Data som strategisk ressource

Af Thorsten Falk Jensen, Kenneth Bo Christensen, Kennet Fredebo Wilken & Astrid Marie Hall

I en tid, hvor digitalisering og data spiller en stadig større rolle i den daglige drift af bygninger, bliver det stadig mere afgørende for organisationer at kunne udnytte de data, de allerede har til rådighed. Dansk Facilities Managements Digitaliseringsudvalg har i den forbindelse arbejdet målrettet med at identificere metoder og strategier til at få mest muligt ud af eksisterende systemer og datasæt – med fokus på både effektivitet, kvalitet og langsigtet værdi.

Identificér dine datakilder

Første skridt i arbejdet med datadrevet forvaltning er at identificere tilgængelige og valide datakilder i FM-organisationen fra både interne og eksterne systemer. Internt vil de mest oplagte kilder ofte være CAFM- og BMS-systemer, men også data fra HR-, økonomi- og andre forretningssystemer kan være relevante at inddrage.

Derudover findes mange værdifulde data i ustrukturerede formater – som f.eks. Excel-ark, CSV-filer osv. Ofte vil disse være resultater af udtræk fra andre systemer, der ikke umiddelbart er integreret.

På den eksterne side kan relevante datakilder omfatte leverandørsystemer og offentlige tjenester som BBR, GIS, vejrdata og lignende – afhængigt af den konkrete anvendelse og det forretningsmæssige behov.

Når datakilderne er identificeret, bør næste skridt være at klassificere dem. Det indebærer, at man tilføjer metadata, herunder oplysninger om ejerskab, kvalitet, type og oprindelse. Denne klassificering er en central del af organisationens Data Governance, som også omfatter politikker og regler for dataanvendelse. Det kan eksempelvis være politikker om rettigheder, håndtering af GDPR-relaterede data og konkrete retningslinjer for, hvordan data må tilgås, anvendes og deles – både internt og eksternt.

Når struktur og governance er på plads, er det muligt at begynde at referere og relatere data på tværs af kilder. Det danner grundlag for at visualisere data og skabe rapportering og indsigt, der understøtter beslutningstagning og optimering af driften.

Uanset datakildens type, vil det ofte være nødvendigt at bearbejde data gennem en ETL-proces (Extract, Transform, Load) – eller i mere simple tilfælde: en grundig ”datavask”, inden data kan anvendes aktivt. Hvis datakilderne løbende opdateres, skal ETL-processen gentages ved hver opdatering. Her kan Robotic Process Automation (RPA) med fordel anvendes til at automatisere processen og sikre, at data behandles i faste, relevante intervaller – uden manuelle indgreb.

Datamængden vokser konstant, og antallet af datakilder er stigende. For at kunne navigere effektivt i denne virkelighed af ”Big Data”, bør man lade sig styre af et centralt princip: Det handler ikke om at have rigtigt mange data, men om at have mange rigtige data.

Definér dine mål

For at udnytte data effektivt er det afgørende at have klare og veldefinerede mål for, hvad man ønsker at opnå. Disse mål kan spænde vidt – fra forbedring af kundeservice og optimering af interne processer, til at forudsige fremtidige tendenser og behov. Når målene er tydelige, bliver det markant lettere at identificere de relevante data og analysere dem målrettet og meningsfuldt.

Ved opstilling af mål bør man altid anlægge en forretningsmæssig tilgang. Det indebærer, at mål og målbeskrivelser skal valideres i forhold til organisationens overordnede strategi og prioriteringer. Desuden bør målene altid understøttes af en business case, som synliggør enten de direkte gevinster eller forventede, afledte effekter. Dette skaber både retning og forankring i organisationen og øger sandsynligheden for, at målene omsættes til reel værdi.

Identificer nu de konkrete behov der findes i organisationen såsom fakturering af serviceopgaver, gennemførelse af vedligeholdelsesudbud eller kontakten med brugerne. Derudover kan der være forretningsmæssige krav om bedre rapportering indenfor bæredygtighed, arealudnyttelse eller tilstandsvurdering af ejendomme. Selv i tilfælde hvor der ikke umiddelbart er et udtalt behov, kan en velfunderet business case synliggøre potentielle besparelser og legitimere en indsats.

Endelig må dataejerskab og datarelevans afklares, hvilket indebærer afvejning af hvad data skal anvendes til, i hvilke formater og systemer der skal indsamle, behandle og opbevare data. Der bør også skabes klarhed over, hvem i organisationen der allerede ligger inde med værdifuld viden. Og hvor skal ejerskabet af data ligge?

Hold fokus på målet – og byg stærke datafundamenter trin for trin

Det er afgørende at holde blikket rettet mod målet og ikke lade sig forlede af, hvor nemt og billigt det er blevet at indsamle data via sensorer og lignende teknologier. Selvom selve indsamlingen ofte er kosteffektiv, kan det vise sig dyrt ikke at vedligeholde sine data løbende, for uden et systematisk vedligehold risikerer man, at tilliden til både data og de bagvedliggende systemer svækkes.

Det er essentielt, at de opstillede mål er realistiske og gennemskuelige. Data har tendens til at miste sin aktualitet og værdi, hvis man ikke løbende følger op og vedligeholder dem – over tid kan man risikere, at datakvaliteten forringes i takt med, at organisationen forandrer sig. Derfor bør processen tilrettelægges med tydelige delmål, der kan opnås uden at forstyrre organisationens kerneopgaver. Som det også fremhæves i Hvidbog om bygningsdrift (oktober 2018, s. 52), er det klogt at konsolidere hvert delmål i en ny, stabil hverdag, så det sikres, at fundamentet er solidt, før man tager næste skridt.

