4.2.1 Datakvalitet
För Invativa AB:s interna styrsystem har ledningsgruppen själva lagt in data, och anser att kvaliteten där är något de kan lita på. I säljkanalerna finns det inte så mycket data, och är något de kan se över. Det anses vara för lite data i bolagets verksamhetskanaler för att anse att brist på datakvalitet skulle påverka beslutsunderlaget. Det har hittills inte varit ett problem för bolaget.
Hos CSN är säkerställning av data och kvalitet av data ett löpande arbete. Det genomförs tester vid uttagning av data. Förståelse för data förekommer redan i källsystemen. Enligt CSN, har datakvaliteten en inverkan på beslutsunderlaget och när
brister upptäcks har de hunnit utredas i tid vilket har resulterat vid upptäckten av kvalitetsbrist att data inte används. Vissa gånger har det haft inverkan på beslutsunderlaget när data har granskats utifrån olika perspektiv.
Hos Energimyndigheten är det controllers som undersöker att siffrorna stämmer överens med företagets källsystem. Om data flödar fel från källystemen till data warehouse, kraschar data warehouse och därmed upptäcks felet. På frågan om kvaliteten på data påverkar beslutsunderlaget svarar respondenten följande: “Ja men så
är det ju alltid… Har man inte koll på sitt data så har man inte koll på kvalité, då blir det inga bra analyser. DW:n (data warehouse), är där det mesta händer. Det är där det tar längst tid att få ihop allt.... Visst tar det tid att bygga rapporterna, men det är den lilla tiden i jämförelse med datakvalité modelleringen och jobbet i DW”.
Vidare berättar respondenten att datakvalitetens påverkan på beslutsunderlaget kan även leda till felaktiga beslut.
Bolagsverket anser att datakvaliteten är jätteviktigt. Genom att automatisera flöden med inbyggda kvalitetskontroller kan avvikelser identifieras. Säkringen av kvaliteten sker genom hela kedjan från källdata till användning på bästa sätt. Data warehouse i bolagsverket uppdateras varje natt, medan vissa delar uppdateras oftare mer eller mindre i realtid. Data warehouse ger bolagsverket möjligheten att analysera och visualisera data som underlag för beslut, till exempel Statistikrapporter, utan att gå direkt till (och därmed störa) produktionsmiljöerna. Stora delar av dataformateringen har automatiserats, vilket effektiviserar statistikframtagande och är en förutsättning för statistik och beslutsunderlag med hög kvalitet.
Tabell 5: Sammanställning av organisationernas synpunkt på datakvalitet Invativa Anses vara för lite data i bolagets verksamhet för att brist på
datakvalitet skulle förändra beslutsunderlaget.
CSN Anser att datakvaliteten har en inverkan på
beslutsunderlaget, när det granskats utifrån olika perspektiv. Energimyndigheten Anser att datakvaliteten och arbete i data warehouse påverkar beslutsunderlaget. Vid brist på kvalitet, kan det leda till felaktiga beslut.
Bolagsverket Anser att datakvaliteten är jätteviktigt. Genom att automatisera flöden med inbyggda kvalitetskontroller, kan avvikelser identifieras i beslutsunderlaget.
4.2.2 Dataanalys
För Invativa AB förklarar respondenten att analyssystemen som företaget använder, används främst internt på deras webb.
Företaget använder analysverktygen för att prospektera. Bland annat följer företaget upp beteendeflöden hos kunder, det vill säga varifrån besökarna kommer, exempelvis Linkedin, Facebook eller Google.
Analysverktygen som företaget använder har som roll för beslutsfattningen att skapa ett underlag för hypotesprövning, på det sättet kan olika tester genomföras och ge resultat som beslutsfattaren kan utvärdera. Vidare berättar respondenten hur beslut inom säljprocessen har ändrats, från beslut på måfå till att systematisk kunna observera vad besökarna faktiskt gör på webben.
Generellt sett bearbetar CSN data i Excel. Vid de tillfällen CSN använder analysverktyg, har det varit SPSS7 som använts som verktyg. Dessa verktyg används snarare för det önskade arbetssättet hos controllers, vilket anses vara avgörande för controllers urval av ärenden som ska kontrolleras. Det påpekas vidare att verktygen här inte har på något sätt ändrat beslutsunderlaget.
