I står midt i en digital transformation, hvor datakvalitet afgør jeres succes. Ledelsen vil have hurtige gevinster, men uden gode data risikerer I et dyrt sammenbrud. Vi ser ofte, at ERP-projekter ikke vælter på teknikken, men på rod og manglende struktur i data. Det sker, når I glemmer at rydde op i det historiske fundament, for jeres nye system tolererer ikke det rod, det gamle absorberede i årevis. Derfor bliver fejlene synlige og dyre at rette bagefter, og løsningen begynder i de allertidligste faser af projektet.
Af Partner, Sander Dyrvig
Når vi rådgiver om digitale transformationer, møder vi ofte tvivl om begrebet, som typisk beskrives på en række konkrete dimensioner. Nøjagtighed handler om, hvorvidt oplysningerne er korrekte, mens fuldstændighed handler om, hvorvidt der mangler vigtige felter. Konsistens sikrer, at data matcher på tværs af systemer, og aktualitet sikrer, at oplysningerne er opdaterede. Endelig betyder unikhed, at I undgår dubletter, og validitet, at data overholder jeres formater og forretningsregler.
Dårlig datakvalitet kommer fra flere kilder, hvor menneskelige fejl i hverdagen er den hyppigste. Systemfejl og knudrede integrationer skaber også problemer, og migrering er en velkendt kilde til nye fejl. Data forfalder desuden over tid, hvis de ikke vedligeholdes, og derfor er kvalitet aldrig et projekt med en slutdato. Det er en løbende proces, og vi hjælper jer med at etablere rammerne for den.
En typisk kilde til fejl er manglende standarder for dataindtastning: taster salg på én måde og økonomi på en anden, opstår der hurtigt et problem. Asymmetrierne bliver kritiske, når alt skal samles i ét system, så en stor del af arbejdet er organisatorisk og ikke teknisk. Medarbejderne skal forstå konsekvensen af deres daglige indtastninger, for det er mennesker, der skaber data, og derfor skal menneskene med i løsningen.
En migrering tvinger beskidte data ind i et rent system, der ikke tolererer de afvigelser, det gamle miljø absorberede. Det kræver struktur, logik og præcision fra dag ét, men problemet er, at fejlene næsten altid opdages for sent. Når projektet rammer muren, får teknologien skylden, selvom årsagen ofte er, at data ikke var klar. Det er et klassisk mønster, der dræner virksomheder for penge.
Teknologien fungerer som regel, som den er designet, men den fodres med forkert brændstof fra det gamle system. Uden et solidt datagrundlag falder selv det bedste system til jorden, så I bør flytte fokus fra teknikken til indholdet. Som uvildige og leverandøruafhængige rådgivere peger vi ofte på netop dette svage punkt.
Et andet udbredt problem er blind tillid til leverandørens værktøjer, hvor leverandøren lover, at automatik kan gøre rod til orden. Men automatiserede konverteringer erstatter ikke forretningsmæssig forståelse af jeres data, for en maskine kender ikke jeres kunder, produkter eller historiske prisstrukturer. Den flytter blot de fejl, I beder den om at flytte, bare hurtigere, og derfor hjælper vi jer med at bevare overblikket og styringen over jeres vigtigste data.
De økonomiske og menneskelige konsekvenser ved at negligere sit datagrundlag er meget store, og det er et tab, som kunne være undgået med rettidig indsats. Ifølge Gartner når mere end 70 procent af ERP-implementeringerne ikke deres forretningsmål, hvilket betyder tabte investeringer og medarbejdere, der mister troen på projektet. At ignorere de røde lamper er en dyr vej at gå.
Et klassisk eksempel er Queensland Healths lønmigrering i Australien, hvor myndighederne gennemførte en forhastet implementering med mangelfuld dataforberedelse. Det førte til over 35.000 lønfejl alene i den første måned, hvor hundredvis af medarbejdere blev under- eller overbetalt eller slet ikke fik løn. Sagen endte med at koste over 1,2 milliarder AUD, og den er et tydeligt bevis på, at mangelfulde data er en alvorlig risiko. I skal have styr på data, før I trykker på startknappen.
Konsekvenserne mærkes ikke kun i budgettet, men slider også på medarbejderne. Når systemet fejler på grund af dårlige data, er det de ansatte, der sidder med problemet, og de bruger timer på at udrede fejl i stedet for at skabe værdi. Det går ud over produktivitet, kundeservice og udvikling, og den usynlige regning for urene data er ofte større end de tal, analytikerne nævner.
Løsningen ligger i en grundig forberedelse før flytningen, og processen kalder vi data cleansing, på dansk datavask. Al forberedelse skal ske, før data overhovedet flyttes. Start med at profilere jeres data, så I kender udgangspunktet, og rens derefter ud og fjern dubletterne. Standardisér data, så alt følger samme format, og sammenkæd og validér så de rensede data mod det nye system. Når forarbejdet er gjort, bliver selve overførslen en rolig, mekanisk øvelse.
