste for os har været at skifte væk fra at lave nye ting hele tiden. I stedet går vi efter at lave noget, der kan genanvendes. Det ændrer arbejdsprocesserne, så vi ikke skal starte alt i projektgrupper, men i stedet laver procestrin. Det er et ret stort skifte at gå fra at være et udviklingshus til at producere nogle automatiske løsninger, som vi

2 2 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

til gengæld kan sælge langt flere af.”

Digitaliseret produktion ”Vores næste skridt er en digitaliseringsplatform, som vores kunder kan bruge til at binde udstyr, robotter og data sammen,” fortæller Lars Jensen.

Platformen betyder, at Eltronic ikke skal udvikle en ny databaseløsning hver gang de hjælper en kunde med en automatiseringsopgave. I stedet gør standard-platformen det muligt for kunderne selv at sætte dataindsamlingen i system.

Den nye digitaliseringsplatform er et af de produkter, som skal være med til at ændre Eltronics plads i markedet. Fra at være et udviklingshus, der hovedsageligt arbejder i Danmark, håber firmaet at blive konkurrencedygtige på verdensplan inden for udvalgte nicheområder.

CASE

Vores nĂŚste skridt er en digitaliseringsplatform, som vores kunder kan bruge til at binde udstyr, robotter og data sammen - FortĂŚller Lars Jensen.

Centrale kendetegn

Livet som Data Hoarder En Data Hoarder har primært styr på de tekniske forudsætninger for værdiskabelse ved brug af data, og har ofte store mængder data tilgængelig.

Men separate systemer, siloer i organisationen og manglende fokus på samlet analyse gør, at forretningspotentialet ikke forløses fuldt ud.

En Data Hoarder virksomhed har som regel styr på indsamling af data og har måske fået opbygget et solidt teknisk fundament, hvor der kan høstes data i større mængder.

Traditionelle områder som økonomi, produktion og logistik har længe indsamlet data på deres egne processer. Marketingafdelingen ved, hvad kunderne efterspørger og hvilke nyhedsbreve, der bliver åbnet. Kundeservice har statistik på, hvor kunderne har problemer og hvor hurtigt man er istand til at løse dem.

Hver især er de forskellige afdelinger gode til at opsummere den viden og skabe værdi i deres egne afdelinger.

67%

60%

50%

angiver at virksomhedens strategi ikke understøtter data-initiativer

udfører deskriptive analyser, men blot 8% udfører hyppigt de mere værdiskabende præskriptive og statistiske analyser

ser kulturelle og organisatoriske omstillinger som en stor barriere

24 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Centrale udfordringer Data Hoarder virksomheder udfordres ofte af, at de forskellige afdelinger ikke deler deres viden på en måde, så der skabes nye løsninger på tværs af organisationen. Hver især føler de heller ikke behov, fordi de kan se værdiskabelsen i deres egen afdeling, og de udfordres ikke af behovet for at tænke på optimering og nye muligheder på tværs af hele organisationens værdikæde.

Kundeservice sidder måske med en stribe supportsager, som de optimerer behandlingen af. Men deres viden bliver ikke brugt til at skabe den næste generation af løsninger, som tilfredsstiller kundernes behov bedre.

Samtidig ligger de mange data typisk i separate systemer, så kundernes oplevelse ikke kan følges og optimeres gennem hele kundeforløbet.

8% 25% 83% 60%

samarbejder i høj grad om dataindsamling og anvendelse med andre virksomheder i deres værdikæde bruger data til at udvikle nye services og produkter oplever usikkerhed om om ejerskabet til data ser manglende digitale kompetencer som en barriere for yderligere dataanvendelse

Sådan kommer Data Hoarder virksomheden videre Ved at oprette en data-analysegruppe, der rækker på tværs af virksomheden, kan man tackle et langt højere niveau af værdiskabelse. Det kræver som regel klar opbakning fra topledelsen.

Ledelsen skal facilitere tværgående vidensdeling.

Ledelsen bør opstille mål om, at data skal benyttes og forankres på højeste strategiske niveau.

På tværs af ledergruppen skal der skabes use-cases, der både uddanner og håndgribeliggør værdi og muligheder i forskellige dele af organisationen.

Contino Transport: En dansk Data Hoarder case

Vi har en masse data nu skal de give værdi Hos Contino Transport ved de alt om, hvor deres lastbiler befinder sig. Næste udfordring er at omsætte den viden til værdi for både kunderne og firmaet selv. ”Vi ved næsten mere om kundernes fragt, end de selv gør,” lyder det fra direktør Søren Grodt-Andersen.

Contino Transport har ca. 400 lastbiler, lidt flere chauffører – og uanset, hvor de mange biler, varer og chauffører er henne, så har de styr på det i hovedkvarteret i Padborg ved den dansk-tyske grænse.

Men – Søren Grodt-Andersen er ikke tilfreds med bare at have masser af data. ”Jeg ved, hvor chaufførerne hviler, hvor meget de bremser og hvor mange kilometer hver lastbil har kørt. Men lige nu er det data, som vi lægger i regneark - hvor det bare drukner.

Det er selvfølgelig godt at have de data, men qua min baggrund inden for IT og Business Intelligence, er jeg opsat på, at vi skal bruge de data til at skabe værdi.”

I første omgang vil Contino Transport begynde at sende sms’er til modtagerne et kvarter før chaufføren ankommer til destinationen. Det giver flere fordele. ”Jeg er mine kunders forlængede arm, og når jeg yder en bedre service, så øger det sandsynligheden for, at modtageren bestiller det samme sted igen. Men det har også den fordel, at de er klar til at modtage varerne, så vi måske kan læsse af lidt hurtigere og på den

26 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

måde spare tid.”

Viden skal gøre os proaktive For at kunne være så effektiv som muligt, kræver det, at han har styr på, hvor lastbilerne er, hvor lang tid de bruger på omlæsning, hvor meget gods de har med, etc. ”Vi skal bruge den viden vi har til at være langt mere proaktive. Jeg vil gerne have heatmaps, der viser, hvor vi kører gods til og fra, så vi bedre kan planlægge turene, så der er gods med begge veje. Hvis jeg kan få et overblik, der viser, at en lastbil er på vej til kun at køre 8.000 km i denne måned, så har jeg en chance for at gøre noget ved det inden måneden er omme.” ”I gamle dage så vi os selv som logistikchefens ven. I dag ser vi også os selv som sælgerens gode ven. Vi skal ikke bare spare en masse penge, vi skal opretholde vores service for kunderne,” understreger Søren GrodtAndersen.

CASE

Jeg ved, hvor chaufførerne hviler, hvor meget de bremser og hvor mange kilometer hver lastbil har kørt. Men lige nu er det data, som vi lægger i regneark - hvor det bare drukner - Søren Grodt-Andersen Dir. Contino Transport

Centrale kendetegn

Livet som Data Wizard En Data Wizard har som regel formået at skabe en mere helhedsorienteret tilgang til databaseret konkurrencekraft og vækst. Data, og ikke mindst datadrevne beslutninger, er forankret i virksomhedskulturen, integreret i forretningen og der er klare mål for data-drevet udvikling af markeder, produkter og processer.

På grund af deres erfaring vil en Data Wizard typisk have større viden om tendenser i markedet og vil dermed tidligere se behovet og mulighederne for optimering og forbedringer af processer og produkter.

Gennem hurtigere og bedre informerede beslutninger på det strategiske, taktiske og det daglige operationelle niveau, giver dette Data Wizards grundlaget for en konkurrencemæssig fordel og dermed muligheden for at lede deres branche og marked.

For de mest modne virksomheder lever datatilgangen ikke blot i de enkelte afdelinger, men er et integreret værktøj på tværs af centrale funktionsområder. De mest modne Data Wizards forstår at data er en del af grundlaget for udvikling af nye forretningsmodeller, og kan derigennem udfordre de traditionelle branche- og leveranceskel.

65%

60%

49%

angiver at dataanalyse har dannet afsæt for udvikling af nye produkter og services

har et fælles datagrundlag til rådighed for forskellige analyser

angiver at dataanvendelse fører til revidering af deres forretningsmodeller

2 8 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Centrale udfordringer Det afgørende for en Data Wizard er ikke at begå den fejl at hvile på laurbærrene. Det er en lige så stor udfordring for en Data Wizard at holde sig i fronten af feltet, som det er for en Data Apprentice at bryde igennem muren af manglende kompetencer og investeringer.

Det er ikke nok at være “best-in-class”, hvis det marked man opererer i bliver ramt af markedsændringer, hvor nye forretningsmodeller ændrer alt.

