Då är det förhoppningsvis snart dags för årets andra race, även det en medeldistans i Marbella. I linje med förra tävlingen har jag åkt på ännu en förkylning, lika olägligt två veckor innan tävling. Det är kort sagt inte optimalt. 

Hur förkylningen utvecklas kommande dagar kommer avgöra huruvida jag kör tävlingen eller inte eftersom den näst sista veckan innehåller de hårdaste och mest tävlingssimulerande passen. Den veckan är otroligt viktigt inte bara rent fysiskt utan även mentalt för att känna att jag är på rätt spår inför tävling. Så håll tummarna för mig!

Jag tänkte även fortsätta på mitt tidigare inlägg angående vad vi gör inom teamet Data-Driven Transformation. I mitt förra inlägg förklarade jag varför data är viktigt att investera i om man som organisation vill vara lönsam över tid. Vad som för många är lite abstrakt är hur vi gör det.

Generellt anser jag att vårt arbete har utgångspunkt hos beslutsfattarna inom organisationen. En beslutsfattare behöver, som jag beskrivit tidigare, data för att understödja sina beslut. Många gånger kan vi paketera dessa datapunkter till vad som brukar kallas för ”Key Performance Indicators” (KPIs). Det är information som beskriver något på en övergripande och affärskritisk nivå. Exempelvis hur försäljningen senaste månaderna har gått jämfört med samma period förra året, om försäljningen drivs av nya alternativt befintliga kunder eller om kundbortfallen ökar eller minskar. Alla dessa exempel ger information om bolagets intäkter och kan signalera i god tid om några stora justeringar sker som bolaget behöver agera på. Möjligheten att identifiera den här typen av förändringar redan efter en vecka vs. efter ett kvartal kan vara avgörande för om bolaget hinner vidta åtgärd och därmed inte påverka bolagets resultaträkning avsevärt. 

Vår roll kommer in så fort det handlar om den här typen av behov. I första steget kan det handla om att identifiera vilka mål organisationen har, hur dessa målen uppnås baserat på kritiska beslut samt hur data spelar en roll i dessa beslut. Kan vi identifiera det så har vi också en bra grund för att börja bygga bra use-case. Steg två handlar sedan om att förstå hur dessa use-case ska realiseras med hjälp av KPIer. I regel visualiseras dessa i någon form av dashboard som i vårt fall ofta innebär Power BI. När det finns definierade use-case börjar sedan ett arbete som går ut på att anpassa data på ett sätt så att den möter de behov som tagits fram i de första stegen.

När ovan steg är hanterade så är i regel nästa steg utvecklings- & designfasen. Den fasen handlar om att strukturera rådata på ett sätt så att den uppfyller behoven som specificerats i tidigare steg. Det här steget är väldigt tekniskt och refereras oftast till som Data Engineering. I regel används ett databasspråk som SQL för att automatisera ett dataflöde där data transformeras från att vara i rått format till ett anpassat format där slutanvändarna inom organisationen kan använda datan för att följa upp på och som jag redan nämnt några gånger – ta lönsammare beslut!

Ovan är en relativ förenkling och det finns en hel del mer än ovan som kan ingå i ett projekt som vi jobbar med. Men generellt kan jag nog säga att alla som jobbar inom vårt team har sannolikt gjort minst en av ovan nämnda steg i något av våra projekt.

P.S. För cirka en vecka sedan släppte jag mitt första Youtube-avsnitt där jag delar med mig av lite lärdomar från träningen på hög höjd i Sierra Nevada samt den efterföljande perioden som ledde upp till årets första tävlingen i Lanzarote. Se mer här!