Svøm sikkert i et hav af data - en praktisk håndbog til datadrevet ledelse

SVØM SIKKERT I ET HAV AF DATA En praktisk håndbog til at få mere ud af data

Af

Frans Hammer & Carsten Folke Møller

Frans Hammer & Carsten Folke Møller Svøm sikkert i et hav af data En praktisk håndbog til at få mere ud af data 1. udgave, 1. oplag, 2020 © 2020 Dafolo A/S og forfatterne Omslagsdesign og layout: Nathali R. Lassen Forlagsredaktion: Mette Johnsen Elbeck Grafisk produktion: Jypa, Frederikshavn Svanemærket trykkeri 5041 0826 Kopiering fra denne bog kan kun finde sted på de institutioner, der har indgået aftale med COPY-DAN, og kun inden for de i aftalen nævnte rammer.

Forlagsekspedition: Dafolo A/S Suderbovej 22-24 9900 Frederikshavn Tlf. 9620 6666 Fax 9843 1388 E-mail: forlag@dafolo.dk www.skoleportalen.dk - www.dafolo-online.dk - www.dafolo-tools.dk Varenr. 7851 ISBN 978-87-7160-723-9

Hos Dafolo ønsker vi sammen med andre at bidrage og inspirere til, at børn, unge og voksne kan lære, trives og være.

INDHOLD FORORD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 INTRODUKTION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 KAPITEL 1 • MANGE ANSIGTER PÅ DATA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 Adfærdsdata: De kvantitative data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Kvantitative data og big data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Adspurgte data: De kvalitative data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Lederens personlige data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 Datahierarkiet bør brydes ned . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Metodetriangulering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 Guldet i sprækkerne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 Triangulering: Balancen mellem de forskellige typer af data . . . . . . . . . . . . 39 Behovet for at udfordre data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Det datadrevne ”KPI-helvede” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 Kritik af data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 Anekdotisk evidens vs. data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 Det kan du tage med fra kapitlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 KAPITEL 2 • DATA OG ETIK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Dataetik og samfundet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Dataetik og erhvervslivet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Dataetik og individet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Det kan du tage med fra kapitlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

54 58 62 65 70

KAPITEL 3 • DATA OG LEDELSE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 Skrot alle dine data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 Start ikke med data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 Data kræver tillid, tillid, tillid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 Direktørligningen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 Træn dit hold i brugen af data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 Datadrevet / datainformeret / datainspireret . . . . . . . . . . . . . . . . . . . . . . . . . 86 Fra resultatmål til procesmål . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 Det kan du tage med fra kapitlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

KAPITEL 4 • DATA LITERACY: DATAFORSTÅELSE SOM KOMPETENCE . . . . . . . . 94 Data som dialogværktøj . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 Hvilke data har du brug for til at løse din opgave? . . . . . . . . . . . . . . . . . . . . . . 99 Hvordan gør du dine data mere forståelige? . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 Gør data vedkommende for dem, det skal gøre en forskel for . . . . . . . . . . . 104 Dataforståelse kræver tid og uddannelse – og small data . . . . . . . . . . . . . . . 105 Få data helt ind i fingrene . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 Vær mikro-ambitiøs, når det gælder om data . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 Tjeklisten til godt arbejde med data literacy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 Det kan du tage med fra kapitlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 KAPITEL 5 • REDNINGSKRANSEN: DE BEDSTE RÅD, KORT OG KONTANT . . . . . 118 Redningskransen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 TAK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134 LITTERATURLISTE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

FORORD Af Rasmus Ankersen, sportsdirektør i den engelske fodboldklub Brentford FC, bestyrelsesformand for FC Midtjylland og forfatter

Det var på en grå, regnvåd morgen sidst i marts 2014, at min rejse med data for alvor begyndte. Jeg kørte ind på Brentford FCs træningsanlæg på Jersey Road, cirka et kvarters kørsel fra Londons travle Heathrow Airport, for at møde klubbens ejer, Matthew Benham.