En af de helt store udfordringer bliver, at pejle sig ind på, hvor den næste bølge af datadrevne markedsændringer kommer fra, og om man som Data Wizard tør disrupte sin egen virksomhed for at forblive relevant.

Især i større virksomheder kan manglende agilitet og dermed langsom reaktionstid på forandringer blive en barriere i forhold til at udvikle sig på forkant af de forandringer, som databaseret innovation bringer med sig.

32% 29% 92%

har sparet ressourcer på baggrund af data har brugt data til at minimere kundeafgang har oplevet manglende opbakning og engagement fra ledelsen

Sådan kommer Data Wizard virksomheden videre Topledelsen bør sikre et skarpt fokus på at fastholde databåret udvikling.

Afgørende er dog, at der både er plads til at pleje de eksisterende kunder og at holde øje med de muligheder, der opstår for at skabe forandringer i egen branche.

Den øverste ledelse skal fastholde det konstante fokus på udvikling baseret på data i alle led.

Skab teams og miljøer, der faciliterer agile udviklingsforløb på tværs af organisationen.

Ledelsen skal sikre at det er muligt at udvikle forretningsmodeller og produkter, der potentielt kan disrupte virksomhedens egne succeser før konkurrenterne gør det.

Axzon/Goodvalley: En dansk Data Wizard case

Data fortæller os vi skal skifte navn Svineproducenten Axzon er ved at lægge produktionen om, vil sælge gennem nye kanaler og ikke mindst ændre hele koncernens navn og brand. Alle de beslutninger er baseret på data. ”Det seneste år har vi gennem undersøgelser fundet ud af, ikke blot vist os, hvad vi skal producere, hvordan vi skal markedsføre os - men også, hvad vi skal hedde,” fortæller Holger Axelgaard, der er CIO hos svineproducenten Axzon – der af samme grund har planer om at skifte navn til GoodValley.

Axzon er ikke kendt i den brede danske offentlighed, men koncernen sælger 1,3 mio. svin årligt og omsætningen rundede sidste år 1,5 mia. kr. Firmaet har opbygget en næsten selvforsynende kæde af gårde i Østeuropa, hvor de ikke blot producerer grisene, men også har egne marker til foderproduktion, eget slagteri og egne lastbiler til at stå for transporten.

Første skridt: Sociale medier og cloud To nyere bølger af teknologi har ændret driften på gårdene betydeligt: Sociale medier og cloud computing.

Data på hvert et dyr ”For at det alt sammen kan lade sig gøre, er vi nødt til at kunne tracke hvert enkelt dyr. Det er både dyrt og et ekstremt stort data-setup, men det er den vej, det går inden for landbruget, hvor kravene til traceability stiger.” ”Fordelen er, at vi kan monitorere det enkelte dyr langt bedre, og sende det til slagtning på det rette tidspunkt. Vi kan også spotte om et dyr er på vej til at blive sygt.”

Staldene er ikke det eneste sted, hvor Holger Axelgaard vil konvertere data til reel værdi.

Data skal holde os foran konkurrenterne ”Det er allerede sådan, at når en traktor er ude i marken, så er traktorføreren der mest af hensyn til sikkerheden. Han skal ikke røre ved rattet og pedalerne, for han kan ikke styre lige så præcist og køre lige så energieffektivt som en gps-styret traktor.”

”I dag er vidensudvekslingen steget helt enormt. Det ikke usædvanligt, at folk i produktionen bruger video til at vise en ny tekniske løsning til kollegaer i de andre lande. Det skete aldrig før i tiden. Vi har også fået en langt mere fleksibel og stabil IT-drift efter, at vi har flyttet en masse ting til cloud-løsninger.”

”Samtidigt kan man med drone-flyvninger få et præcist billede af ukrudt og skadedyr, og blive meget bedre til at dosere sprøjtegifte, så vi kun sprøjter dér, hvor der er et reelt behov.

Det sparer store beløb – og er en gevinst for miljøet.”

”I vores store undersøgelse fandt vi ud af, at forbrugerne i Østeuropa gerne vil have produkter, der er antibiotika-frie og er blevet fodret med GMO-frit foder,” forklarer Holger Axelgaard.

”Vi kommer til at investere utroligt meget i data de næste fem år. Der er rigtigt meget vi kan optimere, og det her er helt klart måden, vi kan holde os foran konkurrenterne,” understreger Holger Axelgaard.

3 0 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

I de seneste år har cloud-løsninger, sociale medier og Skype-for-Business givet en langt mere stabil IT-drift og bedre kommunikation. Den næste bølge af optimeringer kommer fra big data, siger firmaets CIO, Holger Axelgaard.

Foto: Ernst Poulsen

Jeg kan sige, at vi kommer til at investere utroligt meget i data de næste fem år. Der er rigtigt meget vi kan optimere, og det her er helt klart måden, vi kan holde os foran konkurrenterne - Holger Axelgaard CIO, Axzon/Goodvalley

CASE

Gennem DataForBusiness er forskningen blevet til en konkret mulighed for virksomheder. Hvor langt er I nået? Hvor er I på vej hen? Med DataForBusiness får I overblik over jeres dataanvendelse og dennes muligheder og potentiale for at skabe værdi.

Kom igang med det samme: Go.dataforbusiness.org

Del 2 PrĂŚsenterer en rĂŚkke konkrete nedslag i de forskellige dimensioner.

Udforsk de specifikke udfordringer, barrierer og og aktiviteter for at lykkedes

Virksomhed

Dette afsnit handler om Virksomhed: Ressourcer, teknologi og aktiviteter i virksomheden, der har relevans for dataanvendelsen

Flertallet mangler teknisk setup Manglende teknisk setup begrænser databaseret videnskabelse To ud af tre virksomheder har ikke den fornødne teknik til at bruge data til øget viden- og værdiskabelse. En mindre gruppe på 14 % skiller sig ud fra mængden og vurdererer, at de “i meget høj grad” har teknikken på plads til at udnytte data til at skabe nye viden • Kun 14% mener, de i “meget høj grad” har et teknisk setup, som gør det muligt at skabe ny viden.

• Knap 60% har i “nogen grad”, “mindre grad” eller “slet ikke” det fornødne teknisk setup.

• Når kun knap 4% af virksomhederne vurderer, at de ”slet ikke” har et teknisk setup, må man konkludere, at næsten alle virksomheder i deres egen overbevisning, i et eller andet er i gang” med området.

omfang

Har din organisation i dag et teknisk setup, som gør det muligt at bruge data til at skabe ny viden?

59%

Demografisk Perspektivering: Store virksomheder er mere tilbøjelige til at have teknikken på plads I store virksomheder (over 500 ansatte) svarer 29 %, eller dobbelt så mange som gennemsnittet, at de i meget høj grad har det tekniske setup klar til at skabe ny viden og værdi.

3 4 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

38%

Når teknikken driller: Data-siloer er den største hindring Knopskydninger, cloud-løsninger og en stribe forskellige IT-løsninger i hver eneste afdeling er det, der typisk møder Jesper Vejs fra IBM, når han skal hjælpe virksomheder gennem de tekniske forhindringer.

Cloud – en ny kompleksitet I løbet af de seneste år har mange virksomheder skiftet til Cloud-løsninger. Det giver en stor fleksibilitet, men det er ikke uden bivirkninger,” siger Jesper Vejs.

”Det mest klassiske problem vi møder er, at kunderne har data liggende alle mulige steder – uden, at de let kan bindes sammen i en kontekst af kunde, produkt, marked etc.,” forklarer Jesper Vejs, der arbejder som Senior Architect hos IBM i deres Watson Data og AI afdeling.

”Siloer bliver ikke bedre af, at de ligger i skyen i løsninger, der ofte er opstået som knopskydninger. Hvordan får virksomheden fat i sine data, så de kan koordineres med andre oplysninger. Det ender nemt med at blive en ny barriere.”

”Ofte ligger data i forskellige systemer, der er indkøbt til at løse hver deres problem. Det kan være et CRM-system, et ERP-system eller nogle supply-chain-systemer, som er adskilte og specialiseret til at løse hver deres problem – for hver deres afdeling.”

Og det er helt afgørende for virksomhederne at tackle problemerne, understreger Jesper Vejs. ”For nogle kan der være tale om liv eller død.

Vi lever i en bølge af disruption, hvor virksomheder, der ikke slæber rundt på en masse mursten og gamle systemer, kan tilbyde nye brugeroplevelser, der både er differentierede og tilpasset kunderne.”

”Men ingen af systemerne skaber overblik, og derfor er det fx svært at finde de utilfredse kunder og undgå, at de forlader firmaet.”

