Mange virksomheder har mere data end nogensinde.

Energiforbrug, salgstal, kundedata, produktion, transport, medarbejdermålinger, affald og ESG-nøgletal bliver registreret i systemer, regneark og rapporter.

Men mere data er ikke nødvendigvis det samme som bedre beslutninger.

Det var en af de centrale pointer på Bæredygtig Hernings stormøde 'Fra data til handling', hvor virksomheder og eksperter satte fokus på, hvordan data kan bruges til at skabe indsigt, prioritere indsatser og træffe bedre beslutninger.

For det afgørende spørgsmål er ikke kun, om virksomheden har data.

Det er: Hvad skal vi kunne beslutte på baggrund af den?

Fra dokumentation til forandring

Digitalisering bliver ofte forbundet med at gøre noget, der tidligere foregik på papir, digitalt. Et regneark bliver til et system. En manuel registrering bliver automatiseret. Data samles ét sted og kan måske præsenteres i et dashboard.

Dét er digitalisering.

Men digitalisering i sig selv skaber ikke nødvendigvis forretningsmæssig værdi.

Hvis data stadig kun bruges til afrapportering, har virksomheden først og fremmest fået en mere effektiv måde at dokumentere på. Den næste modenhed handler om at bruge data som grundlag for handling.

Det kræver et skifte i rækkefølgen.

I stedet for:

Data → analyse → rapport → måske beslutning

kan processen vendes om:

Beslutning → forandring → effekt → indikator → data

Det betyder, at målepunktet faktisk bliver noget af det sidste, man vælger.

Start med det, I vil ændre

Et enkelt spørgsmål kan derfor ændre måden, en virksomhed arbejder med data på:

Hvad vil vi gerne kunne sige, at vi har ændret om 12 måneder?

Først derefter kan man spørge:

• Hvilken beslutning skal vi træffe for at skabe den ændring?
• Hvad skal vi vide for at kunne træffe beslutningen?
• Hvilken effekt forventer vi?
• Hvilke indikatorer kan vise, om vi bevæger os i den rigtige retning?
• Hvilke data har vi allerede?
• Hvilke data mangler vi?

På den måde bliver data ikke et mål i sig selv, men et middel til at kvalificere et valg.

Et tal er en repræsentation – ikke virkeligheden

Et andet centralt tema på stormødet var datakvalitet.

For selv et præcist tal kan være et dårligt beslutningsgrundlag.

Data opstår gennem valg. Hvad måler vi? Hvad registrerer vi? Hvordan kategoriserer vi det? Hvad spørger vi ikke om? Hvem registrerer? Hvornår registreres der? Og hvordan bevæger data sig fra ét system til et andet?

Det betyder, at data ikke er en neutral gengivelse af virkeligheden. Det er en repræsentation af den.

Et eksempel er målinger af trivsel. Hvis en virksomhed kun spørger til bestemte forhold, bliver det også disse forhold, der kommer til at udgøre billedet af trivslen. Det, der ikke bliver spurgt til, bliver usynligt i datasættet.

Det samme gælder de mere lavpraktiske registreringer. Tidsregistrering, manuel indtastning eller data, der flyttes mellem systemer, kan introducere fejl og fortolkninger undervejs.

Derfor er et relevant spørgsmål ikke kun: Kan vi stole på tallet? Men også: Hvordan er tallet blevet til?

Når systemet kommer før beslutningen

Virksomheder køber ikke kun software, når de investerer i et nyt system. De køber også en bestemt struktur for, hvordan data registreres, kategoriseres og bruges.

Det gør systemvalg til mere end et teknisk spørgsmål.

Hvis virksomheden ikke først har gjort sig klart, hvilke beslutninger systemet skal understøtte, er der risiko for at bygge en struktur, som efterfølgende bliver styrende for virksomheden.

Det kan skabe teknologigæld: investeringer i systemer og datastrukturer, som virksomheden senere skal bruge tid og penge på at arbejde sig rundt om.

Det gælder især i mindre virksomheder, hvor der sjældent er specialistkompetencer til alle dele af digitalisering, data og bæredygtighed. Her er fokus ofte på driften, mens nye krav til ESG, cybersikkerhed, bogføring eller dokumentation bliver noget, der skal håndteres ved siden af.

Det betyder ikke nødvendigvis, at virksomheden ikke vil arbejde strategisk med data.

Men hvis dataarbejdet primært drives af eksterne krav, er der risiko for, at ambitionen bliver at registrere det nødvendige frem for at undersøge, hvad data faktisk kan bruges til.

Den skjulte omkostning: data uden en beslutning

En virksomhed kan relativt let ende med at samle data, som ingen bruger.

Det kan være et resultat af lovkrav. En kunde, der efterspørger dokumentation. Et nyt system. En intern KPI-struktur. Eller data, som en medarbejder har vurderet kunne blive nyttige på et tidspunkt.

Problemet opstår, når data bliver liggende uden en tydelig anvendelse.

Tre spørgsmål kan afsløre et såkaldt skuffetal:

• Hvem ejer tallet?
• Hvor ofte kigger vi på det?
• Hvad gør vi, hvis det ændrer sig?

Hvis der ikke er et klart svar, er der en risiko for, at registreringen er blevet et mål i sig selv.

