Bloggen

Datadrivet beslutsfattande: så kommer du igång

Skriven av Niclas Nässlander | Jan 5, 2024, 4:35:45 PM

Många vill fatta beslut på data, men det blir lätt en dashboard som ingen öppnar. Skillnaden mellan att ha data och att besluta på data ligger i hur frågan ställs och hur svaret når den som beslutar. Här är ett sätt att komma igång.

Vad är datadrivet beslutsfattande?

Datadrivet beslutsfattande är ett arbetssätt där viktiga beslut stöds av fakta från verksamhetens egen data. Det betyder inte att siffrorna beslutar. Det betyder att en person som beslutar ser fakta som hjälper omdömet, i stället för att förlita sig på magkänsla eller den som pratar högst.

Ett datadrivet företag har tre saker: frågor som är formulerade, mått som alla är överens om och data som går att lita på. Saknas något av dem blir diskussionen om siffrorna i stället för om beslutet.

Hur fattar du datadrivna beslut?

  1. Välj ett beslut som återkommer. Till exempel prissättning, inköp eller vilka kunder som ska prioriteras.
  2. Formulera frågan som avgör. Vilka kunder ger hög omsättning men låg marginal?
  3. Bestäm måttet. Marginal per kund, lagrets omsättningshastighet eller tid till betalning.
  4. Hitta data och kontrollera den. Stämmer siffran mot bokföringen?
  5. Gör svaret synligt där beslutet tas. På mötet, inte i en rapport som skickas efteråt.
  6. Följ upp utfallet. Blev det som du trodde, och om inte, varför?

Det sista steget är det som oftast saknas. Utan uppföljning vet du aldrig om beslutsunderlaget var bra.

Vilka mått ska du följa?

Välj få mått och definiera dem skriftligt. Ett mått som betyder olika saker för olika personer skapar mer oenighet än det löser. Skriv ner hur det räknas, varifrån datan kommer och vem som ansvarar för det.

BeslutFrågaMåttDatakälla
PrissättningVilka kunder tjänar vi för lite på?Marginal per kundBokföring och försäljning
InköpVad binder kapital utan att sälja?Lagrets omsättningshastighetLager och inköp
KreditgivningVilka kunder betalar sent?Dagar till betalningKundreskontra
ProjektVilka uppdrag går med förlust?Utfall mot budgetProjektredovisning

Hur säkrar du att datan går att lita på?

Datakvalitet är ett jobb som någon måste äga. Det betyder att varje fält har en ansvarig, att fält har en tydlig betydelse och att datan hålls aktuell. Börja med de fält som måtten använder. Om kundens segment saknas på hälften av kunderna går det inte att jämföra segment.

Det enklaste är att ha data på ett ställe. När ekonomi, order och lager ligger i samma system, som i Visma Net, behöver ingen stämma av mellan filer innan analysen kan börja.

Hur skapar du en datadriven kultur?

En datadriven kultur är inte en utbildning. Den är en vana. Ledningen ställer frågan "vilken data stödjer det?" på mötena, och teamet vet att det är okej att svaret är "vi vet inte än". Börja med ett återkommande möte där ett beslut tas med siffror på bordet.

Ingen vill bli ifrågasatt för att siffrorna visade något obekvämt. Utmana rutinen, inte personen: i stället för att fråga varför något gjorts så, fråga vilken siffra som visar att det fungerar. Då går samtalet framåt.

Vilka verktyg behöver du?

Verktyget ska följa frågan. För frågor som ställs sällan räcker Excel. För frågor som ställs varje månad bör svaret ligga i systemet, så att det är färdigt när någon behöver det. Vill du kunna fråga på vanlig svenska finns AI som arbetar på bolagets egen data.

Confect AI Agent svarar på frågor som vilka kunder som ger hög omsättning men låg marginal, direkt i Visma Net och utifrån bolagets egna siffror. Den körs i en egen instans per kund, och data delas inte och används inte för träning. Svaret är ett underlag. Beslutet fattar du.

Hur vet du att det fungerar?

Mät beslutens kvalitet, inte antal rapporter. Hur ofta fattades beslutet på aktuell data? Hur lång tid tog det från fråga till svar? Gick utfallet åt det håll du trodde? Skriv ner svaren efter varje uppföljning.

Läs mer om AI i svenska bolag i guiden AI i svenska företag 2026.