Maturity Matrix Blueprint

Transkript

1 BETA Rev Maturity Matrix Blueprint Fra forskning til datadreven vækst DataForBusiness Maturity Matrix er den nye forskningsbaserede model der hjælper med at kortlægge organisationens databaserede konkurrencekraft og guider virksomheder til datadreven vækst. Initiative sponsor DK

2 Forskning hjælper din virksomhed til datadreven vækst Hvor langt er I nået? Hvor vil I hen? DataForBusiness hjælper danske virksomheder, så de får indsigt i deres egne muligheder for at forbedre konkurrencekraft via datadreven vækst. DataForBusiness bygger oven på flere danske forskningsprojekter under Industriens Fond, der har skabt et værktøj, der gør det muligt for virksomheder - også din - at blive klogere på jeres egne muligheder. DataForBusiness har skabt en model og et værktøj, der giver dig overblik over din virksomheds brug af data og via dette indsigt i, hvordan du kan sætte ind for at skabe forandringer og vækst. DataForBusiness giver jer som det første overblik over, hvilken arketype I er: Lige fra den uerfarne Data Apprentice til den Data Wizard, der er i stand til at skabe bedre beslutningsgrundlag, optimere produktionen eller revidere forretningsmodellerne. Når I har fået overblik over jeres niveau og viden på dataområdet, er det muligt at benchmarke sig med de bedste virksomheder. Hvad foretager konkurrenterne sig for at blive mere digitalt modne og for at udnytte mulighederne i data? Dermed giver værktøjet og modellen virksomhederne en indsigt, som gør det muligt at identificere lavthængende frugter, oplagte indsatsområder - og dermed mulighed for at reelt at skabe forandring og handle strategisk. 2 _ MATURITY MATRIX BLUEPRINT

3 Gennem DataForBusiness er forskningen blevet til en konkret mulighed for virksomheder for at få overblik over deres dataanvendelse og dennes muligheder/potentiale for at skabe værdi. Ved brug af DataForBusiness-værktøjet og det tilhørende dynamiske rapport og dashboard kortlægges virksomheden i arketype landskabet.

4 Hvor langt er din virksomhed på rejsen mod datadreven vækst? DataForBusiness værktøjet kortlægger en virksomhed i tre dimensioner; de ressourcer og aktiviteter der arbejdes med i Virksomheden, og den Virkelighed den omgives af - både internt og eksternt. Samtidig afdækker modellen potentialet for den forretningsmæssige Værdiskabelse. Gennem dimensionerne Virksomhed og Virkelighed opsat i en 2x2 matrix, og ved brug af data, forskning, viden og ekspertinterviews, er der med DataForBusiness Modenheds Matrixen defineret fire klassiske arketyper for virksomheders dataanvendelse. Gennem disse fire arketyper afbilder DataForBusiness Modenheds Matrixen det nuværende grundlag for dataanvendelse i virksomheder: fra den uerfarne Data Apprentice til den Data Wizard, der har formået at skabe en helhedsorienteret tilgang til databaseret vækst. Virkelighed Værdi Virksomhed Virksomhed: Hvilke konkrete ressourcer og aktiviteter er til stede i virksomheden som har relevans for dataanvendelsen? Virkelighed: Hvilke forretningsmæssige, kulturelle og organisatoriske faktorer påvirker virksomhedens arbejde med data? Værdi: Hvilke potentialer er der for, at data kan skabe værdi i virksomheden? Kan data bruges til at reducere risici, skabe nye services, rykke ind på nye markeder eller skabe nye forretningsmodeller? 4 _ MATURITY MATRIX BLUEPRINT