•

•

•

Data Wizard arketypen skiller sig ud ved at 68 % svarer, at de i høj eller meget høj grad har et teknisk setup, der gør det muligt at skabe ny viden på baggrund af ny data. Dette er mere end dobbelt så mange som resten af arketyperne, og tre gange så mange som Data Apprentice.

Både Data Hoarder og Data Scholar har udfordringer, når det kommer til teknisk setup. Begge viser, at kun ca. en tredjedel føler, at de i høj eller meget høj grad har et teknisk setup, som gør det muligt at skabe ny viden på baggrund af data.

Der ligger endnu et stort potentiale for alle arketyperne i at få det tekniske setup klar til at være videns- og værdiskabende.

33% 67%

Virksomhed: ressourcer og aktiviteter

Data Wizards har styr på teknikken 32% 68%

Virkelighed: kultur og strategi

19%

81%

28% 72%

Fordeling i hver arketype, der svarer at de i “ høj” eller “meget høj” grad, har et teknisk setup, der gør det muligt at skabe ny viden på baggrund af data.

Uudnyttede data i skuffen Virksomheder udnytter ikke de data de har og en lang række datakilder bliver ikke udnyttet godt nok Virksomheder har adgang til en bred vifte af forskelligartet data, men er ikke gode til at udnytte de data og datakilder, de allerede har adgang til.

Her svares på, hvorvidt virksomheden aktivt bruger en række datatyper, som de i et tidligere spørgsmål har indikeret at have adgang til. For hver svarmulighed gør det sig altså gældende, at virksomheden har adgang til datatypen. For de fleste af datatyperne gør det sig dog samtidig gældende, at de ikke bliver aktivt brugt i hverdagen.

• 60 % bruger ikke aktivt deres indsamlede kunde- og brugeradfærdsdata, hvilket er bemærkelsesværdigt i en tid hvor “CX”, kundeoplevelser og kunderejser ellers er på manges læber.

• Den hyppigste brugte datakilde er historiske data fra f.eks. salg og transaktioner. 79 % indikerer, at de aktivt bruger disse. 20 % har indsamlet historiske data, men bruger dem ikke.

• En anden ofte brugt datakilde er virksomhedens egne produktionsdata, som 57 % anvender - men igen er det bemærkelsesværdigt, at over 40 % har disse data, men ikke bruger dem.

• Det er iøjnefaldende, at tre ud af fem, der har købt data fra andre virksomheder, ikke bruger det, de har betalt for.

Bruger I aktivt disse data?

(Med aktivt mener vi, at data bruges jævnligt (1-2 gange om ugen) med et klart formål)

Historiske data (salgsdata, transaktionsdata)

79%

Egne produktionsdata (fra maskiner, sensorer og lign. i nr realtid)

57%

Kundedata (fx point of sales for kunder)

42%

Lyd-, video- og billededata

42%

Data høstet fra sociale medier

36%

Data, indkøbt fra andre virksomheder

36%

Brugeradfærdsdata (brugertracking etc.)

3 6 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

46% 49% 52% 59% 53%

34% 29%

25%

50%

6%

40% 5%

47%

Data fra leverandører

0%

36%

55%

Tekstdata fra fx mails, dokumenter og servicerapporter

GPS og lokationsdata

20%

75%

7% 8% 6% 5% 11%

57%

9%

61%

10%

100%

“Mange italesætter digitaliering som teknik og sensorer, men det er ikke det vigtige! Det er transformationen i virksomhederne der er det vigtige ” - Hans Eibe, CBS

“Vi er ved at nå et digitaliseringsniveau, der gør, at vi kan få data på alting.”

- Thomas Nørmark, Director, Itelligence

““Ofte ligger data i forskellige systemer, der er indkøbt til at løse hver deres problem.””

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 37

- Jesper Vejs, Senior Achitect, IBM

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 37

Sikkerhed - en stor barriere Datasikkerhed er stor barriere for udviklingen af dataanvendelse Mere end halvdelen af virksomhederne fremhæver datasikkerhed som en barriere for yderligere anvendelse af data. Over 60 % af virksomhederne ser i “højere grad”, at datasikkerhed, håndtering af IT sikkerhed og databeskyttelse er en barriere for yderligere dataanvendelse.

• 62 % angiver manglende datasikkerhed som en barriere for yderligere anvendelse af data.

• Samtidig svarer 60 %, at virksomhedens manglende konkrete viden om, hvordan de gang med arbejdet med sikkerhed, står i vejen for udviklingen.

kommer i

• 24 % ser, manglende viden om, eller overblik over, data og/eller datakvaliteten som en barriere.

• 27 % vurderer, at manglende synlighed af værdien af dataanvendelsen er en barriere.

Barrierer for yderligere dataanvendelse Nedenfor er nævnt en række udsagn om barrierer for din virksomheds yderligere anvendelse af data. Du bedes vurdere om disse barrierer er til stede i din virksomhed.

62%

31% 37%

60% 3% 54%

44% 3%

53%

44% 3% 64%

32% 4%

63%

31%

65%

71%

3 8 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

25%

50%

6%

31% 4%

69%

0%

6%

75%

27%

5%

24%

5% 100%

Datasikkerhed er risikostyring oplysninger er fortrolige.

2017 blev samtidigt det år, hvor det gik op for de fleste, at datasikkerhed ikke bare er en teoretisk størrelse, da danske virksomheder blev plaget af omfattende ransomware-angreb og svindelforsøg. Og så var det ikke mindst året, hvor Mærsks skibe og havne blev lammet i dagevis af et virusangreb, der kostede koncernen milliarder kroner. Det fik de sidste i nationen til at vågne op.

Jo mere virksomhederne arbejder med data – jo mere ser de datasikkerhed som en barriere.

Forklaringen kan meget vel være, at med større viden følger også større indsigt i alle udfordringerne. Og det er ikke underligt, at virksomheder er vågnet op og har indset, at datasikkerhed endelig skal på dagsordenen.

Den 25. maj 2018 trådte EU’s nye persondataforordning i kraft, og den skærper kravene: Der skal være styr på underleverandører og processer, kunderne har ret til deres egne data og til at blive glemt – og så mest markant af alt: Hvis der ikke er styr på datasikkerheden kan bøderne løbe op i 4 % af virksomhedens omsætning.

Men der er stadig alvorlige barrierer. To ud af tre virksomheder svarer også, at de mangler konkret viden om, hvordan virksomheden får hul på at håndtere IT-sikkerhed og databeskyttelse.

En anden regel der kan gå hen og få stor betydning er, at det nu bliver obligatorisk for firmaer at informere både datatilsynet og kunderne om brud på datasikkerheden. Det sidste kan blive meget dyrt for firmaets omdømme, hvis kunderne mister tiltroen til, at deres

Her finder vi det oplagte næste skridt for virksomhederne: Der skal investeres i viden om datasikkerhed – enten ved uddannelse af egne medarbejdere eller købe sig til ekspertise. Det kan blive alt for dyrt at lade være.

•

•

Det er især Data Wizards der er bekymrede over datasikkerhed, hvor 86 % svarer, at de i “høj” eller “meget høj” grad ser datasikkerhed som en barriere for dataanvendelse.

I hver af de andre arketyper er det over halvdelen, som i “høj” eller “meget høj” grad ser datasikkerhed som en barriere (Data Apprentice 51 %, Data Hoarder 55 %, Data Scholar 61 %).

Der kan være tegn på en tendens til at dem der bruger data og teknologi mest, tilsvarende er mest bekymrede over datasikkerhed.

45% 55%

Virksomhed: ressourcer og aktiviteter

Stor spredning på bekymring over datasikkerhed 14%

84%

Virkelighed: kultur og strategi

49%

39% 51%

61%

Fordeling i hver arketype der har svaret i “ høj” eller “meget høj grad” til om “Datasikkerheden er ikke god nok” er en barriere for yderligere dataanvendelse.

Mangel på analyse Virksomheder anvender begrænset antal metoder til dataanalyse Når virksomheder bliver spurgt, hvilke analyser, der udarbejdes hyppigt (1-2 gange ugentligt), tegner der sig et klart billede af en mangel på erfaring og alsidighed ift. anvendelsen af forskellige analysemetoder. Besvarelserne viser, at ca. 70 % ofte laver de beskrivende (deskriptive) analyser, mens kun 26 % eller færre hyppigt foretager de mere værdiskabende prædiktive, præskriptive og statistiske analyser*.

• 69 % af virksomhederne laver hyppigt deskriptive analyser.