På det tidspunkt var det eneste, jeg vidste om Benham, at han var kommet ind i fodboldens verden med en utraditionel baggrund. Han var gambler. Ikke sådan en, der et par gange om ugen udfylder en tipskupon for at få sit ugentlige adrenalinkick. Han var gambler i en helt anden forstand. Over de seneste 15 år havde han bygget sin formue op ved systematisk at udvikle datamodeller og algoritmer med henblik på at kunne forudsige udfaldet af fodboldkampe mere præcist end det globale bettingmarked.

Med hjælp fra mere end 100 statistikere, mange af dem ph.d.er fra Oxford og Cambridge University, havde han vist, hvordan man via klog brug af data kunne disrupte en industri, og nu havde han så besluttet sig for at gøre det samme ved fodboldindustrien, som han havde gjort ved bettingindustrien. Derfor havde han nogle år tidligere købt Brentford FC, den klub han havde fulgt og holdt med, siden han var 12 år gammel.

På tidspunktet for vores møde på Jersey Road i det vestlige London lå Brentford placeret som nummer tre i League 1, den tredjebedste række i engelsk fodbold, og med kun syv kampe tilbage i sæsonen var det ved at spidse til i oprykningskampen. Derfor var det første spørgsmål, jeg stillede Matthew Benham, da vi mødtes: ”Hvad tror du? Rykker I op i år?”

Lad mig sige det sådan, at hans svar mildest talt kom bag på mig. Som livslang fodboldfan havde jeg forventet et svar fyldt med begejstring, men i stedet kiggede Benham tørt på mig og svarede: ”Lige nu er der 42 pro•6•

cents chance for, at vi rykker op.” I det øjeblik gik det op for mig, at jeg havde mødt en mand, der tænkte helt anderledes omkring spillet end nogen, jeg nogensinde havde mødt.

Over den kommende tid udvekslede vi jævnligt ideer om, hvordan man kunne drive en fodboldklub på en ny måde. Kunne man for eksempel bruge data som et våben til at bryde den sammenhæng mellem budget og resultater, som synes at eksistere i fodbold?

Et par måneder senere havde Matthew Benham besluttet at købe en fodboldklub mere, og det endte med at blive FC Midtjylland, den klub jeg havde fulgt og støttet, siden jeg var ganske ung. Jeg blev indsat som bestyrelsesformand i FC Midtjylland og senere sportsdirektør i Brentford med blandt andet den opgave at gøre data til en konkurrencefordel, og det er den rejse, jeg har været på de seneste seks år sammen med en masse dygtige mennesker.

Undervejs er det gået op for mig, at specielt to ting er afgørende for, hvor meget du får ud af data.

Den første indsigt er, at effekten af data i lige så høj grad ligger i kvaliteten af de spørgsmål, du stiller, som den gør i mængden af data, du har til rådighed.

For eksempel er der i fodboldverdenen et missing link mellem dem, jeg vil kalde IQ-folket, og dem, jeg vil kalde EQ (emotional intelligence)folket. IQ-folket er statistikerne, datanørderne, der kan crunche enhver datamængde og sætte det på formel. EQ-folket er de mange trænere med stor erfaring, som typisk følger deres mavefornemmelse i vigtige beslutninger.

I fodboldverdenen kommunikerer IQ-folket og EQ-folket dårligt sammen, og konsekvensen er, at godt nok besvarer IQ-folket en masse spørgsmål ved hjælp af data, men problemet er, at ingen har stillet de spørgsmål, de svarer på.

Derfor er fodboldverdenen gennem de seneste 10 år blevet oversvømmet med ubrugelige data som for eksempel pass completion rates, tackles won og % of possession, der intet forklarer om det, der er vigtigt i fodbold: Hvordan scorer vi mindst ét mål mere end vores modstander?

•7•

Jeg er sikker på, at du i din industri kender til IQ-folket og EQ-folket, og du vil helt sikkert kunne give dine egne eksempler på data, der besvarer spørgsmål, ingen har stillet. Det er nemlig et universelt fænomen. Når mængden af indsamlet data stiger, stiger også vigtigheden af at kunne stille de rigtige spørgsmål.