5 DataForBusiness Modenheds Matrix: de fire arketyper Virkelighed Kultur og Strategi Værdi værdiskabelse baseret på data Data Hoarder En Data Hoarder kendes ved primært at have styr på de tekniske muligheder for værdiskabelse, og har derfor ofte også store mængder data tilgængelige. Men separate systemer, siloer i organisationen og manglende fokus på samlet analyse gør, at forretningspotentialet ikke forløses. Data Wizard En Data Wizard kendes ved at have formået at skabe en helhedsorienteret-tilgang til data-baseret vækst. Data er forankret i virksomhedskulturen, integreret i forretningen og der er klare mål for data-drevet udvikling af fremtidige markeder og produkter. Data Apprentice En Data Apprentice kendes ved endnu ikke at have et klart billede af, om og hvordan det kan skabe vækst og værdi for virksomheden, hvis de arbejder struktureret med data. Det er derfor heller ikke blevet prioriteret at lave en samlet strategi for området. Data Scholar En Data Scholar kendes ved typisk at have stærke digitale og strategiske kompetencer i virksomheden. Dygtige videns- og kulturbærere fungerer som forandringsagenter for en datadreven forretningstilgang, men det kniber med modning af de processer, rutiner og ikke mindst investeringer i det tekniske fundament, som sikrer skalerbarhed og kontinuitet. Dermed bliver eksisterende ressourcer ikke udnyttet optimalt. Virksomhed Ressourcer og aktiviteter

6 En Data Apprentice har sjældent et klart billede af, om og hvordan det kan skabe vækst og værdi for virksomheden, hvis de arbejder struktureret med data. Det er derfor heller ikke blevet prioriteret at lave en samlet strategi for området.

7 Data Apprentice Centrale kendetegn En Data Apprentice har sikkert læst om potentialet i at arbejde med kunde-statistik, analyser af webtrafik og sociale medier. Men mangel på bredere forståelse og konkrete erfaringer gør at data-projekter ofte opfattes som uhåndgribelige og potentialet opfattes som luftigt, kompliceret og ressourcekrævende. Selvom den enkelte medarbejder i en Data Apprentice virksomhed måske kender til nogle af de data, virksomheden har til rådighed, har virksomheden sjældent et fuldt overblik over alle de data, der faktisk findes i organisationen eller de data, som ville kunne skaffes ved en struktureret indsats og faste rutiner. Centrale udfordringer Da det ikke er klart, hvad dataanvendelse kan bidrage med i forretningen, er data ikke blevet aktivt inddraget i optimeringsprocesser, produktudvikling eller gentænkning af forretningsmodellerne. Virksomhedens manglende erfaring, viden og strategiske overblik gør, at der ikke findes et fælles sprog. Det kan give store problemer med at forankre en forandringsproces. De data, der findes i virksomheden, lever sandsynligvis isoleret i økonomi- og marketing-afdelingerne. Dermed er der heller ikke nogen fælles datamodeller på tværs. Virksomheden vil ofte mangle teknisk infrastruktur, og det betyder, at initiativer er håndholdte, ikke-repeterbare og ikke skalérbare. Endeligt mangler man sandsynligvis også ansatte med tilstrækkelig viden til at udnytte potentialet. Sådan kommer Data Apprentice virksomheden videre For at komme i gang er det vigtigt at skabe en forståelse i virksomheden for, hvor afgørende data-dreven vækst reelt er. Start med at udvikle pilotprojekter med udgangspunkt i fænomenet Tænk stort, start småt og voks hurtigt. De første pilotprojekter skal bane vejen for at skabe forankring og kulturændringer og gøre, at virksomheden blive klogere og mere erfaren på området. Værdien af de første pilotprojekter ligger ikke nødvendigvis i det konkrete afkast men i at mobilisere virksomheden og i at blive klogere på muligheder og potentiale. Identificer de små værdiskabende, men ikke alt for ressourcekrævende projekter. Vælg et som pilotprojekt og følg projektet helt til dørs. (dvs. fokus på agilitet i projektforløbet, løbende evaluering af potentiel værdi og læring) Sæt realistiske, men ambitiøse, mål, og dokumenter værdien undervejs MATURITY MATRIX BLUEPRINT _ 7

8 En Data Scholar kendes ved typisk at have stærke digitale og strategiske kompetencer i virksomheden. Der findes ofte flere dygtige videns- og kulturbærere der fungerer som forandringsagenter for en datadreven forretningstilgang. Dog kniber det med modning af processer, rutiner og ikke mindst investeringer i det tekniske fundament, som skal sikre skalerbarhed og kontinuitet. Dermed bliver eksisterende ressourcer ikke udnyttet optimalt for at skabe værdi.