• 26 % eller færre foretager hyppigt de mere værdiskabende prædiktive (26 %), præskriptive (15 %) eller statistiske (18 %) analyser.

• Hele 80 % udarbejder ikke præskriptive analyser.

Hvilke analyser udarbejdes hyppigt (1-2 gange om ugen) i jeres virksomhed?

Deskriptive analyser

69%

Statistiske analyser

18%

Prædiktive analyser

69%

26%

Præskriptive analyser

15% 0%

•

26% 6%

25%

50%

14%

62%

12%

73%

12%

75%

100%

Deskriptive analyser: Beskriver hvad der allerede er sket. Fx beskrivelser af rå-data i søjle-, cirkeldiagrammer og rapporter, der rapporterer måneds- ellers kvartals resultater.

•

Statistiske analyser: Viser sammenhænge, varians eller udslagsgivende faktorer. Fx korrelationsanalyse, regressionsmodeller og multivariate analyser, herunder root-cause, klynge- og faktoranalyse. Kan bruges til at udregne sandsynligheden for et givent udfald.

•

Prædiktive analyser: Forudsiger sandsynlighed på baggrund af statistik. Fx tids-serier eller andre datamodeller til fremskrivning, samt analyser med brug af data mining og machine learning. Kan give indblik i hvornår eller hvordan noget sker, fx analyser af kundeloyalitet, forbrugsmønstre eller indikationer for vedligehold af maskiner.

•

Præskriptive analyser: Bruges til at beskrive eller komme med forslag til at løse en udfordring. Fx optimeringsalgoritmer, der kan foreslå hvilke varer en kunde, skal foreslås eller vise en tekniker en relevant tegning baseret på en diagnose. Bruges mere og mere i takt med udbredelsen af automatisering og digitalisering af fx ehandelsplatforme.

4 0 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Manglende fælles datagrundlag Virksomheder mangler i vid udstrækning et fælles grundlag for dataanalyser To ud af tre virksomheder har ikke et tilstrækkeligt fælles grundlag for forskellige dataanalyser og 7 % har “slet ikke” et fælles datagrundlag. En mindre gruppe på 9 % skiller sig dog ud ved i “meget høj grad” at have etableret et fælles datagrundlag. Samlet set indikerer dette et potentiale for flertallet af virksomheder i arbejdet med at se på hvilke data, der kan bruges på tværs af organisationen.

• 64 % har blot i “nogen grad”, “mindre grad”, eller “slet ikke” et fælles datagrundlag for dataanalyse.

• 7 % har “slet ikke” et fælles datagrundlag.

• 9 % har i “meget høj” grad et fælles datagrundlag i virksomheden.

Har I et fælles datagrundlag til rådighed for forskellige analyser?

64%

32%

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 41

Virkelighed

Dette afsnit handler om Virkelighed: Kulturelle, strategiske og organisatoriske faktorer der pĂĽvirker virksomhedens arbejde med data

Flertallet måler ikke på datanvendelse Over en tredjedel måler slet ikke på deres dataindsatser En ud af tre måler “slet ikke” på deres dataanvendelse. Størstedelen, 84 %, svarer, at de kun i “nogen grad”, “mindre grad” eller “slet ikke” måler systematisk på indsatserne vedrørende dataanvendelse. 12 % udmærker sig ved i “høj” eller “meget høj grad” at måle systematisk på deres dataanvendelse.

• 84 % måler kun i “nogen grad”, “mindre grad” eller “slet ikke” på indsatserne vedrørende dataanvendelse.

• 37 % måler “slet ikke” på deres dataanvendelse.

• En lille gruppe på 12 % skiller sig ud ved i “høj” eller “meget høj” grad at måle systematisk på deres indsatser. Heraf svarer 3 % “i meget høj grad.”

Måler I systematisk på indsatserne vedrørende dataanvendelse?

84% 12%

Demografisk Perspektivering: Kløft i forståelsen af måling: Topledelsen mener der måles De 3 % der svarer “I meget høj grad” er alle positionsmæssigt placeret i virksomhedernes øverste ledelse (direktionen/bestyrelsen).

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 43

Data taber til mavefornemmelse Kun hver fjerde lader data vinde over mavefornemmelse Det er afgørende for værdiskabelsen i en virksomhed, at man har en kultur, hvor der primært stoles på data frem for mavefornemmelse, men kun hver fjerde angiver, at de er præget af en sådan datadrevet kultur. Næsten tre ud af fire stoler kun i nogen eller mindre grad på data over mavefornemmelse - og hele 9 % svarer, at de slet ikke er præget af en datadrevet kultur. Der ligger altså en stor opgave for mange virksomheder i at skabe tillid til værdien af data.

• Blot 25 % svarer, at de i “meget høj” eller “høj“ grad er præget af en datadrevet kultur.

• 73 % stoler slet ikke, “nogen” eller “mindre” grad på data frem for mavefornemmelse.

• 9 % svarer, at de “slet ikke” er præget af en datadrevet kultur.

Er jeres virksomhed præget af en datadrevet kultur, hvor I stoler på data frem for på mavefornemmelse?

73%

Demografisk Perspektivering: Mavefornemmelse styrer på tværs af demografi Tendensen ses på tværs af virksomhedstype og størrelse. Mavefornemmelse fremfor data - styrer altså størstedelen af virksomhedernes beslutninger.

4 4 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

25%

Det tager tid at skabe en data-kultur Når den grundlæggende kultur i en virksomhed skal ændres, har man brug for den brede værktøjskasse med mange typer af indgreb. Og så er det særligt afgørende, at ledelsen er synlig. ”Man kan ikke bare bestemme, at fra nu af skal alle beslutninger understøttes af data. Man skal have alle i organisationen med, sikre valide data og brugbare værktøjer til medarbejderne – og ledelsen skal være meget synlig.”

Det tager med andre ord tid og koordinering at skabe forståelse for alle elementerne i et dataprojekt, forklarer Matilde Dueholm, der har arbejdet med business analytics i den danske IT-branche de seneste 7 år.

et stykke vej, før man er i mål. Medarbejderne skal både tages i ed og hjælpes på vej.

Data skal formidles ”Nogle IT-folk elsker måske at sidde med en pivot-tabel, hvor de kan nørde ned i detaljerne. Men det er måske ikke optimalt at servere 1000 tal, hvis dem, der skal bruge tallene i deres arbejde, sidder med en mobiltelefon,” siger Matilde Dueholm, der ofte er ude i marken hos slutbrugerne, og der møder en anden virkelighed end hos topledelsen. ”Kommunikation er ofte underprioriteret, når man vil lave forandringer. Man skal sørge for at have styr på sine stake-holders, så de føler sig hørt og set – og så skal man altid kommunikere mere end man tror.”

Hun er jævnligt ude i virksomheder, der skal have nye digitale løsninger, og her arbejder hun både sammen med ledelsen og de medarbejdere, der er ude i marken. Målet i sig selv, kan nemt opsummeres: ”Uanset hvilket projekt man arbejder med, så gælder det om, at man får de rette data ud til de rette folk – på det rette tidspunkt,” forklarer Matilde Dueholm.

Men selv om det lyder som et simpelt mål, så er der

”Man skal også være villig til at tage små skridt. Selv om du har en god dybkoger, skal man ikke forsøge at koge hele Atlanterhavet på den første dag,” siger Matilde Dueholm. Én ting er dog helt afgørende: ”Når der skal ske en grundlæggende forandring af kulturen i virksomheden, skal ledelsen på banen og være meget synlige,” understreger Matilde Dueholm.

•

•

•

•

Det er især Data Hoarders (50 %) og Data Wizards (49 %), der i høj eller meget høj grad er styret af en datadreven kultur.

50%

50%

Hos Data Apprentices (95 %) og Data Scholars (94 %) er det næsten alle, eller ca. 95 %, der er styret af mavefornemmelse fremfor data.

Der er en klar skillelinje mellem de arketyper der placeres lavt (Data Apprentices og Data Scholars) og højt (Data Hoarders og Data Wizards) på virksomheds-aksen.

At være styret af data kræver adgang til både data og teknologi, og det er derfor forventeligt, at data wizard og data hoarder oftere er styret af data end mavefornemmelse. Det er bemærkelsesværdigt, at data scholar er styret mere af mavefornemmelse end data.

Virksomhed: ressourcer og aktiviteter

Beslutninger drives næsten kun af mavefornemmelser

51%

49%

Virkelighed: kultur og strategi

5%

95%

6%

94%

Fordeling af besvarelser i hver arketype, der svarer at de i “ høj” eller “meget høj” grad har en datadrevet kultur, hvor der stoles på data frem for mavefornemmelse

Mangel på samarbejde i værdikæden De fleste deler ikke data med leverandører og kunder 81 % samarbejder ikke i tilstrækkelig grad med andre virksomheder om anvendelsen af data, hvilket tyder på et uforløst potentiale i værdikæden og økosystemet som helhed.

