Data i fem system som inte pratar med varandra.

Bilden brukar se ungefär likadan ut. En controller som varje måndag hämtar data från fyra olika ställen, klistrar ihop det i Excel och skickar en rapport till ledningsgruppen. En produktionschef som arbetar med siffror från driftsystemet, men när ekonomichefen ställer frågor pratar de om helt andra tal — för de hämtar från olika ställen och räknar lite olika. En logistikchef som inte kan svara på en fråga om leveransprecision förrän en analytiker har spenderat en förmiddag på att sammanställa underlaget.

Var och ett av dessa system fungerar. Det är sammantaget de inte gör.

Kostnaden för utspridd data räknas sällan rakt av. Den syns i mötestid som går åt till att stämma av varifrån siffror kommer. I beslut som skjuts upp för att underlaget är osäkert. I dubbelt arbete när två avdelningar tar fram parallella rapporter som sedan inte stämmer.

Men det finns en konsekvens som är svårare att kvantifiera och ändå troligtvis den dyraste: när folk slutar lita på siffrorna. Controllern som vet att rapporten är "ungefär rätt". Säljchefen som håller en mentalt justerad version av den officiella prognosen. IT-chefen som vet vilka tal man kan lita på och vilka som egentligen är uppskattningar.

Det är inte illojalitet mot organisationen — det är en rationell anpassning till ett system som inte levererar tillförlitlig information. Och det är extremt kostsamt, även om det aldrig dyker upp på en rad i ett bokslut.

Vi har arbetat med det här mönstret i många organisationer. Detaljerna skiftar — andra system, andra processer, andra roller — men grundproblemet är konsekvent. Data finns, men den är utspridd. Det saknas en plats där alla ser samma bild, baserad på samma underlag, med samma definitioner.

I organisationer som har byggt den gemensamma grunden förändras inte bara rapporteringen. Något mer grundläggande händer: diskussionerna i ledningsgruppen handlar om vad som ska göras snarare än om varifrån siffrorna kom. Uppföljning som tog en dag tar en timme. Och när någon ställer en fråga man inte sett förut kan den ofta besvaras samma dag, för underlaget finns samlat.

Retail och produktion är de miljöer där vi sett störst effekt. Att kunna följa upp försäljning per dag i stället för per månad — och koppla det mot lagernivåer och leverantörsled — ändrar hur man styr verksamheten. Man ser trender medan man fortfarande kan göra något åt dem.

Att samla data från flera system på ett ställe är inte komplicerat i sig. Det finns bra teknik för det — plattformar som Microsoft Fabric hanterar den praktiska integrationen mot de flesta affärssystem och databaser som används idag.

Det svårare arbetet är vad som behöver hända innan tekniken sätts in. Vilka definitioner ska gälla? Vad är "en försäljning" — fakturerat, orderlagt, levererat? Vem äger definitionen av "tillgängligt lager"? När siffrorna kommer från fem system behöver det beslutas en gång, tydligt, och sedan gälla konsekvent.

Det beslutet kräver samtal mellan avdelningar som kanske aldrig pratat om det förut. Det är ovanligt att det är tekniken som är hindret — det är organisationsarbetet. Och det är just därför det kräver en partner som förstår både verksamhetssidan och den tekniska implementationen.

Vi brukar rekommendera att börja med det område som skapar mest friktion just nu. Inte en stor plattformssatsning på en gång, utan ett avgränsat problem: den rapport som tar för lång tid att producera, det nyckeltal som ingen litar på, den fråga som alltid kräver att en analytiker lägger en dag på att ta fram svaret.

Löst rätt blir det första steget grunden för allt annat. Och det är lättare att få gehör för en bredare satsning när det första steget redan visar vad som är möjligt.