Ny teknik har gjort self-service mer lättillgängligt än någonsin. Slutanvändare kan nu bygga sina egna analyser och rapporter utan att ta hjälp av programmerare. Detta skapar stora möjligheter för företag och organisationer men innebär också en hel del utmaningar. I den här artikelserien ska vi prata om self-service Power Bi och vad man bör tänka på när man överväger att implementera verktyget.
FRAMGÅNGSFAKTORER FÖR SELF-SERVICE
Om man vill lyckas med self-service så finns det fem framgångsfaktorer som är värda att ägna lite extra uppmärksamhet, dessa är:
1. Utbilda användare
2. Data governance
3. Change management
4. Anpassade verktyg
5. Terminologi
UTBILDA ANVÄNDARE
När det kommer till att utbilda användare så är det primärt tre huvudtyper av utbildningar vi fokuserar på:
1. Dataanalys & visualisering – Inom datanalys kan det handla om något så enkelt som att lära användarna att en siffra kan betyda olika saker i olika kontexter. När det gäller visualisering så kan det handla om storytelling, att man kanske inleder rapporten i en större tidsupplösning, såsom årsbasis, och sedan jobbar sig ner i detaljerna allt eftersom. Även färg och form kan hjälpa till att göra rapporten enklare att följa.
2. Grunder för att sammanfoga data och bygga datamodeller – Detta är kanske inte något som self-service-användare ägnar särskilt mycket tid åt, men det är ändå viktigt att de förstår hur tabeller och dataset hänger ihop.
3. Kontinuerlig peer-to-peer-utbilding – Här handlar det om att lära användarna hur man sprider information om self-service så att verktyget får ett eget liv inom organisationen.
Andra viktiga punkter:
- Lära ut grundfunktionalitet.
2. DATA GOVERNANCE
Data governance hjälper organisationer att säkerställa tillförlitlig användning av data i beslutsprocesserna. Detta skapar förtroende för data över tid.
Man skulle kunna dela upp Data governance i två olika processer; dels så handlar det om att övervaka, och dels så handlar det om att utbilda. Som Data governance-administratör övervakar man hur personer använder data och processerna kring detta. På så sätt kan man säkerställa att policys och riktlinjer följs och att datakvaliteten håller en hög nivå. Det också viktigt att man utbildar användarna i regelverket.
- Ägande av data och rapporter.
- Processer.
- Policy och riktlinjer.
- Datakvalitet.
3. CHANGE MANAGEMENT
Change management handlar om att jobba systematiskt för att hantera förändringar. Det kan bestå av processer av olika slag, såsom hur man arbetar med olika mål eller teknologier.
När man ska implementera en BI-lösning kan det vara bra att använda ett ”bottom up”-tillvägagångssätt, d.v.s. att börja i liten skala. I stället för att starta med hela organisationen så försöker man identifiera ett case, en avdelning eller ett användningsområde och börja där. Om man lyckas implementera ett framgångsrikt case i verksamheten så leder det ofta till att det sprids inom organisationen.
Generellt kan man säga att det brukar vara fördelaktigt att börja med personer som är lite längre ner i organisationen, t.ex. controllers, som ju också jobbar mycket med data på daglig basis.
- Främja datadriven kultur.
- Förstå drivet av att förändras.
- ”Bottom up”-tillvägagångssätt.
4. ANPASSADE VERKTYG
Om man vill ha ett flexibelt verktyg med minimalt kodande som kan anpassas efter organisationens behov så är Power BI väldigt bra. Verktyget kräver i princip ingen kodning när man ska bygga rapporter.
Om man redan jobbar i Office-paketet så kan det vara värt att överväga Power BI eftersom det är väldigt likt Excel, framför allt i språket. Det är mycket lättare att vinna över användarna om de känner igen sig i språket och i miljön.
- Anpassade för SSBI (Self-service BI).
- Flexibla verktyg med minimalt kodande, no code/low-code.
- Överväg verktyg inom samma familj, t.ex. Power BI som tillhör Office.
5. TERMINOLOGI
Oklarheter kring terminologin kan skapa mycket förvirring. Det är extremt viktigt att mätvärden definieras på samma sätt och att namnstandarderna i olika dataset också gäller i rapporterna. Därför bör man omgående sätta upp någon form av datakatalog (med namnstandarder, definitioner m.m.) när man börjar med ett SSBI-initiativ. På så sätt har alla ett facit att gå till.
- Gemensam terminologi.
- Definitioner av data och dess betydelse.
- Datakatalog.
- Konsekvens mellan rapporter och dataset så att inga egna tolkningar av datat uppstår.
UTMANINGAR MED SELF-SERVICE
Likaväl som det finns tydliga framgångsfaktorer för self-service så finns det också återkommande utmaningar, här är de fem vanligaste:
UTMANING 1: RAPPORTTRÄSK
Vi var inne på detta i förra artikeln. Om du har flera användare som bygger samma typ av rapporter med ungefär samma analyser så blir det snabbt rörigt. En ny användare som kommer in kanske inte vet vilken rapport som gäller, särskilt inte om de har liknande namn. Det här skapar osäkerhet och gör det svårt att lita på rapporten.
UTMANING 2: STRUKTUR
Struktur är viktigt men tyvärr är det inte ovanligt att verktyget är oorganiserat. Det kan handla om innehåll som är oformaterat, om otydliga KPI-definitioner, eller om measures som ligger huller om buller i olika tabeller med diffusa namn. Kanske vet man heller inte varifrån datat kommer. Eller vem som äger rapporten. Då blir det svårt för användarna att t.ex. fråga om ett specifikt mätvärde.
UTMANING 3: BRISTANDE FÖRSTÅELSE FÖR VERKTYGET
BI kan vara nytt för vissa användare. Och även om det finns stora likheter med Excel så kan användare uppleva att verktyget är för komplext, eller kanske inte tillräckligt dynamiskt, för att uppfylla deras behov. Det nya verktyget kanske inte heller gör samma sak som det gamla verktyg man är van vid, vilket gör att man tappar lite förtroende.
UTMANING 4: DATASÄKERHET
I och med att man ökar dataåtkomsten så kan problem uppstå kring datasäkerheten. Risken finns att obehöriga användare kan komma åt känslig data, och externa användare kanske missbrukar data på ett sätt som bryter mot datasekretesslagar eller företagets etiska standards. Därför är det viktigt att man har en tydlig Data governance-strategi med uttalade policys.
UTMANING 5: ONE SIZE FITS ALL
Det är inte ovanligt att man vill pressa in så mycket som möjligt i ett och samma dataset, eller i en och samma rapport. Men detta kan leda till prestandaproblem. Det blir också svårt för nya personer som kommer in att veta vad man ska klicka på, särskilt om det handlar om saker som är irrelevanta för den egna uppgiften. Risken finns att man inte vill jobba med rapporten överhuvudtaget.
AVSLUTNING
Ribban för self-service har sänkts. Det innebär stora möjligheter för dig som vill jobba datadrivet och fatta bättre affärsbeslut. Men det finns också utmaningar. Genom att följa tipsen i den här artikelserien kan du undvika de vanligaste fallgroparna och säkerställa att du får ut det mesta av din self-service-investering. Lycka till!
Vill du veta mer om hur Rowico implementerade en ny BI-lösning med hjälp av Random Forest och vann nya insikter?