Data transcenderer ikke samarbejdet i værdikæden. Det er således overraskende få virksomheder, der formår at sætte deres data i spil i samarbejde med partnere.

• 81 % samarbejder i “nogen grad”, “mindre grad”, eller “slet ikke” med andre virksomheder om anvendelsen af data. Ca. en fjerdedel samarbejder “slet ikke”.

• En lille gruppe på 11 % skiller sig ud ved i “meget høj” grad at samarbejde med andre virksomheder.

Samarbejder I med andre virksomheder om anvendelsen af data? (fx virksomheder i jeres værdikæde eller økosystem)?

81% 11%

Demografisk Perspektivering: Især små og mellemstore virksomheder halter på eksternt samarbejde Blandt store danske virksomheder (over 500 medarbejdere) er det kun 12%, der ikke samarbejder med virksomheder i deres værdikæde. Sammenlignet med store virksomheder halter de små (1-49 medarbejdere) og mellemstore (49-499 medarbejdere) virksomheder langt bagefter med dobbelt så mange virksomheder, der ikke samarbejder eksternt.

4 6 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Data har det ikke godt alene Et digitalt host ”Der er også stor viden at hente ved at lytte til trends på nettet. Google kan fx fortælle helt ned på by-niveau om folk søger på feber, hoste eller influenza. Dermed kan apoteker og grossister i branchen forudsige, hvornår de skal distribuere medicin, så kunderne ikke går forgæves eller går et andet sted hen efter håndskøbsmedicin. ”

”Det er for lidt at måle sig selv, hvis man vil være sikker på at klare sig. Man må finde måder at måle sig i forhold til konkurrenterne.”

Det gode råd kommer fra Thomas Nørmark, der til dagligt arbejder med innovation og teknologi. ”Det er ikke længere nok blot at kigge på de data man selv producerer. Man er nødt til også at beskue økosystemet og konkurrencebilledet rundt om sin virksomhed, for at sikre sig at man har det fulde billede” understreger Thomas Nørmark. ”En mulighed er fx at trække offentlige regnskabstal på alle ens kunder, eller holde øje med hvilke projekter de vinder i offentlige licitationer. Hvis deres omsætning generelt stiger – uden at købe mere hos dig, så har du et uudnyttet potentiale.”

Stiger samarbejde med værdikæden med data modenheden?

•

•

Det er hovedsageligt Data Wizards (21%) der formår at sætte data i spil med økosystemet, hvilket tyder på at at der skal være en vis modenhed og en vis mængde data i virksomheden for at samarbejde om data med eksterne samarbejdspartnere.

Data Apprentices (9 %), Data Scholars (6 %) og Data Hoarders (8 %) ligger meget tæt i deres besvarelser, hvor mellem seks og ni procent samarbejder med eksterne virksomheder om data.

I transportbranchen er det helt almindeligt, at firmaer trækker eksterne oplysninger om både vejarbejde, trafikkøer og vejret, så de bedre kan fortælle kunderne, hvornår varerne når frem. I mediebranchen har man i mange år delt oplags- og læsertal, selv om det egentlig er forretningshemmeligheder. Fordelen ved den øgede troværdighed som det giver over for annoncørerne, har ganske simpelt haft større værdi. ”Vi er ved at nå et digitaliseringsniveau, der gør, at vi kan få data på alting. Enhver dims, der har kostet 50 dollars eller derover, vil snart kunne snakke med en hvilken som helst anden dims til 50 dollars eller derover, og det giver enorme muligheder, som meget få udnytter indtil videre, ” siger Thomas Nørmark.

8%

92%

Virksomhed: ressourcer og aktiviteter

Ingen virksomhed lever isoleret fra omverdenen.

Hvorfor så isolere virksomhedens data fra omverdenen?

21% 79%

Virkelighed: kultur og strategi

9%

91%

6%

94%

Fordeling af hver arketype, der angiver at de i “meget høj” eller “ høj” grad samarbejder med andre virksomheder om anvendelsen af data.

Mange forretningsmæssige barrierer Virksomhederne er klar til data men savner engagement fra ledelsen Manglende engagement og støtte fra ledelsen i forbindelse med dataanvendelse er en af de største barrierer for udviklingen. Men også barrierer relateret til datasikkerhed og reglerne for databrug og håndtering ses som et problem.

Det er også øjnefaldende, at kulturen opfattes som en af de mindre barrierer. Blot 35 % ser i højere grad, at en øget dataanvendelse ville kræve store kulturelle omstillinger.

• 65 % af de adspurgte virksomheder ser, at manglende engagement og støtte fra ledelsen i “høj” eller “meget høj” grad er en barriere.

• 60 % oplever i “høj” eller “meget høj” grad, at der er usikkerhed om, hvorvidt data må bruges til andet end det, det er blevet indsamlet til, mens 53 % ser det som et problem, at der er uklarhed om ejerskabet til data, når det indgår i en ydelse til en anden virksomhed.

• 35 % ser i “høj” eller “meget høj” grad, at en øget dataanvendelse ville kræve store kulturelle omstillinger.

Oplever du følgende organisatoriske, kulturelle og praktiske barrierer i forbindelse med data anvendelsen?

Dataanvendelsen kræver store kulturelle og organisatoriske omstillinger i virksomhedens praksis

60%

Virksomheden mangler overblik over, hvilke kompetencer der er brug for, fx tekniske eksperter, dataanalytikere, jurister, rådgivere

58%

Det er svært at finde kompetente medarbejdere til opgaven med dataanvendelse i praksis

57%

Det er ikke klart hvem i virksomheden, der i praksis skal drive udviklingen af dataanvendelsen

54% 60%

29% 25%

50%7

5%

Demografisk Perspektivering: Forskellige størrelser oplever forskellige barrierer • Næsten halvdelen af de store virksomheder (over 500 medarbejdere) oplever, at ansatte, der arbejder med data, har svært ved at forstå den forretning, de leverer data til.

• Alle de store virksomheder (over 500 medarbejdere) oplever i en eller anden grad manglende engagement og støtte fra ledelsen - 77 % oplever det endda i “høj eller “meget høj” grad.

4 8 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

5% 12% % 7%

65% 3%

31%

0%

37%

50%

32%

Der er uklarhed om ejerskabet til data, når data indgår i en ydelse, der leveres til en anden virksomhed

6%

44%4

43%

Manglende engagement og støtte fra ledelsen i forbindelse med dataanvendelsen

34%

31%

53%

De ansatte, der arbejder med anvendelsen af data, har svært ved at forstå den forretning, de leverer data til

Der er usikkerhed om, hvorvidt data må bruges til andet end det, data er indsamlet til

35% 3%

62%

Manglende konkret viden om, hvordan virksomheden får hul på at håndtere IT-sikkerhed og databeskyttelse

15% 11% 100%

Kompetence-muren Du ved ikke, hvad du ikke ved - du ved ikke, hvad du mangler Når en Data Apprentice, ikke ser manglende kompetencer som en stor barriere, mens mere modne virksomheder ser manglende kompetencer som en meget stor barriere.

Når den store gruppe af Data Apprentices ( 38 % af besvarelserne), indser at de kommer til at mangle kompetencer, kommer ikke blot Data Apprentice virksomheder til at ramme kompetencemuren, men hele Danmark.

Spændende er det at identificere, at det primært er blandt de virksomheder, der har en masse data imellem hænderne, man oplever manglen på kompetente medarbejde som en central barriere (50% for denne gruppe). Grupperne med mindre data erfaring vurderer denne barrierer helt anderledes. Her oplever eksempelvis kun 11% af den mindst modne gruppe af virksomheder at manglende kompetente medarbejdere er en barriere (dog svarer gruppen ”ved ikke” på spørgsmålet” i hele 18% af tilfældene). Således kunne det tyde på at vi er på vej ind i en kompetencemur – hvor dem der kender til området allerede ved det er svært at finde folk med de rigtige kompetencer og snarligt bliver efterfulgt af alle de andre der med lidt mere erfaring står foran at skulle komme til denne samme konklusion.

Virksomheder vil skulle finde den rette balance i at investere i uddannelse, udvikling og rekruttering af egne medarbejdere, mens der i starten sandsynligvis skal suppleres med eksterne eksperter og konsulenter.