Analysverktygen som används inom Energimyndigheten är främst statistikprogrammet SAS för hantering av den officiella statistiken. Respondenten menar att analysverktygen har ändrat beslutsunderlaget på det sättet att
“ledningsgruppen och controllers får en snabbare överblick från dag till dag”.
Ledningsgruppen (beslutsfattarna) behöver endast fråga “varför det blir så här?” ifall något ser konstigt ut.
Hos Bolagsverket används Data Mining, vilket numera kallas ”dataanalys” i myndigheten. Tyngdpunkten idag ligger på deskriptiv och diagnostisk analys men levererar även prediktiva analyser. Fokuseringen har varit mot att automatisera processerna, ledningarna och verksamheten frågar vad prediktionerna kan beror på och undrar därmed vad som påverkar utfallen. Kunskapen byggs av statistisk metodik och diagnostisk analys. De deskriptiva analyserna görs utifrån standardrapporter som kan vara drillbara och interaktiva. Fokuset är på historiskt data och vad som har redan hänt. Exempel på tekniker/funktioner är dashboards, korstabeller, linjediagram eller annan visualisering som beskriver en företeelse. De diagnostiska analyserna reder ut varför något har skett och kräver utforskning och mer avancerad analys. Fokus är fortsatt på historiska data för att reda ut varför något har hänt. Det området berör exempelvis Data Mining (som innefattar korrelationsanalys, beslutsträd och datautforskning). I de prediktiva analyserna skapas förutsägelser och insikter i syfte att möjliggöra proaktivt agerande och påverka utfallen. Detta omfattar machine learning och forecasting. Även preskriptiva analyser genomförs, dessa hjälper till att föreslå och vidta åtgärder för att påverka utfallen på önskat sätt. Här kan flera typer av analyser ligga till grund för att simulera och optimera. Exempel på tekniker och funktioner är: Optimeringsmodeller, hybridmodeller med flertal metoder från tidigare analysnivåer.
Tabell 6: Sammanställning av organisationernas synpunkt på dataanalysen. Invativa Verktyg: Egenutvecklat
Analysverktygen skapar ett underlag för hypotesprövning, som beslutsfattaren kan utvärdera.
Säljprocessen har ändrats från beslut på måfå till systematiska beslut.
CSN Verktyg: Kalkylark och SPSS
Anses inte påverka beslutsunderlaget. Verktygen användes som en kontroll.
Energimyndigheten Verktyg: SAS
Analysverktygen har ändrat beslutsunderlaget på det sättet att “ledningsgruppen och controllers får en snabbare överblick från dag till dag”.
Bolagsverket Verktyg: Datamining
o Fokusering på att automatisera processerna och få bättre förståelse av prediktionerna.
o Diagnostiska analyserna reder ut varför något har skett.
o I de prediktiva analyserna skapas förutsägelser och insikter i syfte att möjliggöra proaktivt agerande och påverka utfallen.
4.2.3 Mänskliga faktorn
Eftersom Invativa AB har ett egenutvecklat system ansetts BI-systemet vara mer anpassat efter beslutsfattarens önskemål snarare än tvärtom. Beslutsfattaren väljer vilka parametrar denne vill undersöka. Systemet kan användas för att analysera på både proaktivt och retroaktivt sätt. Systemet används hela tiden och ligger i centrum för verksamheten och används främst av ledningsgruppen och projektledarna i syfte att styra verksamheten. Det används för planering, forecasting, för att besluta om det ska rekryteras eller inte, med mera. Innan implementeringen av BI-systemet hade bolaget svårt att exempelvis matcha korrekt timpris i jämförelse med hur mycket de vill få i timpris. Det anses att ju mer data som finns, desto mer kan systemet användas.