9 Data Scholar Centrale kendetegn Data Scholar virksomheder har ofte det til fælles, at de er defineret ved relativt flade organisationsstrukturer og en stor forståelse for vigtigheden af data og agile udviklingsforløb. Eftersom der ofte er flere kulturbærere med stærke kompetencer der står inde for dataanvendelsen, er der måske enkelte medarbejdere der forsøger at skabe fremdrift for dataprojekter i deres egne afdelinger. Der er fokus på dataanalyse, og der er måske nye projekter i støbeskeen. Centrale udfordringer Den største udfordring for en Data Scholar er, at manglende IT-infrastruktur og mangel på data governance gør, at gode intentioner og ideer ikke kan skaleres. Samlet set har en Data Scholar som regel både indsigten, viljen og de gode intentioner, men vil ofte mangle de hårde egenskaber såsom IT-struktur, ressourcer, teknisk eller anden fagspecifik viden og erfaring på de centrale områder som skal være på plads for at projekterne kan skaleres. Det varierer fra virksomhed til virksomhed, hvor de specifikke barrierer ligger. Hos nogle er det de tekniske muligheder og IT-infrastrukturen der ikke er på plads. Hos andre er det manglende faglig viden eller fælles standarder, der gør det svært at arbejde sammen på tværs i virksomheden. Sådan kommer Data Scholar virksomheden videre Det er centralt at få både topledelsen og IT-chefen i spil for at løse de strukturelle og tekniske opgaver som virksomheden sandsynligvis står overfor. Et godt forarbejde med afklaring af, hvilke barrierer der er centrale at få nedbrudt, kombineret med modet til at springe ud i det og komme igang, vil være en hjælp for de fleste. Data Scholar virksomheden kan ofte nyde godt af at teknologien på området for data har været under kraftig modning de sidste 3-5 år, og at værdiskabelse ikke nødvendigvis behøver kræve meget store og meget dyre implementeringer for at komme igang. Fokusér på etablering af et fælles datagrundlag på tværs af afdelinger og sektioner i virksomheden. Ledelsen og IT-chefen skal arbejde fokuseret på at fjerne de teknologiske barrierer, der forhindrer skalering. Virksomheden skal iværksætte en strategisk måling af gevinsterne ved dataanvendelse, som udgangspunkt for yderligere udnyttelse og skalering. MATURITY MATRIX BLUEPRINT _ 9

10 En Data Hoarder har primært styr på de tekniske forudsætninger for værdiskabelse ved brug af data, og har ofte også store mængder data tilgængelig. Men separate systemer, siloer i organisationen og manglende fokus på samlet analyse gør, at forretningspotentialet ikke forløses fuldt ud.

11 Data Hoarder Centrale kendetegn En Data Hoarder virksomhed har som regel styr på indsamling af data og har måske fået opbygget et solidt fundament, hvor der kan høstes data i større mængder. Traditionelle områder som økonomi, produktion og logistik har længe indsamlet data på deres egne processer. Marketingafdelingen ved, hvad kunderne efterspørger og hvilke nyhedsbreve, der bliver åbnet. Kundeservice har statistik på, hvor kunderne har problemer og hvor hurtigt man er istand til at løse dem. Hver især er de forskellige afdelinger gode til at opsummere den viden og skabe værdi i deres egne afdelinger. Centrale udfordringer Problemet er at de forskellige afdelinger ikke deler deres viden på en måde, så der skabes nye løsninger på tværs af organisationen. I den enkelte afdeling føler de heller ikke behov, fordi de kan se værdiskabelsen i deres egen afdeling, og de udfordres ikke af behovet for at tænke på optimering og nye muligheder på tværs af hele organisationens værdikæde. Kundeservice sidder måske med en stribe support-sager, som de optimerer behandlingen af. Men deres viden bliver ikke brugt til at skabe den næste generation af løsninger, som tilfredsstiller kundernes behov bedre. Ligeledes ligger de mange data typisk i separate systemer, så kundernes oplevelse ikke kan følges og optimeres gennem hele kundeforløbet. Sådan kommer Data Hoarder virksomheden videre Ved at oprette en data-analysegruppe, der rækker på tværs af virksomheden, kan man tackle et langt højere niveau af værdiskabelse. Det kræver som regel klar opbakning fra topledelsen. Ledelsen skal facilitere tværgående vidensdeling. Ledelsen bør opstille mål om, at data skal benyttes og forankres på højeste strategiske niveau. På tværs af ledergruppen skal der skabes use-cases der både uddanner og håndgribeliggør værdi og muligheder i forskellige dele af organisationen. MATURITY MATRIX BLUEPRINT _ 11