Og data er ikke gratis. Det kræver systemer, tid, lagring, vedligeholdelse og mennesker at indsamle og behandle data.

Fra ESG-data til investeringsbeslutninger

Det gælder også bæredygtighedsdata.

Hvis ESG-data primært bruges til rapportering, kan bæredygtighedsarbejdet let blive opfattet som en ekstra omkostning. Hvis data derimod bruges til at undersøge investeringer, risici, effektiviseringer, kundekrav eller nye forretningsmuligheder, ændrer det karakter.

Så bliver spørgsmålet ikke kun, hvor meget CO₂ virksomheden udleder.

Det bliver også:

• Hvor kan vi reducere forbruget?
• Hvad vil det koste?
• Hvad sparer vi?
• Hvilken investering giver den største effekt?
• Hvilke kundekrav påvirker vores konkurrenceevne?
• Hvor kan vi reducere risiko?
• Hvornår kan en indsats betale sig?
• Hvilke data skal bestyrelsen bruge for at kunne prioritere?

Her bliver bæredygtighed koblet til den samme logik, som andre investeringer vurderes efter.

Det betyder også, at økonomiske nøgletal ikke skal stilles op som modsætning til bæredygtighed. For mange virksomheder er økonomien netop en forudsætning for, at en omstilling kan gennemføres.

Data kan være med til at gøre forbindelsen synlig.

To cases viser forskellen

På stormødet blev perspektivet konkret gennem blandt andre Herning Vand og Kyocera.

Hos Herning Vand blev data brugt til at kvalificere beslutninger om renovering af kloakledninger. Tidligere var beslutninger i høj grad baseret på fysisk tilstand og drifterfaring. Senere kom blandt andet vandområdeplaner og miljøkrav ind i vurderingen.

En central sammenhæng blev:

Tilstand × konsekvens = risiko

Data kan dermed være med til at skabe et prioriteret beslutningsgrundlag, hvor flere hensyn kan ses i sammenhæng.

Samtidig viste casen en velkendt udfordring: Når data er samlet manuelt i Excel, bliver det vanskeligt at holde grundlaget dynamisk. Derfor bevæger virksomheden sig mod automatisk samkøring af data fra forskellige kilder, så beslutningsgrundlaget kan opdateres løbende.

Teknologien er altså vigtig.

Men den kommer efter behovet for beslutningen.

Hos Kyocera Unimerco Tooling var udgangspunktet tilsvarende ikke et ønske om at samle mere data for dataens skyld. Det handlede om at skabe et bedre grundlag for de mennesker, der skal træffe valg.

Virksomheden har blandt andet arbejdet med at visualisere CO₂-data og opstille konkrete reduktionsmål. Data gør det muligt at undersøge, hvor påvirkningen kommer fra, afprøve hypoteser og følge effekten af forskellige reduktionsprojekter.

Det interessante er derfor ikke nødvendigvis, om virksomheden har det perfekte datasæt fra begyndelsen.

Det interessante er, om data kan hjælpe organisationen med at stille bedre spørgsmål.

Data skaber først værdi, når mennesker bruger dem

Det peger på en vigtig pointe i arbejdet med datamodenhed:

Data skaber ikke beslutninger. Mennesker gør.

Derfor handler datamodenhed om organisation fremfor systemer, integrationer og datakvalitet.

Bæredygtighed kan ikke isoleres til én specialist eller én funktion, hvis data skal skabe forretningsmæssig værdi. Det skal forbindes til forretningsmodellen, processerne, systemerne og de mennesker, der træffer beslutninger.

Ellers er der risiko for, at bæredygtighed og data udvikler sig til en parallel subkultur, som producerer tal uden at flytte de beslutninger, tallene skulle kvalificere.

Fem lag, der skal hænge sammen

En nyttig måde at se det på er at betragte virksomheden gennem fem lag:

1. Forretningsmodel
2. Processer
3. Data
4. Systemer
5. Mennesker

Data befinder sig midt i det hele. De kan fortælle noget om, hvordan processerne fungerer. De kan kvalificere investeringer. De kan synliggøre risici. De kan bruges til at forstå kunder og produkter. Men de kan kun skabe værdi, hvis de forbindes til de andre lag.

Derfor er det sjældent nok at spørge: Hvilke data har vi? Men begynde at spørge: Hvilke beslutninger kan vi blive bedre til at træffe, hvis vi bruger de data, vi allerede har?

Den næste datamodne beslutning

Datamodenhed behøver ikke begynde med et stort systemprojekt.

Den kan begynde med en beslutning, virksomheden allerede står overfor.

Måske vil man reducere antallet af forsendelser. Så er næste spørgsmål, hvilken effekt det skal have, og hvordan den kan måles. Måske handler det om energiforbrug, produktdesign, indkøb, medarbejdertrivsel eller risiko i forsyningskæden.

Først herefter giver det mening at finde ud af, hvilke data der kan understøtte beslutningen.

• Det kan være, at data allerede findes.
• Det kan være, at de skal samles fra flere systemer.
• Det kan være, at der mangler en måling.

Og nogle gange viser processen måske, at den måling, man hidtil har brugt, slet ikke er den rigtige.

Det er netop her, virksomheders dataarbejde bliver interessant - nemlig når man er blevet bedre til at stille de spørgsmål, der gør en i stand til at handle.