Product Owner
1. Värde, värde och värde! Skapa en tydlig målbild baserad på verksamhetens behov
Ett av de vanligaste problemen vid BI projekt är att man skapar en alldeles för vag målbild och inte har kravställt utifrån verksamhetens behov. Det är väldigt lätt att beställa en BI-lösning utan att specificera vilka konkreta krav den ska uppfylla. Det tolkas som att a BI-lösning ska kunna göra allt, vilket leder till att det slösas resurser och att projektet aldrig blir klart. Detta är ofta ett resultat av för grunt kravarbete, man har inte prioriterat.
Börja med att identifiera din organisations specifika behov. Ta reda på hur framgång och mål mäts, vilka olika roller och användare som finns. Prata med tilltänkta slutanvändare, vilka specifika behov har de för att nå sina mål och hur viktiga är de målen. Det blir grunden för att ta fram en kravställning fokuserad på värde för verksamheten.
Det är först efter ett gediget kravställningsarbete man kan ta fram de lösningar som gör att din verksamhet arbetar effektivare och fattar bättre beslut. Har man inte tiden eller kompetensen själv så är det ofta värt att ta in stöd i form av en erfaren Business Intelligence kravställare.
2. Maximera time-to-value
När man vet vad man vill uppnå så är nästa naturliga steg att bestämma hur man ska ta sig dit. I grund och botten är det frågan om att kombinera rätt folk med rätt teknikval. Du kan sätta ihop ett team av BI-konsulter eller egna resurser. Du kan välja färdiga produkter, mer eller mindre sofistikerade verktyg eller bygga från scratch. Oftast blir det en kombination av allihop. Oavsett hur man gör så kommer det börja dyka upp frågor om funktionalitet.
Exempelvis:
Man har kommit fram till att en vanlig databas kan lösa den kravställning man har på datalagret. Ni blir kontaktade av ett bolag som har ett alternativ. De föreslår att ni köper ett kolumnärt data warehouse (Databastyp som ofta är väl lämpad för komplexa frågor och kan hantera större datamängder) i molnet som kommer kunna hantera vad ni än vill göra, med speciellt fokus på stora datamängder. Det är en fantastisk demo, det är en världsledande produkt som alla stora bolag använder och utvecklarna älskar idén. Så man börjar ställa sig själv frågor exempelvis:
-
Har vi stora datamängder?
-
Behöver systemet hantera stora datamängder?
-
Vad blir kostnaden?
-
Har vi kompetens att implementera ett kolumnärt data warehouse?
-
Kommer bytet till kolumnärt data warehouse ha negativa konsekvenser för de krav vi har i övrigt?
-
Kommer verksamheten kunna ta fram det värde som finns i stora datamängder?
-
Vad är komplexa frågor?
-
Behöver systemet hantera komplexa frågor?
Det finns en oändligt mängd funktionalitet att ta ställning till vid implementationen, och jag gissar att dessa frågor kanske känns överdrivet tekniska för er som kravställare. Men om ni inte hanterar dem kommer de som implementerar lösning att behöva göra det, och de kommer oftast bara ha det tekniska perspektivet. Oavsett är det, i princip, omöjligt att försöka svara på frågorna utan att man helt ändrar kravställningen och att projektet börjar dra ut på tiden.
"Hemligheten är att hålla fast vid den initial kravställningen och fokusera på time-to-value, om stora datamängder inte var ett krav för att uppnå målbilden så behöver man inte ens ställa de frågorna. Den ”enda” fråga som behöver ställas när man möts av ett sådant val är: Om vi väljer det val som kan uppnå målbilden snabbast, hur stor är risken att vi inte kan lösa det senare?"
(Det är självklart mer nyanserat i verkligheten och man ska inte skjuta ner alla idéer som kommer in under implementationen. Dels för att team mår dåligt av det och man dödar innovationsviljan, dels för att det kan komma bra ideer under tiden. Men regeln bör vara att man försöker ta sig mot målet man satt och sparar intressanta saker man hittar längs vägen till senare.)
I fallet ovan så kan slutsatsen snarare vara att man bör lägga sin databas i molnet och inte ha den hos sig själv för att minska risken att det blir en praktisk omöjlighet att hantera stora datamängder i ett senare skede.
Låt kravställningen styra valet av resurser och teknik under implementationen, då kan värde skapas så snabbt som möjligt. Bli inte förförd av funktionalitet. Ett bevisat BI projekt som skapar värde i drift är värt mer än alla teoretiskt perfekta analys-plattformar i världen. Ju snabbare man lanserar en värdeskapande lösning, desto snabbare kan man utvärdera vad nästa steg bör vara.
"Låt kravställningen styra valet av resurser och teknik under implementationen, då kan värde skapas så snabbt som möjligt. Bli inte förförd av funktionalitet."
Vill du ha hjälp med ditt BI-projekt?
Tar du hjälp av Exopen Data Layer i kombination med våra Business Intelligence experter kan vi garantera dig ett lyckat BI-projekt!
Med Exopen Data Layer har vi redan gjort 80% av jobbet av ditt BI-projekt vilket ger dig möjlighet att fokusera på affärsnytta och användande av BI/Analys.
För att skapa en datadriven kultur behöver affärsnytta och användande i hela organisationen vara fokus – inte tekniska detaljer om datalager och kvalitet, det har vi redan löst.