12 En Data Wizard har som regel formået at skabe en mere helhedsorienteret tilgang til data-baseret konkurrencekraft og vækst. Data, og ikke mindst datadrevne beslutninger, er forankret i virksomhedskulturen, integreret i forretningen og der er klare mål for data-drevet udvikling af markeder, produkter og processer.

13 Data Wizard Centrale kendetegn På grund af deres erfaring vil en Data Wizard typisk have større viden om tendenser i markedet og de vil dermed tidligere end andre se behovet og mulighederne for optimering og forbedringer af processer og produkter. Gennem hurtigere og bedre informerede beslutninger på det strategiske, taktiske og det daglige operationelle niveau, giver dette DATA WIZARDS grundlaget for en konkurrencemæssig fordel og dermed muligheden for at lede deres branche og marked. For de mest modne virksomheder lever data-tilgangen ikke blot i de enkelte afdelinger, men er et integreret værktøj på tværs af centrale funktionsområder. De mest modne DATA WIZARDS forstår at data er en del af grundlaget for udvikling af nye forretningsmodeller, og kan derigennem udfordre de traditionelle branche- og leverance skel. Centrale udfordringer Det afgørende for en Data Wizard er, ikke at begå den fejl at hvile på laurbærrene. Det er om noget en lige så stor udfordring for en Data Wizard at holde sig i fronten af feltet, som det er for en Data Apprentice at bryde igennem muren af manglende kompetencer og investeringer. Det er ikke nok at være best-in-class, hvis det marked man opererer i bliver ramt af markedsændringer, hvor nye forretningsmodeller ændrer alt. En af de helt store udfordringer bliver, at pejle sig ind på, hvor den næste bølge af datadrevne markedsændringer kommer fra, og om man som DATA WIZARD tør disrupte sin egen virksomhed for at forblive relevant. Især i større virksomheder kan manglende agilitet og dermed langsom reaktionstid på forandringer blive en barriere i forhold til at udvikle sig på forkant af de forandringer, som databaseret innovation bringer med sig. Sådan kommer Data Wizard virksomheden videre Topledelsen bør sikre et skarpt fokus på at fastholde data-båret udvikling. Afgørende er dog, at der både er plads til at pleje de eksisterende kunder og at holde øje med de muligheder der opstår for at skabe forandringer i egen branche. Den øverste ledelse skal fastholde det konstante fokus på udvikling baseret på data i alle led. Særligt er det vigtigt at skabe teams og miljøer, der faciliterer agile udviklingsforløb på tværs af organisationen. Endeligt skal ledelsen også sikre, at det er muligt at udvikle forretningsmodeller og produkter der potentielt kan disrupte virksomhedens egne succeser - før konkurrenterne gør det. MATURITY MATRIX BLUEPRINT _ 13

