Data i fem system som inte pratar med varandra.

Bilden brukar se ungefär likadan ut. Varje måndag hämtar controllern data från fyra olika ställen, klistrar ihop den i Excel och skickar en rapport till ledningsgruppen. Produktionschefen arbetar med siffror från driftsystemet, men när ekonomichefen ställer frågor pratar de om helt olika tal, eftersom de hämtar från olika ställen och räknar lite olika. Logistikchefen kan i sin tur inte svara på en fråga om leveransprecision förrän en analytiker har lagt en förmiddag på att sammanställa underlaget. Vart och ett av systemen fungerar alltså, men tillsammans ger de ingen samlad bild.

Vad utspridd data kostar räknas sällan fram rakt av. Däremot syns det i mötestid som går åt till att reda ut varifrån siffrorna kommer, och i beslut som skjuts upp för att underlaget är osäkert. Det syns också när två avdelningar tar fram parallella rapporter som sedan inte stämmer med varandra.

Den dyraste följden är ändå troligen den som är svårast att sätta en siffra på, nämligen att folk slutar lita på siffrorna. Controllern vet att rapporten är "ungefär rätt", och säljchefen bär på en egen, justerad version av den officiella prognosen i huvudet. IT-chefen vet å sin sida vilka tal som går att lita på och vilka som egentligen är uppskattningar.

Ingen av dem är illojal, utan var och en anpassar sig på ett rimligt sätt till siffror som inte håller. Det kostar ändå mycket, även om det aldrig syns på någon rad i bokslutet.

Det här mönstret har vi mött i många organisationer. Systemen och rollerna skiftar, men grundproblemet är detsamma: datan finns men är utspridd, och det saknas en plats där alla ser samma bild byggd på samma underlag och samma definitioner.

Där organisationen har byggt den gemensamma grunden ändras mer än rapporteringen, för i ledningsgruppen börjar diskussionerna handla om vad som ska göras i stället för om varifrån siffrorna kom. Uppföljning som tog en dag tar en timme. När någon ställer en fråga som ingen sett förut går den dessutom ofta att besvara samma dag, eftersom underlaget redan finns samlat.

Störst effekt har vi sett inom retail och produktion. När försäljningen går att följa per dag i stället för per månad, och kopplas mot lagernivåer och leverantörsled, ändras sättet att styra verksamheten. Då syns trenderna medan det fortfarande går att göra något åt dem.

Rent tekniskt är det inte så komplicerat att samla data från flera system på ett ställe. Det finns bra verktyg för det, och plattformar som Microsoft Fabric hanterar själva integrationen mot de flesta affärssystem och databaser som används i dag.

Det svåra kommer innan tekniken sätts in, när det ska bestämmas vilka definitioner som gäller. Räknas "en försäljning" när den är orderlagd, levererad eller fakturerad, och vem äger definitionen av "tillgängligt lager"? När siffrorna kommer från fem system behöver sådant beslutas en gång och sedan gälla överallt.

För att komma dit behöver avdelningar som kanske aldrig pratat om saken sätta sig ner tillsammans, och det är oftare det arbetet än tekniken som tar tid. Den som hjälper er behöver därför kunna leda de samtalen lika väl som att bygga plattformen, så att det är ni som bestämmer definitionerna och vet varför de ser ut som de gör.

Vi brukar rekommendera att börja där det skaver mest just nu, med ett avgränsat problem i stället för en stor plattformssatsning på en gång. Det kan vara rapporten som tar för lång tid att ta fram, eller nyckeltalet som ingen riktigt litar på.

Löses det första steget ordentligt blir det grunden som resten byggs på, och då är det också lättare att få gehör för en bredare satsning eftersom ledningen redan har sett resultatet. Välj gärna den rapport som tar längst tid att få ihop varje vecka och börja där.

Om ni vill gå vidare

Ett bra första steg är att rita upp vilka system en vanlig veckorapport hämtar data från, och var någon för över siffror för hand.

Vill ni göra en bedömning på egen hand har vi en guide med tio tecken på att ni har vuxit ur er BI-lösning. Den tar ungefär tio minuter att gå igenom.

Vill ni ha ett underlag att fatta beslut på finns Datakompassen, förstudien in i en dataplattform. Den tar tre till fyra veckor och har fast pris. Ni får tre prioriterade förslag på vad som ger mest nytta att börja med, en plan för de kommande tolv månaderna och ett prisestimat för det första steget. Därefter bestämmer ni själva om ni vill gå vidare.