Preskriptiv analys utgör nästa steg för de som vill fatta de rätta besluten och vässa nyckeltalen. Det inkluderar lösningar som ger faktiska rekommendationer för affärsbeslut – med utgångspunkt från relevant data.
Enterprising organisations are revolutionising their big data strategies through the use of prescriptive analytics
Tanken att använda data som underlag till välgrundade affärsbeslut är på intet sätt ny. Men fokus har framför allt varit på att analysera historisk data för att fatta underbyggda beslut om framtiden. Men tänk om vi kunde ta business intelligence steget längre och få tydliga rekommendationer om vad vi bör göra härnäst? Ja, det händer redan i själva verket, i vår vardag.
Konsumentinriktade webbsidor och appar skapar rekommendationer baserat på användarens data, exempelvis när Adlibris föreslår böcker baserat på köphistorik eller när Netflix tipsar om en tv-serie på grund av vad du tidigare tittat på.
Men till skillnad från exemplen ovan är det inte vanligt att vi får affärsbeslut rekommenderade från våra affärssystem på våra arbetsplatser.
Det är ju inte helt förvånande med tanke på att affärsutmaningar tenderar att vara mer komplexa än att veta vilken film du kanske vill titta på härnäst. Och insatserna är också mycket högre när vi närmar oss frågor som till slut handlar om hur framgångsrika våra företag eller organisationer kommer att vara. frågor såsom: Hur kan vi behålla värdefulla medarbetare? Eller hur kan vi öka intäkterna?
Men nu går vi in i en tid då tydligt rekommenderade affärsbeslut från affärssystem inte längre är science fiction utan kan bli en naturlig del av företags beslutsfattande. Istället för att låta viktiga beslut baseras på knapphändig information eller magkänsla kan vi få rekommendationer baserade på korrekt och aktuell information som hjälper oss att ta trygga och informerade beslut.
Slut på beslutsfattande baserat på magkänsla
Det finns tre huvudtyper av analyser:
- Deskriptiv (ger insikter om vad som hände och varför)
- Prediktiv (förutspår vad som kan hända i framtiden, baserat på olika modeller)
- Preskriptiv (rekommenderar tillvägagångssätt för att uppnå det optimala resultatet).
Den senast kategorin är den nyaste och mest avancerade, vilket naturligtvis också gör den till den mest intressanta för beslutsfattare. I vilka typer av beslut är det då möjligt att dra nytta av preskriptiv analys? Låt oss ta exemplet personalomsättning – en viktig och potentiellt kostsam faktor att hålla koll på.
Oftast bygger insikten om att en medarbetare är på väg att lämna en organisation på magkänslan hos en eller fler arbetsledare inom organisationen. Samtidigt är det viktigt att komma ihåg att det är dyrt att anställa någon. Utöver påtagliga utgifter för annonser och rekryterare tillkommer indirekta kostnader, så som utfasning av den som ska sluta och upplärning av den nyanställde. Beräkningar visar att en felrekrytering i genomsnitt kostar 700 000 kronor. Och många rekryteringar går snett, det visar undersökningar från bland annat Poolia och PWC. Lägg därtill att så kallade ”millenials” utgör en allt större andel av personalstyrkan och att de är benägna att byta jobb oftare än tidigare generationer.
Givet dessa kostnader kan det vara på sin plats att företag utvecklar bättre metoder för att behålla sina medarbetare. Och redan nu har företag i framkant börjat använda sig av preskriptiv analys i sitt strategiarbete.
Framtiden är preskriptiv
De mest innovativa lösningarna kommer i form av interaktiva dashboards som gör att en verksamhet snabbt kan identifiera och förstå riskerna runt, som i exemplet ovan, personalomsättning. Då innefattar mätetalen ett antal högpresterande medarbetare som riskerar lämna företaget under det kommande året, samt beräknade kostnader för att ersätta dem.
Data kan också användas för att definiera de främsta riskfaktorerna för personalomsättning – såsom hur länge personen varit i nuvarande roll, antal arbetsuppgifter och tid mellan befordringar – samt för att synliggöra vilka avdelningar, roller och team som löper störst risk att sluta.
Som ni kan se i exemplet kring personalomsättning finns insikten redan, men nästa steg är ännu mer spännande: lösningar som baserat på data ger faktiska rekommendationer för att säkerställa affärsbeslut som hjälper organisationer att nå sina affärsmål. Och i likhet med Adlibris eller Netflix rekommendationer kommer dessa vara lättillgängliga för chefer genom ett enkelt gränssnitt – utan stöd av IT eller dataanalytiker.
Företag grundar sina tillväxtplaner på analyser därför att alltfler beslut är alldeles för viktiga för att fatta enbart baserat på magkänsla. Då är nästa steg preskriptiv analys; analys som grund för rekommendationer om bästa tillvägagångssätt för att uppnå önskat resultat.
Men all denna intelligens är meningslös om den inte är lättanvänd och tillgänglig för de chefer som behöver den. Moderna analyslösningar bevisar att ”smartare” inte behöver betyda ”krångligare”. Och kanske är det just enkelheten och lättillgängligheten som är mest spännande av allt.
Artikeln är skriven av:
Mattias Bolander, Nordenchef Workday
Om Workday
Workday är en ledande leverantör av professionella molnlösningar för finans och personalhantering. Workday grundades 2005 och erbjuder ekonomihanterings-, personalhanterings- och analyssystem anpassade för världens största företag, utbildningsinstitutioner och myndigheter. Över tusen organisationer, från medelstora företag till Fortune 50-bolag, har valt Workday. Workday är listat på New York-börsen.