Den anden indsigt, jeg i mit arbejde med fodboldklubberne er nået frem til gennem de seneste seks år, er, at mange organisationer hævder at være datadrevne, men er det i virkeligheden ikke. Min test for, om du er en datadrevet organisation, er ganske simpel, og den handler om, hvorvidt data er en afgørende komponent i de vigtigste beslutninger i din organisation.

I fodboldverdenen er der mange spændende og progressive dataprojekter, men problemet er, at de ofte foregår i kælderen, udført af to praktikanter, langt væk fra beslutningscentrum. De vigtigste beslutninger i en fodboldklub er, hvilken træner du rekrutterer, hvornår du vælger at skille dig af med ham, hvilke spillere du køber, og hvem du sælger. Hvis ikke data spiller en afgørende rolle i de beslutninger, er du ikke en datadrevet organisation. Skal data være en konkurrencefordel, skal det drives fra toppen.

Google har udtalt, at det mest sexede job i det 21. århundrede bliver en data scientist. Der er helt sikkert noget om snakken, men det bliver lige så sexet at kunne stille de rigtige spørgsmål og drive en kultur, der gør data til en værdsat del af de beslutninger, der potentielt set afgør succes eller fiasko for din organisation.

Det er præcis to af de problemstillinger, som Frans Hammer og Carsten Folke Møller adresserer med Svøm sikkert i et hav af data. Bogen har givet mig flere vinkler og yderligere indsigt i, hvordan vi i de organisationer, jeg driver, kan bruge data endnu mere effektivitet og med endnu større kvalitet, og jeg er sikker på, at du vil få lignende indsigter ved at læse bogen.

•8•

KAPITEL 3

DATA OG LEDELSE Sådan bruger du konkrete data i dit daglige virke som leder I DETTE KAPITEL: Fokus på ledelsesopgaven, når det handler om data, uanset om du er i en datadrevet, datainformeret eller datainspireret organisation. Lær at sætte fokus på de rigtige data, stille de rigtige spørgsmål til data og at bruge data til at skabe tillid og understøtte organisationens formål i stedet for kun at bruge data til kontrol.

”

Hvordan italesætter man som leder data, så det ikke bliver en masse New Public Management og regnearksledelse? Det handler blandt andet om at koble data med fortællinger. Lederne skal kunne holde den lille ledertale om, hvad potentialet i brugen af data er, altså hvad formålet er. I mit virke har vi gjort meget ud af at sige, at bag hvert tal er der skæbner. Jeg kender ingen lærere, som ikke ønsker, at det skal gå deres elever godt, og hvis vi kan bruge tal og data til at flytte de dårligste læsere, så vil det betyde alverden for de skæbners fremtid. Det potentiale er et formål, en god fortælling.

Nikolaj Schnurre, læringschef, Kolding Kommune

Der er gode grunde til, at data i mange sammenhænge har fået en negativ klang – men der er et utal af positive grunde til at bruge data. Det er op til dig som leder at ændre den negative opfattelse, for den rigtige brug • 72 •

af data kan gøre forskellen for dig og din organisation. Det er din opgave at få skabt modtagelighed i organisationen over for den værdi, som data kan tilvejebringe.

Historien om jeres unikke kerneopgave er et afgørende værktøj i arbejdet med at gøre en forskel. Men data gør det ikke selv, tværtimod stiller brugen af data endnu større krav til dig som leder (Danmarks Evalueringsinstitut (EVA), 2014). Det er netop i arbejdet med data, at du får mulighed for at stråle i arbejdet som leder og ikke bare administrator.

For data er ikke nødvendigvis særligt sexede, når det handler om at få din organisation til at rykke ved verden sammen med dig. Data er i sig selv døde og ikke meget meningsfulde for de medarbejdere, der hver dag møder op for noget andet end en fast månedsløn – for eksempel at løse deres kerneopgave eller ønsket om at gøre en forskel.