14 Data i 3 dimensioner Tre-dimensionel forandringsmodel DataForBusiness modellen bygger på tre underliggende dimensioner: Virksomhed, Virkelighed og Værdi. Hvor de fire arketyper i DataForBusiness Modenheds Matrixen afbilder det nuværende grundlag for dataanvendelse i en virksomhed, operationaliserer og konkretiserer dimensionerne Virksomhed, Virkelighed og Værdi hvad der skal til for at lave forandringer og forbedringer. Som arketyperne belyser, er dataanvendelse og forandring tæt sammenkoblet med de mange faktorer der påvirker forretningen og arbejdet med data. Værdiskabelsen sker altså ikke kun på baggrund af teknologi og forretningsstrategi, men derimod i et tæt koblet samspil mellem markedet, forretningen, teknologien, strategien og de mennesker der skal anvende teknologien. DataForBusiness Maturity Matrix: data i 3 dimensioner Virksomhed: resurcer og aktiviteter Virkelighed: kultur og strategi Værdiskabelse baseret på data Ressourcer og aktiviteter i virksomheden der har relevans for dataanvendelsen - Data og teknologi - Dataanvendelse - Analysemetoder - Governance/styring Kulturelle og organisatoriske faktorer der påvirker virksomhedens arbejde med data - Strategi - Organisering kompetencer og kultur, - Vilkår og praksis - IT sikkerhed Opnået og potentiel værdi baseret på brug af data - Risici og drift - Marked og produkt - Forretningsmodeller - Udbytte og værdi 14 _ MATURITY MATRIX BLUEPRINT

15 V Virksomhed: Ressourcer og aktiviteter I DataForBusiness modellen belyses Virksomheds-dimensionen via de konkrete ressourcer og aktiviteter, der har relevans for dataanvendelse i virksomheden. Virksomheds-dimensionens fire faktorer kortlægger hvordan virksomheden understøtter brugen af data og hvilke barrierer der er for at for at komme videre DATA OG TEKNOLOGI: Hvilke data er der adgang til og hvilke tekniske ressourcer bruges til dataindsamling og dataanvendelse? DATAANVENDELSE: Hvordan anvendes egne forretningsdata, og hvilke barrierer mødes i anvendelsen af data? ANALYSEMETODER: Hvilke dataanalyser gennemføres i virksomheden, hvilke metoder bruges og hvilke barrierer er der for at analysere data? GOVERNANCE/STYRING: I hvilken grad har virksomheden et fælles datagrundlag til rådighed? Eksempel Det er næsten umuligt for en virksomhed ikke at omgive sig med data, når økonomi-, sags- og tidsregistrering, CRM, ordresystemer, logistiksystemer m.m. registrerer data som en grundlæggende del af IT-systemernes almindelige drift. Disse interne data kan beriges yderligere af eksterne data, fx fra sociale medier, samarbejdspartnere eller GPS-data. Historisk set er disse data blevet indsamlet for understøtte en bestemt arbejdsgang eller som grundlag for at afrapportere status og historik. Viden- og værdiskabelsen sker når virksomheden evner at stille disse data til rådighed for forretningsmæssige beslutninger på tværs. Data i virksomheden kan: - Hjælpe medarbejdere med konkrete beslutninger og prioritering af opgaver. - Opsummeres og analyseres som hjælp for ledelsen. (Regnskaber, salgsprognoser, markedstrends, etc.) - Benyttes til sammenligning med branchetal og grundlag for analyser og ekstern rådgivning. - Standardiseres og sikre gennemsigtighed og vidensdeling. - Skabe fundamentet for udvikling af nye forretningsmodeller og initiativer. MATURITY MATRIX BLUEPRINT _ 15

16 V Virkelighed: Kultur og Strategi I DataForBusiness modellen belyser Virkeligheds-dimensionen de forretningsmæssige, kulturelle eller organisatoriske faktorer, der påvirker virksomhedens arbejde med data - både de overordnede elementer som strategi og de konkrete prioriteringer. Virkeligheds- dimensionen fire faktorer kortlægger hvordan virksomheden i praksis arbejder med udvikling og forbedring af virksomhedens dataanvendelse STRATEGI: Måler virksomheden systematisk på indsatsen vedr. dataanvendelse? ORGANISERING, KOMPETENCER OG KULTUR: Har virksomheden organiseret sig, så der bedst muligt skabes nytteværdi af data? Er der skabt en datadreven kultur med forankring hos topledelsen, hvilke kompetencer er til stede og formår man at skabe viden og værdi på tværs? VILKÅR OG PRAKSIS: Er der barrierer som fx sikkerhed, teknik, organisering, etc, der holder virksomheden tilbage? IT-SIKKERHED: Har virksomheden procedurer for sikker håndtering af data og præcise afgrænsning af, hvem der har adgang til følsomme data? Eksempel Virksomheders succes med at skabe vækst baseret på data, afhænger af, at man arbejder fokuseret med området. Det kræver, at man i virksomheden tackler både interne og eksterne faktorer systematisk - lige fra de overordnede strategier og bearbejdning af firmakulturen til det konkrete arbejde med fx IT-sikkerhed, tekniske ressourcer, etc. En virksomhed, der ønsker data-baseret vækst, bør bl.a. sørge for, at: - Strategier og udviklingsplaner er funderet i reelle tal og tendenser. - Systematisk får bearbejdet og fjernet barrierer som kultur og teknik, som forhindrer brugen af data. - Man har procedurer og processer der mindsker risikoen for dårlig IT-sikkerhed. 16 _ MATURITY MATRIX BLUEPRINT