Tidsforbruget er en god indikator for, om I er på rette spor, så søg rådgivning i ERP- og IT-strategi i god tid før startskuddet. Er I allerede i gang, kan en uvildig forretningsanalyse afdække, hvor I står. Vi har dyb erfaring med at få skrantende projekter tilbage på sporet, og investeringen i rettidig datavask er lille i forhold til omkostningerne ved systemfejl.
Processen kræver også en ledelse, der tør tage de svære beslutninger, for der opstår altid konflikter om, hvem der ejer en given stump data. Her skal ledelsen træde i karakter og skære igennem, og vi faciliterer de diskussioner og kender de typiske konflikter. Målet er en fælles front, inden det nye system tændes, for står organisationen sammen om det rensede fundament, stiger chancen for en vellykket implementering.
En engangsrensning er sjældent nok, for vedvarende succes kræver, at I har styr på jeres masterdata. Uden faste rammer forfalder de rensede data til samme niveau som før. Masterdata er ét af de fem områder i vores metodeapparat og en disciplin, vi arbejder indgående med. Vi insisterer på et tydeligt og entydigt dataejerskab, hvor udvalgte medarbejdere gøres ansvarlige for afgrænsede dataområder. Derudover bygger I ét fælles, sporbart datagrundlag for hele organisationen, så I undgår siloer, hvor afdelinger arbejder med forskellige sandheder. Læs mere om vores arbejde med master data.
Svag governance er den direkte vej til at gentage fortidens fejl, for uden klare retningslinjer vender fejlene tilbage efter go-live. Løbende vedligehold er derfor essentielt for at bevare værdien af investeringen, og det kræver faste procedurer for oprettelse, ændring og sletning af data. Vi anbefaler, at I integrerer dem i de daglige arbejdsgange, så det ikke bliver et isoleret IT-projekt, men forankres i forretningen. Derfor designer vi pragmatiske løsninger, der fungerer for dem, der bruger dem.
Et stærkt fokus på governance giver også en fordel fremadrettet, fordi kunstig intelligens og analyseværktøjer kræver et struktureret grundlag for at virke. Er fundamentet fyldt med huller, forstærker ny teknologi blot de gamle problemer, mens rene, strukturerede data bliver en strategisk fordel. Vi hjælper jer med at designe en arkitektur, der understøtter jeres ambitioner, for et velsmurt maskinrum med stærke data er en forudsætning for at rykke hurtigt.
Det kan virke uoverskueligt at starte en stor oprydning, men en struktureret tilgang virker i praksis. Følg en fast køreplan, så intet falder mellem to stole. Første skridt er at kortlægge og profilere jeres data, hvor I finder kvalitetsniveauet og de dyreste datahuller. Næste skridt er at rense og standardisere de data, der skal med over, så I fjerner dubletter, retter fejl og sikrer ensartet format. Etablér derefter et tydeligt ejerskab og en solid governance, der placerer ansvaret hos få udvalgte medarbejdere.
Først når forberedelsen er gennemført, bør I migrere data til det nye system , og migreringen bliver nu en mere forudsigelig proces for IT-afdelingen. Til sidst kommer fasen med løbende vedligehold, hvor faste rutiner sikrer, at data forbliver præcise år efter år. Vi guider jer gennem hvert trin i processen, og vores konsulenter sikrer, at I kommer i mål med transformationen.
Husk at fejre de små sejre undervejs med medarbejderne, for at rydde op i mange års rod er en tung opgave. Ved at synliggøre fremskridt fastholder I motivationen, og I kan for eksempel vise, hvordan færre dubletter sparer tid i hverdagen. Den menneskelige faktor afgør, om de nye procedurer bliver fulgt, og derfor anbefaler vi en åben og ærlig kommunikation gennem hele forløbet.
Datakvalitet beskriver, hvor korrekte og pålidelige jeres data er. Det måles typisk på nøjagtighed, fuldstændighed, aktualitet, unikhed, validitet og konsistens. Høj kvalitet er grundlaget for at træffe rigtige beslutninger.
Dårlig datakvalitet opstår, når data er fejlbehæftede, forældede, mangelfulde eller fyldt med dubletter. Det skyldes ofte menneskelige fejl, manglende vedligehold eller komplicerede integrationer. Resultatet er upålidelige tal, der truer driften.
Omkostningerne ved et mangelfuldt datagrundlag er meget store og rammer bundlinjen.
I skal rense og strukturere data, før den tekniske overførsel sættes i gang. Vellykkede projekter bruger en stor del af tiden på den forberedelse. Retter I først fejlene efter go-live, bliver det dyrt.
Dårlig datakvalitet er en af de hyppigste årsager til, at ERP-projekter skrider. Vores metode skaber først overblik over jeres data, struktur og kvalitet. Derefter renser, standardiserer og migrerer vi data med dokumentation og validering. Til sidst etablerer vi de processer, der holder kvaliteten, også efter go-live. Læs mere om datakvalitet.
Sander Dyrvig
Med erfaring fra projektledelse af større transformationsprojekter i +10 år, varetager Sander typisk program- og projektledelsen af større og komplekse projekter.
Inden skiftet til Cornerstones varetog Sander forskellige lederstillinger indenfor forretningsudvikling for VKR Gruppen og Bestseller.