Data taler ikke ret meget til hjertet – og derfor skal de sættes i spil af dig som leder. Den bedste måde at gøre det på er at have et moralsk formål med den arbejdsopgave, som medarbejderne skal udføre. Så det ikke handler om data, men om en mening med opgaven.

Jagten på organisationernes store formål eller why er der blevet talt meget om igennem 2010erne inspireret af ledelsesguruen Simon Sineks bog Start With Why (Sinek, 2009) eller opfølgeren på dansk Find dit hvorfor (2018), hvor han fremhæver, at mennesker grundlæggende ønsker at være drevet og inspireret af et dybt rodfæstet formål, en sag eller en overbevisning, som er kilden til vores passion og inspiration – og dette formål bør være organisationens primære fokus eller dens why.

Hvorfor er det nu egentligt, at din organisation gør det, den gør? Først når man har styr på det, bør man fokusere på, hvordan og hvad man for eksempel producerer – i hvert fald når man fortæller om organisationens historie.

Dette formål eller why har en særlig værdi, når du skal sætte data i spil. Som Nikolaj Schnurre beskriver det ovenfor, så handler det også om at kunne stille sig op på ølkassen og sælge både kerneopgaven og det faktum, at kerneopgaven kan løses bedre ved hjælp af de rigtige data.

• 73 •

Der er ikke noget værre end at blive slået i hovedet med data, men hvis brugen af data matcher fortællingen om det moralske formål, så bliver de døde data pludselig forvandlet til et levende værktøj. Det er ikke en nem leder-opgave, men det er en effektiv måde at sætte data i spil på til hverdag.

SKROT ALLE DINE DATA

”Hvad hvis vi lavede et lille tankeeksperiment? Forestil dig alle de data, som din organisation producerer, indsamler, behandler og sender ud i systemet. Hvor mange af de data har I for alvor brug for? Hvor mange strukturer har I opbygget for at opsamle alle de data – og giver den samlede mængde af data virkelig mening? Hvad nu, hvis du skrottede alle dine data og processer og startede forfra med spørgsmålet: Hvilke data har du i virkeligheden brug for?

Ina Rosen, ph.d., ekspert i digital transformation, bestyrelsesmedlem

Der er god grund til, at de fleste af de ledere, vi har interviewet til denne bog, og andre, vi har talt med, alle har givet udtryk for, at det ikke just er data, de mangler. Tværtimod, så drukner de i data.

Men ikke nok med det. For som it-chefen i Herning Kommune, Poul Venø, siger det, så bliver der samtidig brugt masser af kræfter på at producere for meget data: ”Mit postulat er, at der bliver brugt masser af tid på at producere data, som stjæler tid, der kunne være blevet brugt direkte på borgere og virksomheder,” er et citat fra Poul Venø, som vi allerede har brugt tidligere i bogen.

Under vores besøg i Herning fortalte Poul Venø endda, hvor han i flere tilfælde havde fundet sager, hvor forskellige medarbejdere havde pro• 74 •

duceret helt de samme data, som hver især blev registreret – og andre tilfælde, hvor der blev produceret data, der blev placeret i et ringbind i et aflåst skab til brug for en eventuel inspektion. Men da han så spurgte den ansvarlige for den eventuelle inspektion, sagde vedkommende, at hun da bare ville trække de nødvendige oplysninger direkte i systemet – så arbejdet med de aflåste ringbind var i bedste fald spild af tid.

Som leder har du ansvaret for mange områder, og ledelsesopgaven er yderst kompleks. Men der er ingen tvivl om, at et af dine ansvarsområder er at bruge data på en meningsfuld måde – og ikke mindst at undgå tidsspild ved at producere data, som ingen alligevel bruger.

Det er derfor, at Ina Rosens tankeeksperiment ovenfor er så tillokkende. For hvem kender ikke til data, som bliver produceret eller indsamlet, men som ikke bliver brugt til noget? Alligevel bliver vi ved med at køre videre i det samme spor og fortrænger måske endda irritationen over det meningsløse arbejde med registrering, dokumentation, data.

