Datadrevet innovasjon - Visjon og verdi
Hvem skal du prøve å løse et problem for?

Lars, Statens vegvesen

Bilde av Lars fra Statens vegvesen

Lars, Statens vegvesen
Produkteier for dataplattformen Saga

"det første vi alltid prøver å forstå er jo “hva er egentlig behovet ditt”. Og det er skremmende ofte at det ikke kommer tydelig fram, og vanskelig for folk å uttrykke det. Men vi prøver å bryte det ned at virkelig “hva er behovet ditt, hvem skal du prøve å løse et problem for, har du en forankring i linja, er det noen som bryr seg om det problemet her?"

Visjon og verdi

Hvordan kan man skape mer verdi for virksomheten ved å bli mer datadrevet? Da må du starte med reelle forretningsproblemer.

Bilde av Frode Standal

Frode Standal

Teknologisjef

Bilde av Ingunn Moen

Ingunn Moen

IT-strategisk rådgiver

Når man skal jobbe med datadrevet innovasjon, er mulighetsrommet stort. Det finnes et stort repertoar av teknologier og verktøy som kan understøtte datadrevet innovasjon, som Business Intelligence-verktøy, datalagringsteknologier, maskinlæringsalgoritmer og ulike tjenester i offentlige skyplattformer. Og det er viktig å vite hvilke muligheter som ligger i disse, men de er bare mulige hjelpemidler til å nå et mål. Hvis innovasjon er målet, betyr det at målsettingen må være å skape mer verdi.
Og da må man starte med reelle forretningsproblemer. Ta for eksempel en bank som fanger opp kunder som har sagt opp alle sine kontoer. Et kundesenter får en liste over tapte kunder, med oppdrag om å vinne dem tilbake. Hvor mange telefoner må de ta for å vinne tilbake én kunde? Hva hvis man heller trener en maskinlæringsmodell som med 90% presisjon kan predikere at en kunde vil si opp kundeforholdet, 90 dager før det skjer? Og gi kundesenteret i oppgave å ta kontakt med kunden proaktivt for å høre om det er noe banken kan bistå med. Ikke bare kan man forhindre å miste kunden, men man kan lykkes med å selge dem flere produkter i samme slengen.
Dette eksempelet viser hvordan man kan bruke data og maskinlæring til å løse en viktig utfordring for selskapet. Flere av de vi har intervjuet, er inne på det samme, at det alltid må handle om å finne og løse forretningsproblemer.
lars-svv-forretningsproblem.mdx
Det finnes mange tilnærminger til hvilke forretningsproblemer man skal fokusere på. Statens vegvesen har for eksempel valgt ut tre tematiske områder:
tomas-svv-forretningsproblem.mdx
Teamet som jobber med RPA hos DNB prioriterer ut fra en helhetsperspektiv:
linn-dnb.mdx
Det er også viktig å velge ut de områdene hvor effekten vil være størst:
jan_erik_sb1u_forretningsproblem.mdx
I prosessen med å identifisere de forretningsproblemene man skal fokusere på, kan det være viktig å ta med seg følgende tips fra Mastercard:
simon-nets-forretningsproblem.mdx
I neste kapittel skal vi se nærmere på områder hvor man lykkes med datadrevet innovasjon.

Hvor modne er dere?

Vi har laget en spørreundersøkelse som kan måle modenheten i deres organisasjon. Du kan gjennomføre det anonymt og se sammenslåingen av resultatene til alle som har besvart.

04. Data-raffineriet

Skal man lykkes med datadrevet innovasjon, må man ha på plass nødvendig infrastruktur for å kunne dra nytte av de dataene man har eller kan få tilgang på.