17 V Værdi: Værdiskabelse baseret på data I DataForBusiness modellen belyser Værdi-dimensionen både den konkret opnåede værdi og den potentielle værdi, som kan skabes. Værdi-dimensionens fire faktorer kortlægger hvorvidt virksomheden benytter data til at spare ressourcer, minimere risici, optimere produktionen og revidere forretningsmodeller RISICI OG DRIFT: Vil data kunne bidrage til indsigt i risikoen for kundeflugt, bedrageri eller IT-sikkerhedstrusler? MARKEDER OG PRODUKTER: Giver data virksomheden mulighed for at komme ind på nye markeder eller udvikle nye produkter? FORRETNINGSMODELLER: Bruger virksomheden data til at revidere forretningsmodellerne? UDBYTTE OG VÆRDI: Bidrager data til at optimere produktionen, optimere marketingindsatser eller spare ressourcer? Eksempel Værdiskabelse er fundamentet for kerneaktiviteter i virksomheder. Optimering af værdiskabelsen sker i stigende grad når virksomheder forstår at værdien skal skabes gennem både en forståelse for vigtigheden af et solidt data fundament og for de omkringliggende kulturelle og strategiske forudsætninger. Mulighederne for at skabe værdi baseret på konkret viden - fakta - opstår især når data deles på tværs af virksomheden, og når der skabes et billede af de risici og muligheder omverdenen byder på. Data i virksomheden kan: - Få indsigt i markedsbevægelser som gør det muligt at skabe helt nye produkter eller helt nye forretningsmodeller. - Skabe transparens og mulighed for at foregribe risici. - Optimere og målrette investeringer på tværs af virksomhedens kerne-funktionsområder. MATURITY MATRIX BLUEPRINT _ 17

18 Forskningen bag #DataForBusiness #DataForBusiness bygger på 14,5 mio. kroner erhvervsfremmende forskningsprojekter fra Industriens Fond Industriens Fond igangsætter projekter der ved hjælp af det gode eksempel viser hvordan virksomheder har haft succes med at analysere (big) data. Ved at konceptualisere den eksisterende viden fra erhvervslivet kan der udvikles modeller og værktøjer til gavn for det brede erhvervsliv. Hvis flere virksomheder udnytter de muligheder, digitaliseringen og de store mængder af tilgængelige data giver for forretningsudvikling og produktionsoptimering, styrkes industrien i Danmark. Virksomheder der indsamler, analyserer og anvender data, er mere produktive end den gennemsnitlige virksomhed. Potentialet for at drage strategisk nytte af data er stort inden for flere områder af en virksomheds virke. Indsamling, bearbejdning og analyse af data er eksempelvis relevant indenfor: - Produktudvikling - Produktionsprocessen - Markedsføring og salg - Brugerforståelse og indsigt i brugeradfærd I forhold til alle disse områder kan relevante data udgøre et beslutningsgrundlag for ledelse og udvikling af en virksomhed. Læs mere på Temaindkaldelse: Big Data _ MATURITY MATRIX BLUEPRINT

