Tre avgörande förutsättningar för datadrivet beslutsfattande

AV HANS BERGGREN

Under de senaste fem åren har digitaliseringen inom många supply chain-segment tagit rejäl fart, vilket öppnar upp för både bättre visibilitet och dataanalys, med en bredd som verkligen möjliggör en högre grad av kvalitativt datadrivet beslutsfattande. Men det saknas ofta några avgörande förutsättningar för att lyckas – och det som saknas är inte tekniska förutsättningar.

I början av 2000-talet pratade alla om datadrivna supply chains, men många gånger utifrån termerna Supply Chain Visibility och Supply Chain Analytics. Den senare termen utifrån idén att gå från descriptive (historisk), via predictive (prognostiserad) och mot prescriptive (föreskrivande) analytics. Problemet var att det var väldigt begränsad spridning vad gäller supply chain-digitalisering vid den tiden, så analysen blev begränsad alternativt utförd på gamla data från dåligt uppdaterade affärssystem.

Hyperautomation

Under de senaste fem åren har digitaliseringen inom många supply chain-segment verkligen tagit fart, vilket öppnar upp för både bättre visibilitet och dataanalys med en bredd som möjliggör en högre grad av kvalitativt datadrivet beslutsfattande. Jag har i tidigare artiklar i SCE skrivit om hur värdefull den pågående digitaliseringstrenden är i bland annat detta avseende. Vi har nu möjlighet att lyfta supply chains från automations-fokus till hyperautomation (ännu högre grad av automatiskt beslutsfattande) genom tillgång till stora datamängder och tillämpning av AI/ML, som komplement till visibilitet och dataanalys inom supply chains så som vi känner dem idag.

Tre kritiska framgångsfaktorer

Nu möter vi dock nya utmaningar, eller vi kan kalla det förutsättningar, om vi ska lyckas dra nytta av att grunden för datadrivet beslutsfattande nu börjar komma på plats. Jag skulle vilja lyfta fram två förutsättningar från McKinseys rapport ”The data-driven enterprise of 2025” (publicerad den 28 januari 2022 på Mckinsey.com) och ytterligare en förutsättning baserad på min egen erfarenhet från över 20 år i branschen. Alla dessa tre punkter bedömer jag som kritiska förutsättningar för att lyckas nå en högre grad av datadrivet beslutsfattande i supply chains, och hanterar du dem kommer du också att lyckas. Observera att ingen av punkterna nedan handlar om tekniska förutsättningar.

  • Tydligt ägarskap. Ägarskapet måste finnas och det måste vara tydligt. McKinsey lyfter exempelvis fram att ägarskapet bör ligga hos CDO (Chief Data Officer) och denna roll måste ha som uppgift att bygga värde inom företaget, det vill säga det är en roll med ett tydligt resultatansvar. Därmed blir området också en produkt (eller snarare en tjänst) som företaget tjänar pengar på genom de värden tjänsten skapar.

  • Lämna det silo-baserade tankesättet. Vi måste lämna det silo-baserade tankesättet bakom oss och börja dela data i mycket stor utsträckning (McKinsey lyfter även i en annan punkt upp hur de ser på datasäkerhetsfrågor och datarättighetsfrågor, men det är ett helt område i sig och det lämnar vi till en annan artikel). Här ser McKinsey framför sig att det inom branscher och andra typer av medlemsbaserade intressesfärer bildas plattformar för datadelning, där medlemmarnas data förs samman till en helhet som ytterligare förbättrar förutsättningar för datadrivet beslutsfattande bland medlemmarna. Branscher som t.ex. fordonsindustrin, där jag genom mitt engagemang i PipeChain har mycket god insyn, har absolut möjlighet att leva upp till den här förutsättningen.

  •  Förstå dina value-drivers. Vi måste förstå vårt företags så kallade value-drivers – dvs. det som ytterst differentierar företaget från konkurrenterna, gör företagets produkter/tjänster till något kunderna bara måste ha, den kundservice som skapar unikt lojala kunder, etc. – och söka datakällor med data som kan ligga till grund för beslut som bygger företagets value-drivers allt starkare. Här upplever jag att många företag är villrådiga och har svårt att definiera vilka data man söker, hur analysmodellen bör se ut för att den ska fånga mönster och kunna dra slutsatser som bygger företagets value-drivers starkare samt vem inom företaget som de facto äger såväl frågan i sig som processen att driva den framåt med hjälp av allt bättre tillgång till data och inte minst relevanta data.

Idag är det uppenbart för de flesta att pusselbitarna börjar falla på plats för att på riktigt kunna tala om datadrivet beslutsfattande i supply chains. Som så många gånger när vi inom supply chain-skrået talar om stora förbättringsmöjligheter, så handlar det inte om brist på vare sig teknik eller kunskap. Det handlar i stället om högst mänskliga frågor, bland annat hur vi skapar rätt förutsättningar för vår organisation att ta sig i den riktning som skapar de stora värden som en högre grad av datadrivet beslutsfattande innebär.

Hans Berggren är vd för PipeChain-koncernen

Fler nyheter

PipeChain förvärvar Tyringe

PipeChain uppger i ett pressmeddelande att bolaget förvärvar det svenska mjukvaruföretaget Tyringekonsult, som utvecklar molnbaserade lösningar för digitaliserad tullhantering, transportbokning och leveransplan/order-till-faktura-process.

Läs mer »

Snabbväxaren IMI förvärvar Agrippa Solutions

IMI (Industri-Matematik International AB), har utökat sitt erbjudande genom förvärvet av Agrippa Solutions. Agrippa erbjuder mobila lösningar inom avvikelsehantering och kontinuerligt förbättringsarbete för logistikintensiva bolag. Med en kombinerad expertis inom supply chain management är ambitionen att skapa mervärde för befintliga såväl som nya kunder.

Läs mer »