Forberedelser til årets andre løp
Da er det forhåpentligvis snart tid for årets andre løp, også det en mellomdistanse i Marbella. I likhet med forrige løp har jeg hatt nok en forkjølelse, like uheldig to uker før løpet. Kort sagt, det er ikke optimalt.
Hvordan forkjølelsen utvikler seg de neste dagene vil avgjøre om jeg løper løpet eller ikke, fordi den nest siste uken inneholder de hardeste og mest konkurransesimulerende øktene. Den uken er utrolig viktig, ikke bare fysisk, men også mentalt for å føle at jeg er på rett vei for konkurranse. Så hold fingrene krysset for meg!
Jeg vil også fortsette på mitt forrige innlegg om hva vi gjør i Data-Driven Transformation-teamet. I mitt forrige innlegg forklarte jeg hvorfor data er viktig å investere i hvis du som organisasjon ønsker å være lønnsom over tid. Det som for mange er litt abstrakt er hvordan vi gjør det.
Generelt mener jeg at vårt arbeid er basert på beslutningstakerne i organisasjonen. En beslutningstaker, som jeg beskrev tidligere, trenger data for å støtte sine beslutninger. Mange ganger kan vi pakke disse datapunktene inn i det som vanligvis kalles "Key Performance Indicators" (KPIer). Det er informasjon som beskriver noe på et overordnet og forretningskritisk nivå. For eksempel hvordan salget de siste månedene har gått sammenlignet med samme periode i fjor, om salget drives av nye eller eksisterende kunder, eller om kundefrafallet øker eller synker. Alle disse eksemplene gir informasjon om selskapets inntekter og kan signalisere i god tid hvis det gjøres større justeringer som selskapet må handle på. Evnen til å identifisere denne typen endringer allerede etter en uke vs. etter et kvartal kan være avgjørende for om selskapet har tid til å iverksette tiltak og dermed ikke påvirker selskapets resultatregnskap vesentlig.
Vår rolle kommer inn så snart denne typen behov melder seg. I den første fasen kan det handle om å identifisere hvilke mål organisasjonen har, hvordan disse målene oppnås basert på kritiske beslutninger og hvordan data spiller en rolle i disse beslutningene. Hvis vi kan identifisere dette, har vi også et godt grunnlag for å begynne å bygge gode use-case. Fase to handler da om å forstå hvordan disse use-case skal realiseres ved hjelp av KPI-er. Som regel visualiseres disse i en form for dashbord, som i vårt tilfelle ofte betyr Power BI. Når det er definerte use-case, begynner arbeidet med å tilpasse dataene på en måte som oppfyller behovene som ble utviklet i de første fasene.
Når fasen ovenfor er gjennomført, er neste fase vanligvis utviklings- og designfasen. Den fasen handler om å strukturere rådataene på en måte som oppfyller behovene som er spesifisert i tidligere faser. Denne fasen er veldig teknisk og blir oftest referert til som Data Engineering. Som regel brukes et databasespråk som SQL til å automatisere en dataflyt, der data transformeres fra å være i råformat til et egendefinert format der sluttbrukerne i organisasjonen kan bruke dataene til å følge opp og som jeg allerede har nevnt noen ganger - ta mer lønnsomme beslutninger!
Ovennevnte er en relativ forenkling, og det er mye mer enn det ovennevnte som kan inkluderes i et prosjekt som vi jobber med. Men generelt kan jeg nok si at alle som jobber i teamet vårt sannsynligvis har gjort minst en av de ovennevnte fasene i et av prosjektene våre.
PS: For omtrent en uke siden slapp jeg min første Youtube-episode der jeg deler noen erfaringer fra treningen i stor høyde i Sierra Nevada og den påfølgende perioden frem til årets første konkurranse på Lanzarote. Se mer her!