Data bliver vigtigere og vigtigere til at skabe stærke resultater - uanset om vi snakker det danske erhvervsliv eller Formel 1. Men hvordan gør man det? Få inspiration og læs her, hvordan Kevin Magnussen og Haas-teamet bruger data på tværs af teams til at skabe de bedste resultater.
For nylig talte vi med Danmarks bedste racerkører og den nu tidligere Formel 1-kører Kevin Magnussen og hans tidligere chef Günther Steiner fra det mindre amerikanske Formel 1-hold Haas. Fokus var på deres brug af data til at skabe stærke teams og resultater.
Nu tænker du måske, hvordan du kan koble Formel 1-sportens brug af data til din forretning. Men netop Formel 1 kan for mange forretninger være et blik ind i fremtidens måde at skabe resultater på med data. For Günther Steiner, der selv er motorsportsingeniør, og Kevin Magnussen mener samstemmigt, at en Formel 1-bil i dag ganske enkelt ikke performe uden data. Efter køreren i bilen er data det absolut vigtigste, hvis deres kerneforretning, som er at levere resultater på banen, skal overleve.
Ser du bort fra den noget anderledes kerneforretning i form af en kulfiberfyldt racerbil, der kører rundt på en bane med 300 km/t, så er tilgangen til data den samme, som du bør have i din forretning: Dataen skal integreres, så alle på tværs af teams kan bruge den og komme med input til at skabe bedre resultater. Det står i modsætning til mange virksomheder, der stadig er ved at omstille sig til en ny digital virkelighed, hvor data først nu er på vej ind i kerneforretningen.
Så hvad kan data helt præcist hjælpe med, og hvordan får du den integreret til at styrke din forretning? Det gennemgår vi her med eksempler fra Kevin Magnussen og Günther Steiner.
Hvad kan data hjælpe med?
For mange er det ikke en overraskelse, at verdens førende racersport bruger data. Men det er alligevel fascinerende at høre Kevin Magnussen tale i detaljer om, præcis hvor meget han og de øvrige kørere og Formel 1-teams bruger data.
Selvom Haas-holdet med sin første Formel 1-start i 2015 stadig er en forholdsvis ny spiller, skorter det ikke på effektiv brug af data. Det amerikanske hold bruger hundredevis af data points som input til at skabe bedre resultater. Brugen af data starter længe før en raceweek, fordi kørerne ikke må træne i deres biler, ligesom fodboldspillere træner hver dag på et træningsanlæg. Derfor er den eneste og bedste form for træning at analysere data for, hvordan bilen kan begå sig på den kommende bane, man skal køre.
Haas har så meget data til rådighed, at de kan forudsige den teoretisk bedste omgang på banen for Kevin Magnussen. På den måde kan den 28-årige danske racerkører forberede sig ved at visualisere, hvordan han skal tage hvert enkelt sving, hvor meget han skal træde i pedalen og så videre. Ja, faktisk kan han bede computeren om at gøre det for sig i en simulation, så han får følingen i hænder og fødder af, hvor mange grader rattet skal hælde i et sving, og hvor meget speederen skal trædes på.
En stor del af dataen kommer fra Haas-bilen, hvor der sidder en lang række målere, der lagrer input som data. Det bedste eksempel er målerne på rattet. For hver en lille grad af en vinkel, Kevin Magnussen drejer på rattet, bliver det oplagret som data, som efterfølgende kan bruges til analyse og justering.
Igen tænker du måske, hvordan du kan bruge alt dette i din forretning. Men hvis du kan se bort fra det her unikke eksempel med data på, hvor meget et rat bør hælde til siden i et sving, er der en god portion læring i dette eksempel.
Eksemplet viser, præcis hvor slagkraftig data kan være, hvis du formår at udnytte den. Ved brug af AI og data kan du forudsige hændelser og få input til den bedste tilgang til en opgave. Det kan for eksempel være at få forslag til, hvornår det er bedst at kontakte en kunde, hvornår du skal sætte ind med din nye marketingkampagne og så videre.