• 31 % synes det i “høj” eller “meget høj” grad er svært at finde kompetente medarbejdere • forskel mellem scholar/apprentice, som ikke er i gang endnu og wizard/hoarder, som er igang. Dem der ikke er kommet i gang kommer til at mærke kompetencemuren, når de starter • I gennemsnit svarer 12 % “ved ikke”

Forretningsmæssige barrierer for anvendelsen af data:

Det er svært at finde kompetente medarbejdere til opgaven med dataanvendelse i praksis

57% 25%

50%

75%

Stor forskel på om kompetencer ses som barriere 17%

•

Det er især Data Hoarder (50 %) og den erfarne Data Wizard (49 %) gruppe der i “høj” eller “meget høj” grad ser manglende kompetencer som en

50%

33%

barriere.

•

Hos Data Apprentice virksomheder er det blot 11 % der i “høj eller “meget

100%

Virksomhed: ressourcer og aktiviteter

0%

31%

5%

46%

49%

Virkelighed: kultur og strategi

høj” grad ser manglende kompetencer som en barriere.

•

Arketyperne Data Apprentice (18 %) og Data Hoarder (17 %) har begge

18%

11%

store grupper der svarer “ved ikke”, hvilket kan indikere en generel manglende indsigt i domænet for ressourcer og kompetencer.

71%

28% 72%

Demografisk Perspektivering: En ud af tre små (1-49 medarbejdere) og mellemstore (49-499) virksomheder har svært ved at finde data-kompetente medarbejdere.

Det samme gør sig kun gældende for hver fjerde af de store (over 500 medarbejdere) virksomheder.

Fordeling i hver arketype der svarer “ høj” eller “meget høj” grad til om “det er svært at finde kompetente medarbejdere til opgaven med dataanvendelse i praksis” er en barriere.

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 4 9

DATA FORANDRER VERDEN #DataForBusiness Et værdiskabende økosystem for dig og mig og alle de andre, der arbejder med data.

Alt peger på at data og udnyttelsen af data bliver et helt essentielt fokusområde i dansk erhvervsliv i den kommende årrække. Hvis flere virksomheder udnytter de muligheder, digitaliseringen og de store mængder af tilgængelige data giver for forretningsudvikling og produktionsoptimering, styrkes industrien i Danmark.

Gennem udarbejdelse af en fælles branchestandard, unikt samarbejde mellem forskning og praksis, fælles events og uddannelser, samt udgivelser af nye rapporter og indsigteret vil #DataForBusiness kick-starte 500 danske virksomheders konkurrencekraft.

#DataForBusiness er et af flere projekter fra Networked Business Initiative. Projekterne bygger på et tæt samarbejde mellem forskere, universiteter og centrale spillere fra industrien. #DataForBusiness bygger oven på flere danske forskningsprojekter under Industriens Fond, der har skabt et værktøj, som gør det muligt for virksomheder - også din - at blive klogere på jeres egne muligheder. #DataForBusiness hjælper danske virksomheder, så de får indsigt i deres egne muligheder for at forbedre konkurrencekraft via datadreven vækst. #DataForBusiness bygger bro mellem forskning og praksis: Gennem det forskningsbaserede værktøj får virksomhederne adgang til et objektivt og datadrevet grundlag at handle ud fra. #DataForBusiness udgør således et økosystem; et netværk af interessenter med fælles interesser i at udvikle det faglige domæne og modne kompetencerne omkring brug af data i danske virksomheder.

Dermed står virksomheder stærkere og mere motiverede til handling.

5 0 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Arbejdet med data skal gøres håndgribeligt, så flere kan bruge data som en vej til vækst og styrket konkurrenceevne. Opnår flere danske virksomheder strategisk bevidsthed og konkret erfaring med big data, så vil det bidrage til industriens innovation og eksport – og dermed skabe værditilvækst og arbejdspladser i Danmark.

Mads Lebech Industriens Fond

Datadrevet vækst er baseret på kunde- og markedsindsigt – det afgørende er at data bruges til at skabe værdi. Det handler om at udvikle forretninger med data som den centrale kerne.

Ud over data, analyse og tilladelser kræver det strategisk fokus og fleksible organisationer for at udvikle data til en overskudsgivende forretning.

Thomas Ritter, Professor of Market Strategy and Business Development, CBS

Data, og det at kunne omsætte sine data til viden og handlinger, er i dag en grundsten i danske virksomheders konkurrencekraft. Gennem DataForBusiness kan vi tilbyde dansk erhvervsliv et konkret værktøj, der gør det nemmere for den enkelte virksomhed at knække datakoden til gavn for hele Danmark.

Christian Hannibal, Konsulent, DI Digitalisering

Hos Alexandra Instituttet arbejder vi på at omsætte it-forskning, så det giver værdi for erhvervslivet. #DataForBusiness er et godt eksempel på, hvordan vi kan lykkes med at bringe ny forskning inden for digitalisering og dataomstilling i anvendelse og gøre det så konkret til gavn for danske virksomheder, at data også kommer på ledelsens strategiske dagsorden.

-

Ole Lehrmann Madsen, CEO Alexandra Instituttet

Data er grundstenen i moderne virksomhedsdrift og i udviklingen af nye produkter og services, der imødekommer kundernes behov. #DataForBusiness giver virksomhederne et unikt overblik over deres aktuelle performance og gør det let at identificere og prioritere strategiske indsatsområder, der kan sikre deres position og berettigelse på markedet.

Peter Lemcke Frederiksen, Seniorprojektleder Robotteknologi, Teknologisk Institut

Når man skal udvikle sin virksomhed er det vigtigt som udgangspunkt, at være enige om hvor man er. Og samtidigt at have en korrekt forståelse af, hvilke mål der vil skabe værdi. NBI’s mission er at facilitere et datadrevet grundlag for begge indsigter. Med #dataforbusiness skaber vi disse indsigter for netop brugen af data i virksomhedens udvikling..

-

Pau Larsen, CEO Networked Business Initiative

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 51

Værdi

Dette afsnit handler om: Værdiskabelse baseret på data Opnået og potentiel værdi baseret på brug af data

Data viser vej til nye markeder De fleste øjner nye markeder på baggrund af data Hele 88 % øjner i forskellig grad nye markeder og forretning med dataanvendelse, og kun en lille gruppe på knap 6 %, ser “slet ikke” mulighederne for at komme ind på nye markeder.

Halvdelen svarer i “meget høj” eller “høj” grad, at dataanvendelse åbner muligheden for at komme ind på nye markeder.

• 47 % mener i “meget høj” grad eller “høj grad”, at dataanvendelse åbner for nye markeder.

• En ud af fem ser i “meget høj grad” muligheden for at komme ind på nye markeder.

• Kun 6 % ser “slet ikke” muligheder for at åbne nye markeder på baggrund af data.

Åbner dataanvendelse muligheden for at komme ind på nye markeder, som adskiller sig fra jeres nuværende?

47%

47%

Demografisk Perspektivering: Ledelsen er optimistisk for potentialet i data Det er især virksomheders ledelse der ser, at data kan åbne for nye markeder. I denne gruppe er det over halvdelen, der svarer “meget høj” eller “høj” grad, hvorimod det er ca. hver fjerde hos de resterende besvarelser.

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 53

Data guider til udvikling af nye produkter Halvdelen ser dataanalyse som springbræt til nye produkter og services Halvdelen svarer, at dataanalyse danner afsæt for løbende udvikling af nye services og produkter og hele 20 % svarer at de i “meget høj” grad ser, at dette er tilfældet. Det er blot en lille gruppe på 6 %, der “slet ikke” ser muligheden for at udvikle nye service og produkter.

Således er det størstedelen, der i forskellig grad bruger data som afsæt for at tilpasse deres produkter og services til deres kunders behov.

• 48 % mener i “meget høj” eller “høj” grad, at dataanalyse danner afsæt for at udvikle nye service og produkter.

• 6 % svarer “slet ikke”. Næsten alle ser altså dataanalyse som en mulighed for at udvikle services og produkter i større eller mindre grad.

Danner dataanalyse afsæt for løbende at udvikle nye services og produkter til jeres kunders behov?

48%

48%

Demografisk Perspektivering: Store virksomheder stikker af på databaseret produktudvikling 4 ud af 5 store virksomheder (over 500 medarbejdere) benytter dataanalyse til at udvikle nye services og produkter til deres kunders behov. Det er kun halvdelen af de små (1-49 medarbejdere) og mellemstore (50-499 medarbejdere) virksomheder, stort set svarende til gennemsnittet, der bruger dataanalyse på tilsvarende måde.

