Problemet er at dataene ligger spredt i hvert sitt fagsystem som er laget for ulike formål. Løsningen er å hente dem ut, rydde dem, gi dem et felles språk og lagre dem samlet i et eget datavarehus. Resultatet er ett datagrunnlag dere kan bruke videre i verktøyene dere allerede har, og som kan brukes videre til analyse, rapportering og på tvers av systemer.
Et datavarehus er en database laget for å samle data fra flere kilder og lagre dem trygt og samlet på ett sted. Det ligger mellom fagsystemene og verktøyene som skal bruke dataene, og er der data samlet fra flere fagsystemer ryddes og lagres før videre bruk. Dataene flyttes ikke ut av systemene de kom fra, og fagsystemene brukes som før. Det som samles i datavarehuset er kopier, organisert slik at de kan brukes på tvers av systemene. Regnskapssystemet fortsetter å håndtere bilag og fakturaer, CRM-et følger kunder og salg, og timeregistreringen registrerer arbeid.
Ettersom kopiene er data som er frigjort fra fagsystemene og er strukturert og dokumentert på en måte som ikke tilhører noe spesifikt ERP eller CRM, er historikken heller ikke like bundet til ett system. Bytter dere regnskapssystem, blir tidligere data liggende i datavarehuset, mens data fra det nye systemet kobles til det samme grunnlaget.
Å samle dataene på ett sted er ikke nok i seg selv til å løse problemet. Om dataene blir liggende slik de kom, har man flyttet rotet i stedet for å løse det. Samme kunde har fortsatt ett kundenummer i regnskapssystemet og et annet i CRM-et, og datoer, kunder og prosjekter kan være registrert på hver sin måte. Derfor standardiseres og struktureres dataene underveis. Oppføringer som viser til samme kunde, leverandør eller prosjekt kobles sammen og det lages en felles versjon. Duplikater blir synlige og slås sammen.
At dataene blir samlet og ryddet betyr likevel ikke at de slettes underveis. Både den opprinnelige og den ryddede versjonen beholdes, slik at dataene alltid kan spores tilbake til kilden. Dataene må også dokumenteres. Det må for eksempel være tydelig hva en tabell inneholder, hvilken periode et felt gjelder, og hvordan et nøkkeltall er beregnet. Når betydningen følger med dataene, slipper hver enkelt person og hvert verktøy å tolke grunnlaget på nytt. Resultatet blir et datagrunnlag som er lettere å forstå, kontrollere og stole på.
Det er her et godt datagrunnlag skiller seg fra en samling filer. Opplysningene fra deres egne fagsystemer kan sjekkes mot og berikes med kilder utenfra som Brønnøysundregistrene og Proff.no. Da blir avvik i blant annet organisasjonsnummer, selskapsnavn, bransje, status og konserntilhørighet synlige, slik at utdaterte eller feilregistrerte opplysninger kan oppdages og korrigeres.
De samme dataene kan også berikes med informasjon om bransje, geografi, selskapsstørrelse, prisutvikling, renter og lønnsvekst og kobles til deres egne data. Når dette kobles til deres egne tall, blir det mulig å se hvordan bedriften deres ligger an sammenlignet med bransjen og med lignende bedrifter, og på hvilke områder bedriften ligger over eller under snittet på en rekke ulike parametre. Da blir det for eksempel mulig å se hvilke bransjer eller områder de mest lønnsomme kundene tilhører, hvor avhengig dere er av enkelte kundegrupper, og hvordan egen kostnadsutvikling står i forhold til utviklingen i markedet. Verdien ligger derfor ikke i å få mest mulig data, men i å få et bedre grunnlag for å forstå tallene og ta mer informerte beslutninger.
Større virksomheter har gjerne egne løsninger. De har ofte egne IT-avdelinger som kan bruke store ressurser på å rydde i data, eller bruker konsulenter til å hente ut data, bygge modeller, dokumentere innholdet og holde løsningen oppdatert. Dette er likevel noe som kan være veldig kostbart, og som mange bedrifter ikke kan eller vil ta seg råd til.
For mange mindre bedrifter har terskelen vært for høy, ettersom det krever spesialistkompetanse både til å bygge løsningen og til å holde den i gang etterpå, og kostnaden har sjelden stått i forhold til nytten. Behovet for et strukturert og samlet datagrunnlag er likevel like reelt som i større selskaper, og det er prislappen og kompleksiteten, ikke nytten, som har vært problemet. Det er dette som nå endrer seg.
Et datavarehus erstatter ikke Power BI eller Excel, men understøtter dem. Det strukturerte og samlede datagrunnlaget gir et riktig og trygt utgangspunkt for BI-verktøyene. Når analysen bygger på et datagrunnlag som er strukturert og godt dokumentert i stedet for å basere seg på rådata fra flere ulike fagsystemer, kan dere bruke mindre tid på klargjøring og å samle data, og få resultater som er pålitelige og enkle å kontrollere.
Det meste av dette skjer i bakgrunnen. Når noe registreres eller endres i fagsystemet, oppdateres datagrunnlaget uten at noen må gjøre noe. Eksporten av data til et rapporteringsverktøy er ikke lenger en stor jobb med sammenstilling av tall, bare siste steg når noe skal over i Excel. Forskjellen fra en vanlig eksport er at tallene allerede er ryddet og satt i sammenheng. Jobben er gjort før filen lages. Det er også her det blir mulig å se på tvers av fagsystemene. Data fra ERP, CRM, timeføring og prosjektverktøy ligger i samme grunnlag, selv om systemene ikke snakker sammen.
Verdien kommer med en gang. Det mest merkbare er kanskje hva man slipper. Ingen eksport fra hvert system hver måned, ingen leting etter hvilken versjon av filen som gjelder, og ingen tvil om hvor et tall kommer fra. Manuell sammenstilling og henting av data fra flere ulike fagsystemer er noe man kan bruke unødvendig mye tid og ressurser på, og som mange helst ville slippe å bruke tiden sin på.
Samtidig legges grunnlaget for videre analyse og bruk av KI. De samme dataene kan senere berikes med flere data fra flere kilder, brukes til nye formål eller gjøres tilgjengelige for andre verktøy uten at bedriften må begynne helt på nytt med å samle data og bygge et nytt datagrunnlag. Et datagrunnlag som dette er ikke bygget for ett bestemt spørsmål. Kommer det nye systemer, nye eiere eller nye krav til rapportering, står grunnlaget der fortsatt. Det er bedriften, og ikke leverandøren, som eier og styrer tilgangen og hva som skjer med datagrunnlaget.
Dette er løsningen: et ryddet, kontrollert og dokumentert datagrunnlag dere selv styrer. Empirion er en slik løsning. Bedriften får sitt eget datavarehus, og en applikasjon der dataene kan ses, kontrolleres og hentes ut, ferdig ryddet. Hvordan bedriften din kommer dit, er tema i neste artikkel.