Da vi lagde tankeeksperimentet med at skrotte alle data og starte forfra på bordet for Poul Venø, blev hans blik et kort øjeblik ufokuseret, før han grinede lavmælt:

”Hvis vi fjernede alle data? Det ville være en kæmpe opgave, men også en kanon opgave. Det kunne være utroligt spændende. Jeg er helt sikker på, at man så ville kunne optimere meget... Det er jo af historiske grunde, at man har et system, der ikke er tidssvarende i dag. Det er derfor, jeg taler om data i alle typer af fora i organisationen: Hvorfor har vi de data? Hvad skal de anvendes til?

Hvorfor samler vi de data? Hvordan beskytter vi dem?

Poul Venø, it- og digitaliseringschef, Herning Kommune.

Fælles for både Ina Rosens tankeeksperiment og Poul Venøs diskussioner om data i kommunen er spørgsmålet: Hvilke data har du brug for?

• 75 •

Det giver ganske enkelt ikke mening bare at samle data sammen – eller at sætte dine medarbejdere til at producere data – bare for at gøre det. Data er guld værd, men det skal være de rigtige data, ellers kan det være lige meget.

Derfor handler det om få dine medarbejdere til at skaffe de rigtige data, som I skal leve af i morgen og i fremtiden – og ikke bare data for datas skyld. Er det på høje tid at få digitaliseret og måske automatiseret nogle processer for ikke at spilde tid på at samle mere data – eller er det tid til at skrotte data, processer og registreringer, som ikke giver mening?

Det er alt for nemt bare at bede om flere data. For ja, der findes flere data derude, men ”flere” giver ikke mening i sig selv. Du skal derfor kun bede om de data, du faktisk har brug for. Når det gælder dine medarbejdere, så handler det ikke mindst om at stoppe de uendelige krav om mere og mere registrering, mere og mere rapportering, mere og mere dokumentation. Og nej, det er ikke kun en sygdom, der hærger i det offentlige.

Men du skylder dig selv og dine medarbejdere at spørge igen og igen: Hvad skal de data bruges til? Kommer I faktisk at bruge dem? Hvis svaret er nej, så skal du selvfølgelig ikke bede om de data. Ja, selvfølgelig, siger du måske – men hvorfor bliver organisationer så ved med at bede om uendeligt store mængder af meningsløse data, registreringer og dokumentation?

Problemet med den meningsløse opsamling af data er, at data som koncept risikerer at få en negativ klang hos medarbejderne. Hvis de oplever, at de bruger kræfter på at sende data op i systemet, men at de aldrig ser resultater af arbejdet, fordi de behandlede data aldrig bliver sendt retur ned i organisationen, så er det ikke så mærkeligt, at man begynder at se data – registrering, dokumentation, udfyldelse af regneark – som en fjende. Især fordi de fleste jo bare gerne vil have tid til at fokusere på deres kerneopgave uanset om det er læring, service, salg, produktion eller noget helt femte.

Hvis du og den øvrige ledelse formår at reflektere over, hvilke data der er de vigtigste og kun efterspørger data, der reelt er brug for, så kan data

• 76 •

til gengæld være en fantastisk mulighed for skabe et fælles og konkret billede af, hvad din organisation faktisk skal lykkes med i fremtiden.