5 4 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

“Mange italesætter digitaliering som teknik og sensorer, men det er ikke det vigtige! Det er transformationen i virksomhederne der er det vigtige ” - Hans Eibe, CBS

“Vi er ved at nå et digitaliseringsniveau, der gør, at vi kan få data på alting.”

- Thomas Nørmark, Director, Itelligence

““Ofte ligger data i forskellige systemer, der er indkøbt til at løse hver deres problem.””

- Jesper Vejs, Senior Achitect, IBM

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 55

Ikke klar på disruption Kun 1 ud af 3 forventer ændringer til forretningsmodellen Lidt over halvdelen er ikke klar på disruption og forventer ikke ændringer i forretningsmodellen på baggrund af data. På den anden side forventer en ud af 3 ændringer til forretningsmodellen, og en mindre gruppe på 11 % skiller sig ud ved i “meget høj grad” at se data føre til revidering af deres forretningsmodel.

Det er bemærkelsesværdigt, at 10 % svarer “ved ikke” til spørgsmålet. Det kan pege på en tendens til generel manglende indsigt i domænet og forståelse for indvirkningen af data på forretningen. De fleste virksomheder ser endnu ikke en tydelig forbindelse mellem hvordan og hvorfor data og forretningsmodeller skulle hænge sammen.

• Hele 55 % angiver, at dataanvendelse kun i “nogen grad”, “mindre grad eller “slet ikke” vil føre til revidering af deres forretningsmodel.

• Hver tredje svarer, at data i højere grad vil føre til ændringer i forretningsmodellen og heraf vurderer ca. 11 %, at dataanvendelse “i meget høj grad” vil føre til omvæltninger.

Fører dataanvendelse til revidering af jeres forretningsmodeller?

56%

34%

Demografisk Perspektivering: Især store virksomheder ser potentialet Især store virksomheder (over 500 medarbejdere) ser potentialet for ændringer i forretningsmodeller. I denne gruppe er det lige omkring halvdelen, der svarer “i høj” eller “i meget høj” grad. Detailbranchen ligger derimod lavt med kun 14 %, der svarer “i høj” eller “meget høj” grad.

5 6 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Virksomheder undervurderer forretningsudvikling som disciplin Danske virksomheder undervurderer, hvor mange ressourcer og kompetencer der skal til for at sikre forretningsudviklingen som disciplin.

Der er mange årsager til, at danske virksomhedsledere ikke regner med at bruge data til at skabe nye forretningsmodeller. Men to af dem stikker ud. ”Ledelsen er ofte 100 procent fokuseret på drift af virksomheden, og kan ikke klemme forretningsudvikling ind i hverdagen. Samtidigt har de ofte være tilbageholdende med ny teknologi,” forklarer Hans Eibe Sørensen, der er researcher på CBS. Begge dele kan efter hans vurdering være katastrofalt.

Han forsker netop nu i, hvilke parametre der gør, at virksomheder strander, når de forsøger at udvikle deres forretning baseret på data.

de, som de ikke bruger, eller data som de ikke har kompetencer til at håndtere. Selv hvis de har, bliver data ofte brugt til blot at optimere nogle interne forretningsgange, frem for at udvikle virksomhedens kundeforståelse og vækstpotentiale, konstaterer Hans Eibe Sørensen tørt. ”Forretningsudvikling som funktion er ikke særligt godt forstået. Det er en ”muskel”, der ikke er godt organiseret eller trænet. Hvis man søger på forretningsudvikler og ser på, hvad der foregår, så er det ofte sælgere, der har rebrandet sig som forretningsudviklere.” ”Dertil kommer, at mange italesætter digitaliseringen som noget, der handler om teknik og sensorer.

Men Det er ikke digitaliseringen, der er vigtigt – det er transformationen af virksomhedens aktiviteter,” understreger Hans Eibe Sørensen.

Stor forskel på mulighederne for forretningsudvikling •

•

•

Det er især Data Wizards (49 %), der ser mulighederne for at ændre forretningsmulighederne gennem brug af data.

Det er interessant, at det kun er blandt Data Hoarder (9 %) og Data Apprentice (8 %), der findes virksomheder, som “slet ikke” ser at data kan føre til revidering af forretningsmodeller.

For en Scholar kan det lave antal (17 %) måske forklares med, at deres data-projekter ofte er individuelle og med klart definerede formål, frem for at have potentiale til at ændre forretningsmodeller.

8%

8% 42%

42%

Virksomhed: ressourcer og aktiviteter

Optimering er ikke forretningsudvikling ”Vi ser, at mange virksomheder har data liggen-

8% 49%

43%

Virkelighed: kultur og strategi

6%

11% 8%

26% 55%

17%

78%

Begrænset værdiskabelse af dataanalyse Få virksomheder ser fuldt udbytte fra datainitiativer Det er kun få virksomheder, der formår at se og skabe værdi baseret på data. F.eks er det blot 15 %, der har brugt data til at fastholde kunder eller spare ressourcer. Der er områder, hvor dataanalyse oftere ses blive sat i spil, f.eks inden for produktivitets-optimering, produktionsprocesser og marketing- og salgsindsatser, hvor det dog stadig blot er hver tredje der bruger data til at optimere forretningen og produktiviteten.

Det må anses som et område med stort potentiale, i højere grad, at få virksomheder til at se og forstå den konkrete værdi, der kan skabes gennem deres arbejde med data.

• 38 % svarer, at de i “høj” eller “meget høj” grad bruger data til at optimere forretningen og 37 % at de i “høj” eller “meget høj” grad bruger data til at optimere produktivitet.

• I den lavere ende er det kun 15 %, der tilsvarende har brugt data til at minimere kundeafgang og 17%, der har sparet mange ressourcer baseret på dataanalyse.

• At 12 % har svaret “ved ikke” til spørgsmålet, om de har sparet ressourcer, kan pege på en tendens til manglende måling og opfølgning på datainitiativer internt i virksomhederne.

Hvordan passer følgende udsagn?

Vi benytter data til at minimere kundeafgang

15%

78% 7%

17%

Baseret på analyse af data har vi sparet mange resurser

71% 31%

Vi benytter data til at optimere vores serviceleverancer Vi benytter data til at optimere vores marketing- og salgsindsats

64% 6%

34%

Vi benytter data til at optimere vores produktivitet

59% 6%

37%

Vi benytter data til at optimere vores produktionsprocesser

59% 4%

38% 0%

25%

59% 4% 50%

75%1

Demografisk Perspektivering: Begrænset værdiskabelse på tværs af demografi De fundne tal gør sig gældende på tværs af størrelse, branche og rollefordeling, og der er altså ikke den store forskel på værdiskabelsen på tværs af demografi.

5 8 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

12%

00%

“Målet er at træffe beslutninger, der bunder i data fremfor mavefornemmelser.”

- Mikkel Lauest, Økonomichef, Fibercon

“Vi skal bruge den viden vi har langt mere proaktivt. Jeg vil have heatmaps, der viser, hvor vi kører gods til og fra, så vi bedre kan planlægge turene, så der er gods med begge veje” - Søren Grodh-Andersen, CEO, Contino Transport

“Vi kommer til at investere virkelig meget i data de næste fem år. Der er rigtig meget vi kan vi kan optimere, og det her er helt klart måden, vi kan holde os foran konkurrenterne.”

- Holger Axelgaard, CIO, Axzon/ Goodvalley D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 59

Investeringer på vej Store forventninger til datainvesteringer Næsten alle, 94 %, forventer i eller anden grad at investere i data analytics i den kommende årrække. Mens blot 1 % “slet ikke” forventer at investere i data analytics projekter, forventer hele 55 % i “høj” eller “meget høj grad” at investere.

Vi må derfor forvente at se store investeringer i data projekter i den kommende årrække, eftersom mere end halvdelen forventer at prioritere dataprojekter økonomisk.

• 94 % forventer i en eller anden grad at investere i den kommende årrække.

• 55 % forventer i “høj” eller “meget høj” grad at investere i data analytics indenfor de kommende år.

• Kun 6 % “ved ikke” om de vil investere i data analytics og 1 % forventer “slet ikke” at investere.

I den kommende årrække, forventer du at din virksomhed vil investere i data analytics projekter?

39%

6 0 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

55%

Investeringer betaler sig, når data bliver til handling Data i sig selv har ikke nogen værdi. Det er først, når man tager de svære trin og giver folk ude på gulvet mulighed for at ændre deres handlinger, at det har effekt. ”Hvis man spørger, om det kan betale sig at investere i data, så er det det samme som at spørge, om man overhovedet kan bruge menneskelig erfaring til noget. Data kan egentlig betragtes som opsummering af menneskelig erfaring i 0’er og 1-taller,” siger Ali Khatam, der er decision scientist og iværksætter med godt 18 års erfaring med at sætte strøm til data.