För Invativa AB har BI-implementeringen relaterad till beslutsprocessen resulterat till att mer data kan analyseras vilket har lett till ett bättre beslutsunderlag. Införandet av systemet har inte fört till någon stor ändring, då bolaget anser sig vara datadrivna redan från början. Det har resulterat till att sammanställningen av data har tillfört mer information. Vidare påpekar respondenten att underlaget som genereras av BI-systemet påverkar upp till 80–90% av beslutet. Dock kommer det tydligt fram att det finns andra faktorer som spelar roll vid svåra beslut, som bland annat mänskliga instinkter. På frågan om det mänskliga påverkandet av beslutsfattandet har minskat i samband med BI-implementeringen, svarar respondenten följande:
“Ju mer data, desto mer känslomässiga beslut tas bort. Med personal och rekryteringsfrågor blir det dock lite svårare, det kan bli för cyniskt. En viss mängd data kanske används för underlag
men det är ännu svårare att använda det, eftersom flera andra faktorer påverkar just det. För ekonomiska och strategiska beslut däremot blir det väldigt datadrivet.”.
Med det menas att andra faktorer spelar roll, beroende på vilken typ av fråga det rör sig om. För ekonomiska- och strategiska beslut, finns det sanning inom data som tas fram. För frågor som rör människor kan känslomässiga faktorer ha betydande roll, det finns därmed andra tillvägagångssätt som anses ha mer inflytande vid behandling av dessa typer av frågor.
CSN anser att systemet inte används som det har tänkts full ut. BI-systemet anses inte heller vara anpassat efter beslutsfattaren utan istället efter controllers behov. Motiveringen anses vara att systemet IBM cognos som används erbjuder flera olika funktioner och verktyg men för lite av de verktygen används. Det mänskliga beslutsfattandet har varit lika stort som förut, motiverat av att BI-systemet inte ger någon regel eller någon rekommendation som påverkar beslutsfattaren. En stor andel av systemet används för beslutsunderlag och det mänskliga beslutsfattandet har inte minskat vid implementeringen. Själva beslutsfattarna involverar sig inte i systemet, detta görs av verksamhetscontrollers. Vidare påpekas att det har varit en ambition att bygga dashboards som beslutsfattarna själva kan gå in och undersöka, men det har inte varit något som har fungerat då beslutsfattarna har valt att inte använda dem. BI-systemet i CSN används inte nödvändigtvis alltid för att skapa ett beslutsunderlag, i första hand används det för att få tillgång till strukturerade data. Systemets roll är att användas som en kontroll vid framtagning av ett beslutsunderlag.
Respondenten från Energimyndigheten anser att BI-implementeringen har påverkat det mänskliga beslutsfattandet genom att komplettera och stödja för att öka effektiviteten snarare än att ersätta chefer och handläggare. Vidare anser respondenten att det fortfarande finns teorier som motsäger siffrorna. Respondenten poängterar också att alla rapporter i processen är automatiserade men inte besluten i sig.
Bolagsverket antar att genom att tillgängliggöra mer statistik och fakta kan det observeras att verksamheten efterfrågar mer statistik och fakta. Därmed höjs kvaliteten i beslut, istället för att använda sig av magkänsla. I arbetet mot Bolagsverkets vision (se figur 9) kommer det att ske stora ändringar över hur BI-systemet kommer att användas. Figuren tyder på att det möjligtvis kan ske flera ändringar i beslutsfattandet i den framtida förflyttningen.
Tabell 7: Sammanställning av organisationernas syn på mänskliga faktorn. Invativa Beror på BI-användarens avsikter. Vid personal- och
rekryteringsfrågor blir det svårare att använda systemen medan vid ekonomiska och strategiska beslut är de väldig datadrivna.
Företaget har alltid varit datadrivet så inga stora ändringar har skett i det senaste. Den mänskliga påverkan beror på beslutsfrågan.
CSN Det mänskliga beslutsfattandet har inte minskat vid implementering av systemet. Systemets roll är att användas som en kontroll vid framtagning av ett beslutsunderlag. Energimyndigheten BI-implementeringen har påverkat det mänskliga
beslutsfattandet genom att komplettera och stödja för att öka effektiviteten snarare än att ersätta chefer och handläggare. Det finns fortfarande teorier som motsäger siffrorna. Rapporter automatiserar inte besluten.
Bolagsverket Genom att tillgängliggöra mer statistik och fakta kan det observeras att verksamheten efterfrågar mer efter statistik och fakta. Därmed höjs kvaliteten i beslut istället för att använda sig av magkänsla.