At produktion af de rigtige data kan blive et værktøj i kampen for at finde ud af, hvad organisationen skal leve af eller lykkes med i fremtiden, fik vi et godt eksempel på, da vi besøgte Jakob Lave, som er udviklingschef i SEGES. SEGES er et fagligt videns- og innovationshus, som er ejet af de danske landmænd og dermed er en del af Landbrug & Fødevarer. ÅRTIER MED DATA I DANSK FØDEVAREPRODUKTION ”Data i landbrugsproduktionen er blevet et afgørende værktøj til at forbedre på alle bæredygtighedsparametre,” forklarer Jakob Lave fra SEGES, Landbrug & Fødevarers innovationshus, om en nutid, hvor det er blevet vigtigt for mange forbrugere både her i landet og i udlandet at efterspørge viden om både klimaregnskab, dyrevelfærd og fødevaresikkerhed. Er fødevaren økologisk, har dyret haft adgang til udearealer, hvor meget vand bliver der brugt til at producere kødet og så videre? ”Det gælder ikke mindst, når vi eksporterer kød. I områder som Afrika, Sydamerika og Asien har man de senere år set fødevareskandaler, der truer sundheden. Kinesiske forbrugere bruger cirka fire gange mere tid på at købe kød end en dansk forbruger, fordi det kan være forbundet med stor risiko at spise fødevaren,” siger Jakob Lave. ”Dansk landbrug har været dybt digitaliseret i meget lang tid. Det betyder, at vi kan bruge data som en klar markedsfordel,” siger han.

• 77 •

SEGES har databaser over landbrugsproduktion, der går langt tilbage – for eksempel Kvægdatabasen. Siden 1960’erne har man her systematisk opdateret store mængder af data på hver eneste ko i Danmark. Via koens øretag kan man derfor blandt andet finde data om koens ydelse, dens genetiske ophav, sygdomshistorik, alder, vægt og stort set alt andet, man kan ønske at vide om den ko. Der findes samme slags data på mange andre områder indenfor landbrugsproduktion. ”Det er noget, vi i langt højere grad kan se som en forretningsmæssig fordel, fordi vi er langt foran mange andre fødevareproducerende lande. Vi er begavet med, at vi har samlet data i rigtig mange år, så vi har data på enkeltdyrsniveau og også plantesæd, og det kan vi bruge helt ude i det yderste led hos forbrugerne,” siger Jakob Lave. ”Når vi eksporterer fødevarer ligger der i dag store krav til dokumentation specielt i forhold til klimabelastning. Vi kan for eksempel svare på, hvor meget vand, der er blevet brugt til at producere et kilo kød,” siger han. ”Når vi har de rigtige data, kan vi bruge dem intelligent, så det for os bliver en markedsfordel at kunne redegøre for bæredygtigheden, og data bruges aktivt til hele tiden at være foran behov og krav, så dansk landbrugsproduktion fortsat er blandt de fødevareeksporterende lande med mindst klimaaftryk pr. produceret enhed,” siger han.

Jakob Lave forklarer, at de kinesiske forbrugere vil give mere for et kilo grisekød, hvis de får de nødvendige data.

Derfor kan fremtiden byde på billeder af den enkelte gris, produktionen og vandtrugene – og måske endda webcams i grisestalden. De rigtige data kan derfor bruges til at ramme de rigtige forbrugere.

• 78 •

Når du har brugt kræfter på at finde ud af, hvilke data du faktisk har behov for, så er du kommet godt i gang med at overleve flodbølgen af data.

For det er i arbejdet med de rigtige data, at vi kan begynde at rykke ved verden. Alligevel skal du ikke starte din opgave med data.

START IKKE MED DATA Det er desværre ikke os alle, der kan stå på skuldrene af folk, der engang i 1960erne begyndte at indtaste data om kvæg i en database på store magnetbånd, så danske landmænd sammen med Jacob Lave og hans folk kan bygge videre på de mange data og skabe de fortællinger bygget på data, som skal få kinesiske forbrugere til at købe dansk kød.

I mangel på din egen kvægdatabase giver det derfor i stedet mening at lægge snakken om data lidt til side. Start i stedet med din vision om, hvor organisationen skal hen. Det er her, ølkassen og den store fortælling om kerneopgaven kommer på banen.

Hvad er det rent faktisk, I gerne vil opnå? Hvor skal I hen – og hvorfor?

Du har nu fokuseret på at vælge de rigtige data – og når du kobler den viden sammen med organisationens formål eller moralske why, så kan du for alvor folde data ud.