Når de indledende overvejelser er gjort, har man et solidt grundlag for at definere både målene og vejen dertil. Her er det vigtigt at arbejde med både korte og lange mål. De korte mål skal være konkrete og opnåelige inden for en overskuelig tidshorisont, mens de lange mål skal sætte retning og ramme for udviklingen. Det er essentielt, at de korte mål ikke spænder ben for de lange – og at erfaringerne fra de korte mål bruges aktivt i evalueringen og til justeringen af de langsigtede strategier.

Drift og evaluering er nøglen til varig effekt

Når en løsning er implementeret og sat i drift, må der også være dedikerede personer i organisationen, som tager ansvar for drift og forankring. Det gælder både opretholdelse af datakvalitet, sikring af brugen af løsningen og vedligehold af de processer og systemer, der er sat i gang og driftsfasen er mindst lige så vigtig som udviklingen og implementeringen.

En af de største udfordringer i arbejdet med data er at evaluere anvendelsen på en meningsfuld måde. Det kan hurtigt ende i komplekse og uoverskuelige datastrukturer som gør det svært at se den egentlige værdi og her kan det være nyttigt at stille spørgsmål som:

1. Brug og formål

• • Anvendes data, som vi havde tænkt?
  • Opnår vi de forventede resultater?

2. Kvalitet og fundament

• • Er visualiseringer korrekte og komplette?
  • Er ansvaret for opdatering og vedligehold tydeligt?

3. Tillid og værdi

• • Stoler vi fortsat på dataene?
  • Skaber de tryghed – eller usikkerhed – hos brugerne?
  • Bidrager data til reel værdi for dem, der bruger dem?

4. Beslutningspåvirkning

• • Har data ændret vores beslutninger?
  • Får vi større sikkerhed i vores valg?

5. Videreudvikling

• • Hvordan optimerer vi brugen fremadrettet?
  • Skal vi udvide, justere eller reducere dataindsamlingen?

6. Omkostning og udbytte

• • Er der balance mellem indsatsen vi lægger og værdien vi skaber?

For succés: Skab en datadrevet kultur

Overskriften kan måske få det til at løbe koldt ned ad ryggen hos dem, der frygter, at kunstig intelligens snart får overtaget. Er det virkelig en god idé at lade en virksomheds kultur blive drevet af data? Er vi vidne til et pendul, der svinger fra den menneskelige, organiske ledelsesstil over mod en ny æra – den fjerde industrielle revolution – hvor menneskets rolle mekaniseres yderligere, og hvor det er data, der styrer vores arbejdskultur?

Kultur opstår mellem mennesker. Den kan være overført udefra eller vokset frem internt i organisationen. Edgar Schein sammenligner organisationskultur med et isbjerg: Toppen over vandoverfladen udgøres af de synlige artefakter – som arkitektur, teknologi, sprog og logoer. Lige under overfladen findes organisationens værdier – for eksempel måden, man håndterer kunder på. I bunden af isbjerget, langt under det synlige, ligger de grundlæggende antagelser, som ubevidst styrer vores adfærd.

For at skabe en transformation, der stikker dybt, kræver det trygge rammer omkring det nye, man ønsker at bringe ind i organisationen. Når det gælder data, kan det være en hjælp at sætte ordet ind i en kontekst af information – som noget genkendeligt og meningsfuldt. Herfra kan information blive til viden, og dermed gøres forandringen mere relaterbar og sprogligt tryg for dem, der skal med på rejsen.

Ifølge John Kotters forandringsmodel er første skridt at “optø” status quo ved at skabe en oplevelse af nødvendighed – det, han kalder at skabe en brændende platform. Det handler om at stille spørgsmålet: Hvorfor er det hidtidige ikke længere tilstrækkeligt? Under corona-pandemien blev mange af os tvunget til lynhurtigt at tage nye vaner til os – som distance-møder – og nogle af disse teknologier anvender vi fortsat, fordi de har vist sig nyttige. Andre ændringer, som det manglende håndtryk kom hurtigt tilbage, fordi de rette betingelser ikke var til stede og fordi ændringen rakte dybt ind i vores historie og identitet og vi skulle genopfinde hvordan vi hilser medmennesker, hvilket illustrerer, at forandringer kun forankres, når de giver mening – både praktisk og følelsesmæssigt.

Det hele menneske forholder sig ikke kun til rationelle argumenter om, hvad der er bedst for virksomheden. Vi bruger konstant sanser, følelser og erfaringer i samspil med vores analytiske tænkning. Det er i dette felt, vores handlinger formes – og de er ikke altid helt i tråd med det vi føler eller mener. Men selv en lille bevægelse kan være begyndelsen på varig forandring, især hvis vi samtidig ser mening i en større sammenhæng.

Det kan virke komplekst. Men det er netop i dette felt – hvor mennesker, forandring, kultur og data mødes – at noget ægte og bæredygtigt kan opstå. Og måske er det netop dét, der gør arbejdet med kultur så både udfordrende og dybt meningsfuldt: At det aldrig er perfekt – men altid levende.