19 #DataForBusiness modellen og det tilhørende værktøj er blev til i samarbejde med, og med afsæt i konklusionerne fra, to af forskningsprojekterne drevet under Temaindkaldelse: Big Data fra Industriens Fond. Forskerne i Big Data Big Business projektet har gennem dialog med danske virksomheder identificeret de områder, som aktuelt udgør en hindring i forhold til at skabe værdi af data. I projektet gennemføres fire arbejdspakker, som på forskellig vis hjælper virksomheder til at transformere (Big) Data til profitable forretningsmodeller. Læs mere på blog.cbs.dk/bigdata Formålet med Big Data Business Academy er at skabe større strategisk bevidsthed om Big Data hos ledelsesniveauet i dansk erhvervsliv, samt at opkvalificere danske virksomheder til kommerciel udnyttelse af Big Data. Ambitionen er derfor at gøre Big Data håndgribeligt og lettere forståeligt for dansk erhvervsliv, så virksomheder kan udnytte data som vækstdriver. Big Data Business Academy er blevet til i et samarbejde mellem Alexandra Institut, Teknologisk Institut, DTU, og CLEAN Læs mere på MATURITY MATRIX BLUEPRINT _ 19

20 Data er det nye guld #DataForBusiness har et fælles mål om at styrke dansk erhvervsliv. Alt peger på at data og udnyttelsen af data bliver et helt centralt fokusområde i dansk erhvervsliv i den kommende årrække. Vi ser en masse sjov i sandkassen, hvor virksomheder prøver meget forskelligt. Men nu kommer den afgørende time, hvor man professionelt skal prøve at bygge en forretning op omkring data. Rigtig mange virksomheder vil gerne indsamle data. Men de skal også tjene penge på det. Det er udfordringen. Hvis vi ikke støtter op om transformationen fra idéer hen mod at tjene penge, taber virksomhederne og dermed Danmark som nation. Thomas Ritter, Professor of Market Strategy and Business Development, CBS For mig er data det nye guld. Viden udvikler sig hele tiden. Før var USA s største virksomheder olieindustrien. Nu er det Amazon og Facebook. Det skal vi være bedre til at udnytte i Danmark. Brian Mikkelsen, Erhvervsminister Jeg tror på at adopteringen af Big Data og Kunstig intelligens nu for alvor begynder at slå igennem i mange sektorer. Vi er kommet ind i en ny fase hvor det at bruge Big Data og Kunstig intelligens, er blevet meget nemmere og så er der kommet rigtig mange beviser på effekten af at bruge det. Effekter som eksempelvis højere kundetilfredshed og indtjening. Det giver selskaberne lyst til at investere - Dem der vælger at investere - de vil få en kæmpe fordel i forhold til til dem der ikke gør det. Lars Skovgaard Andersen, Senior Investment Strategist, Danske Bank Data er blodet i årene på digitaliseringen. Det er gennem udnyttelsen af data at vi som virksomheder får mulighed for at binde de mange digitaliseringsinitiativer sammen og løfte værdiskabelsen til et nyt niveau. Nye datadrevne indsigter, kombineret med vores kreativitet og erfaring, vil gøre os i stand til at løse problemer for vores kunder på en mere effektiv måde, producere med mindre spild og se nye forretningsmuligheder i et altid foranderligt marked. Jan Futtrup Kjær, DataForBusiness Formand 20 _ MATURITY MATRIX BLUEPRINT

21 Viden Leder Bedre Sådan skaber DataForBusiness værdi for dig og din virksomhed. Instant Kortlægning Brug 30 minutter, hvorefter du modtager direkte adgang til dit interaktive dashboard med dynamisk rapportering. Benchmark dig mod de bedste, eller se hvor din virksomhed placerer sig i DataForBusiness Modenheds Matrix. Strategisk Afrapportering Hvor langt er I nået - hvor vil I hen? Hjælp til få data forankret hvor det gælder: Rapportér til bestyrelse, topledelse eller arbejdsgrupper om status og fremdrift på virksomhedens værdiskabelse med data. Team dialog værktøj Lav en team-mapping og kortlæg gaps i dit teams situationsopfattelse. Brug kortlægningen som udgangspunkt for videre dialog, til når fremtidige dataprojekter skal operationaliseres og prioriteres. Planlægning; operationalisering og prioritering Få styr på gevinstpotentialer, drivere og barrierer. Brug DataForBusiness til at blive klar til dialog med eksterne partnere og interne stakeholders. Kom igang med det samme: MATURITY MATRIX BLUEPRINT _ 21