Men han stiller højere krav end blot at indsamle og få overblik data. ”Vi ser tit, at folk bliver tilfredse, blot de får stillet data til rådighed. Data fra produktionen. Data fra HR. Data fra sociale medier. Man bliver ved med at hælde data på, og selv når man får overblik, og dermed reel indsigt, så har det ikke værdi for forretningen.” ”Ikke før indsigten fører til ændringer og konkrete handlinger, som udløser potentialet,” understreger Ali Khatam. Han anbefaler, at man går til opgaven med en vision om at tænke stort og starte småt.

Derfor er det også oplagt at dele de første skridt op.

Virtuel gaffa-tape ”Indled med en vision, hvor ”hvorfor”-delen afstemmes og beskrives. Så handler det ret hurtigt

om at gøre tingene konkrete ved at tage afsæt i en konkret forretningsproces, der kan forbedres. En forretningsproces, som kan give reel værdi. Det kunne fx være at blive bedre til fastholdelse af kunder. Det må ikke bare handle om at skaffe bedre data, for data giver ikke værdi i sig selv.” ”Det tager måske 3-4 dage med workshops - gerne med facilitering udefra - at udvælge de største forretningsmæssige muligheder, hvor det samtidigt er muligt at skaffe data af så høj kvalitet, at det kan hjælpe forretningen – fx til at fokusere på de rigtige kunder,” siger Ali Khatam.

Det er altid svært at sætte pris på en generel type af opgaver, men ud fra egen erfaring vurderer han, at det i mange tilfælde koster i omegnen af 100.000 – 300.000 kr. at lave et workshopforløb og et test-setup, hvor man kan stykke en simpel løsning sammen med virtuel gaffa-tape. ”Når man har været gennem den indledende beta-fase, skulle man gerne have et reelt billede af effekten af en løsning og hermed business casen.

Herefter skal man i gang med at trække data ud, optimere, lave afrapporterings-systemer og sætte det i drift. Den del kan godt blive dyrere og måske koste en halv million, vurderer Ali Khatam. ”Men det er her, det giver værdi for hele forretningen, fordi man reelt handler og gør det på basis af fakta og ikke mavefornemmelser.”

•

•

Fælles for alle arketyperne er, at mindst 52% (Data Apprentice) i “meget høj” eller “høj” grad forventer at investere i data analytics den kommende årrække.

8% 25% 67%

Data Hoarders har de højeste forventninger, hvor 67 % svarer, at de i “meget høj eller “høj” grad forventer at investere i den kommende årrække.

Virksomhed: ressourcer og aktiviteter

Arketype kvadrant: 5%

41%

54%

Virkelighed: kultur og strategi

7% 39% 42%

53%

61%

Del 3 Afrunding

03 - Metode - Samarbejdspartnere

Metode Data Den samlede undersøgelse til #DataForBusiness FACTBOOK 2018/19 havde deltagelse af 110 respondenter.

Fokus i undersøgelsen har været brugen af data i danske virksomheder. fordelt på tre overordnede områder. respondenterne er blevet forelagt disse i sektioner i nævnte rækkefølge: 1. Virksomheden (ressourcer og aktiviteter), 2. Virkeligheden (kultur og organisation), 3. Værdi (realiseret- og potentiel værdi). Ydermere blev respondenterne allerførst introduceret til et selvevalueringsspørgsmål.

Ved indgang til spørgeskemaet har respondenten haft mulighed for at springe tekniske spørgsmål over, hvis respondenten ikke fandt sig kompetent til at svare på spørgsmål i det pågældende område.

Denne rapport har udgangspunkt i de respondenter, der har svaret på spørgeskemaet og ikke svaret, at de tester.

Undersøgelsen har løbet fra primo september 2017 til ultimo december 2017.

Undersøgelsens demografiske parametre er gjort sammenlignelige med den generelle erhvervsstatistik udgivet af Danmarks Statistik ved en klassificering efter DB07 branchekoden.

Ekspertise: I rapporten arbejdes der med ekspertise. Vi definerer ekspertise som en besvarelse der er “I høj grad” eller “I meget høj grad” (ud af fem mulige).

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 6 3

Demografi & Repræsentativitet Invitation til at deltage i undersøgelsen er sendt via Dansk Industri og samarbejdspartner i perioden for indsamlingen af respondenter. Det er i sagens natur klart, at hovedparten af respondenterne vil være aktører med en vis interesse for området.

63% af respondenterne kommer fra organisationer med mere end 50 ansatte. Det bemærkes, at godt 16% kommer fra virksomheder med mere end 500 ansatte. De små og mellemstore virksomheder er også godt repræsenteret.

Der er i rapporten lavet en klassifikation af størrelser efter følgende fordeling. Små virksomheder har 1 til 49 ansatte. Mellemstore virksomheder har 50 til 499 ansatte og store virksomheder har plus 499 ansatte. Denne fordeling er lavet for bedre, at kunne sammensætte kategorierne overfor antallet af respondenter. Samlet set er udsnittet af respondenternes størrelse forholdsvis repræsentativt.

Der er i rapporten foretaget en klassifikation af respondenterne efter brancher. Betragtes fordelingen af respondenterne på brancher er stikprøven ikke fuldt repræsentativ. Det har imidlertid heller ikke været formålet med undersøgelsen at få en fuldstændig repræsentativ stikprøve på tværs af brancher. Da området stadig er forholdsvis nyt, er erfaringerne per definition gjort blandt virksomheder, der har haft fokus på og interesse i området.

Dog skal det bemærkes, at undersøgelsens respondenter i overvejende grad ikke vurderer, at de er længere fremme end deres konkurrenter. Det betyder med andre ord, at vores respondentgruppe, ifølge deres egen opfattelse, er repræsentativ for deres respektive brancher.

Anonymitet En essentiel forudsætning for at sikre et tilstrækkeligt antal respondenter, har været et løfte om anonymitet. Al data er præsenteret i aggregeret form.

6 4 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

DataForBusiness 2017/2018

Bidragydere & samarbejdspartnere Funding (Call for Big Data): Industriens Fond Arrangør: Dansk Industri & Networked Business Initiative Forskning: • CBS • Alexandra Institut • Teknologisk Institut

DataForBusiness 2018/2019 certificerede programpartnere Viteco Itelligence Mobilepeople Knowit Accobat Mjølner EG Pedab Fluid-Solutions Solitwork

Tak til følgende for særlig bidrag, støtte og sparring Helle Øland, EG Jørgen Sand Christensen, Itelligence Jesper Vejs, IBM Ali Khatam, Quampo Thomas Birch, IBM Mark Rossil, Primetime Sebastian Slej, IBM Thomas Ritter, CBS David Spence, IBM Christina Morelli, CBS Chris Højmark, IBM Peter Lemcke Frederiksen, TI Snurre Jensen, Implement Anja Skadkær Grue, DI Pau Larsen, NBI Mihai Busuioc, NBI Martin Bjørnbak, Itelligence

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 6 5

Tak til Cases og kilder Lars Jensen fra Eltronic Mikael Lauest fra Fibercon Holger Axelgaard fra Goodvalley Søren Grodt Andersen fra Contino Transport Henrik Bodskov, IBM Mads Lebech, Industriens Fond Thomas Ritter, CBS Christian Hannibal, DI Thomas Nørmark, Itelligence

Redaktionen: Jan Futtrup Kjær Christine KjærJacobsen Carsten Johansen Louise Grau Nersting Ernst Poulsen

6 6 _ D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019

Matilde G. Dueholm , Kapacity Hans Eibe, Eibe Management Ali Khatam, Quampo Ole Lehrmann Madsen, Alexandra Instituttet Peter Lemcke Frederiksen, Teknologisk Institut Brian Mikkesen, Erhvervsminister Jan Futtrup, NBI Lars Skovgaard Andersen, Danske Bank

D ATA F O R B U S I N E S S FA C T B O O K - 2 018 / 2 019 _ 67

Networked Business Initiative Howitzvej 60, 1, Frederiksberg 2000, Denmark info@networkedbusiness.org Networkedbusiness.org

ŠNetworked Business Initiative 2018

Networked Business Initiative Howitzvej 60, 1, Frederiksberg 2000, Denmark info@networkedbusiness.org Networkedbusiness.org

ŠNetworked Business Initiative 2018

Initiative sponsor sponsor DK DK Initiative 2017-2018 2017-2018