Læs også: Kunstig intelligens driver fremtidens e-handel
Data og AI er blevet allemandseje
Det gode er, at du ikke behøver et avanceret setup med IT-ingeniører for at høste din data. I Salesforce arbejder vi for at gøre vores kunder i stand til at levere personlige kundeoplevelser. Det gør vi blandt andet ved at demokratisere adgangen til kunstig intelligens. Du behøver ikke et avanceret setup med IT-ingeniører for at høste din data - og netop derfor har vi skabt Einstein: En kunstig intelligens integreret i alle vores løsninger, der, udover at have et fuldt overblik over al relevant data, er matematisk intelligent og aldrig sover.
Læs også: Mød Einstein - din intelligente assistent
Med Einstein får medarbejdere adgang til en personlig AI-assistent, som skaber et overblik over den guldgrube af data, som alle organisationer ligger inde med, der dog ofte er gemt væk i mails, databaser og andre systemer.
Ideen bag Einstein er enkel. Først analyserer Einstein jeres data. Derefter omdannes disse til konkrete og letforståelige indsigter f.eks. en score mellem 0-100. Sammen med scoren følger også en simpel forklaring på, hvilke faktorer der har påvirket den mest, og hvad man kan gøre, for at forbedre situationen. Med indsigterne i hånden kan jeres medarbejdere træffe bedre beslutninger og skabe mere personlige kunderejser på tværs af afdelinger fra e-commerce og kundeservice til salg og marketing.
Se et samlet overblik over vores Einstein-løsninger her
Prøv vores store guide til Einstein her
Hvordan integrerer jeg data i forretningen?
Vender vi tilbage til Haas-teamet er det tydeligt, at data er en helt grundlæggende del af deres daglige arbejde. De bruger den overalt og på tværs af teams, forklarer Günther Steiner, der er øverste ansvarlige for det sportslige setup i Haas.
Det bedste eksempel er samarbejdet mellem holdets ingeniører og kørere. I tæt samarbejde kigger de på dataen for at vurdere det bedste setup af bilen. Dataen er lagret centralt og er til rådighed for alle, der skal have adgang til den. For eksempel bruger Haas GPS-data til at analysere de andre holds linje på banen. Det input tilpasser de Kevin Magnussen og giver ham, så han kan arbejde med at justere sin egen linje på banen hvis nødvendigt.
Se hvordan SOS International skaber succes med datadrevet forretning
Men en ting er, at alle i Haas har adgang til dataen ét sted. Noget andet er fortolkningen af dataen. Det er den vigtigste udfordring, forklarer Günther Steiner. Her handler det om at oplære folk i Haas-måden at gøre det på, samtidig med at dygtige folk stadig kan komme med deres input til, hvordan dataen kan udnyttes.
En måde, hvorpå din virksomhed kan sikre sig, at dataen bliver fortolket på bedst mulig vis, er ved at have værktøjer, der gør den lettere at fortolke.
Tableau er en digital analytics-platform designet til at hjælpe virksomheder med at overskue og danne brugbar viden ud fra store mængder data og dermed komme i gang med datadrevet forretning. Platformen gør det lettere for alle i en virksomhed at trække indsigter, uden at de skal hive det store Excel-ark frem.
Sådan kommer du i gang med datadrevet forretning
Hvis man som virksomhed overvejer en mere datadrevet tilgang, er der to helt centrale punkter, der skal være på plads, inden man går i gang.
1. Tiltaget om at arbejde mere med datadrevet forretning skal være strategisk forankret. Det vil sige, at ledelsen skal være med i beslutningen. For det tager lang tid at indsamle, bearbejde, forbedre og optimere sin data, så den rent faktisk kan bruges ude i forretningen. Derfor skal man fra start være sikker på, at ledelsen er med på den rejse, der kræves.
2. Find jeres behov. Ligesom Haas har et behov for data til at optimere sin bil, skal I kunne finde det helt konkrete behov i forretningen, før I går i gang med datadrevet forretning.
Hvis du overvejer at gå i gang med datadrevet forretning, kan du læse mere om Tableau her. Softwaren kan hjælpe enhver type virksomhed med lettere at trække indsigter ud fra deres data.