22 Forskere, virksomheder og rådgivere veksler data til viden og vækst med #DataForBusiness #DataForBusiness er et af flere projekter fra Networked Business Initiative. Projekterne bygger på et tæt samarbejde mellem forskere, universiteter og centrale spillere fra industrien. Hjørnestenen i samarbejdet er udviklingen af en objektiv, forskningsbaseret og åben standard. Standarden gøres let tilgængelig og operationelt anvendelig som et online værktøj, der frit kan anvendes af den enkelte virksomhed til at kortlægge egen modenhed på det udvalgte område. I forlængelse af kortlægningen giver værktøjet adgang til et netværk af certificerede rådgivere og konsulenter. #DataForBusiness udgør således et økosystem; et netværk af interessenter med fælles interesser i at udvikle det faglige domæne og modne kompetencerne omkring brug af data i danske virksomheder. #DataForBusiness bygger bro mellem forskning og praksis: Gennem det forskningsbaserede værktøj får virksomhederne adgang til et objektivt og datadrevet grundlag at handle ud fra. Dermed står virksomheder stærkere og mere motiverede til handling. 22 _ MATURITY MATRIX BLUEPRINT

23 Bliv #DataForBusiness DK Partner Teknologileverandør? Underviser? Rådgiver? Konsulenthus? Nysgerrig og ambitiøs data ambassadør? #DataForBusiness DK er et initiativ du kan hjælpe med at forme, blot du deler ambitionen om at gøre Danmark og danske virksomheder blandt verdens bedste til at anvende data. Læs mere og bliv en del af økosystemet: NY VIDEN TIL VÆRKTØJSKASSEN Udstyr værktøjskassen med en certificering i DataForBusiness. Som konsulent eller rådgiver kan du bliver certificeret business partner, og dermed bruge Data- ForBusiness sammen med potentielle og eksisterende kunder. Levér værdifulde analyser, rådgivning og handlingsplaner og oplev forbedret balance mellem investeret salgstid og omsætning. NY DATA UNDERSTØTTER FORSKNING OG UNDERVISNING Sammen bygger vi broer, så forskning tager afsæt i data og cases fra virkeligheden og resultaterne derefter kan få nyt liv ude i virksomhederne. Resultaterne bliver til nye værktøjer, publikationer eller nyttig viden til samarbejdspartnere. BRANCHEFORENINGER OG FAGNETVÆRK SKABER NYE MULIGHEDER Ny data, viden og samarbejde håndplukket og udvalgt til din målgruppe. Data- ForBusiness kan være det seneste nye tilbud til dine medlemmer. DIN TEKNOLOGI I CENTRUM Økosystemer giver nye muligheder for at sætte dine partnere og din teknologi i centrum gennem et værktøj der understøtter, at din teknologi bliver en prioriteret løsning i markedet. INSPIRERENDE INPUT TIL TIL DIT NÆSTE EVENT Skal du bruge de nyeste tal, et spændende handlingsorienteret indlæg eller en workshop til dit næste event? Kontakt os. Vi har mulighed for at deltage og støtte op omkring jeres event på flere måder. VI GLÆDER OS TIL AT HØRE FRA DIG. Ring eller skriv en mail, så finder vi ud af hvordan vi sammen kan gøre dine branchekolleger, kunder eller medlemmer klogere og mere konkurrencedygtige gennem anvendelsen af data. Venligst DFB Formand, Jan Futtrup Kjær, Jfk@networkedbusiness.org MATURITY MATRIX BLUEPRINT _ 23

24 Kolofon REDAKTION Christine Kjær Jacobsen Ernst Poulsen Jan Futtrup Kjær DATABEHANDLING Carsten Johansen, Ali Khatam, Louise Nersting DESIGN Victor Nguyen, Dot Noir Networked Business Initiative 2018 Networked Business Initiative Howitzvej 60, 1, Frederiksberg 2000, Denmark Networkedbusiness.org Initiative sponsor DK