![Foto av Mikael Berndtsson](https://www.his.se/personalbilder/berk.jpg)
Att få konkurrensfördelar gentemot konkurrenter borde vara en viktig fråga för alla organisationer. Organisationer som har ökat sin användning av avancerad dataanalys (predictive analytics, prescriptive analytics) bortom pilotprojekt och karakteriserar sig själva som datadrivna tenderar att vara branschledande.
Många organisationer lanserar nu pilotprojekt inom avancerad dataanalys som ett första steg att bli mer datadrivna. Tyvärr kämpar många organisationer med att skala avancerad dataanalys efter genomförda pilotprojekt.
När vi undersökte 13 svenska organisationer märkte vi att skalningen görs ad hoc. Resultaten från undersökningen visade att organisationer tog genvägar när de utvecklade strategier, stötte på tidigare rapporterade toppbarriärer och använde inte en övergripande process för Change Management.
De främsta hindren för att skala avancerad dataanalys efter genomförda pilotprojekt är icke-tekniska, exempelvis pilotprojekt som inte är förankrade i verksamheten, slumpmässiga okoordinerade AI-projekt utspridda över hela organisationen, motstånd från anställda och ingen systematisk process för spridning av avancerad dataanalys.
Under 2022/2023 har Högskolan i Skövde och Capgemini Insights & Data ett gemensamt forskningsprojekt om att skala de icke-tekniska aspekterna av avancerad dataanalys. Syftet är att verifiera preliminära rekommendationer som vi publicerade 2020.
Publikationer
- Berndtsson, M., & Svahn, T. (2022). A Matrix for Assessing Data-Driven Culture in Teams. Paper presented at the Pre-ICIS SIGDSA Symposium, Copenhagen.
-
Berndtsson, M., Jonsson, A.-C., Carlsson, M., & Svahn, T. (2023). A strategy for scaling advanced analytics. Communications of the ACM, 66(12), 29-31.