I det arbejde er samtalen med dit team mindst lige så relevant som årsrapporterne eller dit store månedlige datadrevne overblik over salget, plejehjemsbeboernes trivsel eller elevernes årlige læseprøve. Det må du aldrig undervurdere værdien af – og derfor er det selvfølgelig helt afgørende, at du formår at skabe koblingen mellem jeres kerneopgave og de data, som bliver produceret og opsamlet.

Sæt derfor data til dialogen, så data bliver noget, som I er vant til at tale om – og som kan give værdi til medarbejderne, fordi du formår at se forbi data og holde fokus rettet mod kerneopgaven og dens moralske why. Læs også mere om data som dialogværktøj i kapitel 4.

• 79 •

DATA KRÆVER TILLID, TILLID, TILLID

”Mit mantra omkring data er, at den måde data bliver anvendt på skal være adfærdspåvirkende.

Måden, vi præsenterer data på, skal gøre, at du ændrer adfærd til noget, som vi tror er bedre.

Lars Elsborg, adm. direktør i Sport24 og G Sport

Indtil nu har vi fokuseret på, at du skal udvælge de rigtige data og ikke bare fokusere på mængden af data – og at det til at begynde med ikke handler om data, men om at skabe den gode fortælling om jeres kerneopgave, jeres raison d’être, jeres moralske why som et fundament for at kunne bruge data effektivt.

Men alle dine fine fortællinger om jeres moralske formål kan falde som vand på en gås, hvis dine medarbejdere i forvejen bare ser dig som en KPI-styret djøf’er, som med alle dine fine ord i virkeligheden bare bruger data til at slå dem i hovedet og kræve endnu flere data af dem.

Hvis du vil sætte data i spil på en effektiv måde, skal du derfor altid sikre dig en solid tillid mellem medarbejderne og ledelsen. Data kan blive en stor barriere mellem dig og dine medarbejdere i stedet for at blive et effektivt værktøj, som I sammen kan bruge i kampen for jeres kerneopgave.

I Lars Elsborgs mantra handler det om at bruge data til at ændre adfærd til noget, som han tror er bedre. Det giver rigtig god mening, og det understreger, at man sætter data i spil med et formål.

Data kan for eksempel være med til at skabe et billede på noget af det, vi ikke ser med det blotte øje. Det kan være at udpege de børn, som er mest udsatte – eller til at hjælpe fodboldspilleren, der alt for ofte skyder på steder på banen, hvor sandsynligheden for succes ikke er høj – eller til at minde salgsassistenten i butikken i Roskilde om, at kunden foran ham tidligere har købt fodboldstøvler, så måske mangler hun lige de tre par strømper, som er på tilbud.

• 80 •

Den største udfordring bliver, at ledelsen ofte har viden om noget, som medarbejderne ikke har. Det centrale spørgsmål er derfor, hvordan du positivt kan få medarbejderen, spilleren eller den øvrige ledelse til at reflektere over de nye muligheder. Nøgleordet her er tillid.

Hvis ikke dine medarbejdere har tillid til dig og din øvrige ledelse, så er der altid en stor risiko for, at den aktive brug af data vil blive opfattet som endnu en mulighed for at trække ledelsens endegyldige sandhed ned over medarbejderne eller bruge dem som en hammer i hovedet – i stedet for en opfattelse af, at du som leder bruger data til at støtte og hjælpe i arbejdet for det fælles mål.

Bruger du data som en hammer til at påtale fejl og mangler, så mister du medarbejdernes tillid. I stedet skal du bruge data til at tale om forbedringer og om at opbygge kapacitet – og på at gøre op med nulfejls-kultur.

Hvis medarbejderne får opfattelsen af, at de data de er med til at producere bliver brugt på en negativ måde, så skaber det selvfølgelig modstand.

Men jo mere din organisation bliver datadrevet eller datainformeret, jo mere tid skal du bruge på at sikre den nødvendige tillid. Det er dit ansvar sammen med den øvrige ledelse at sikre den tillid, så data ikke bliver brugt som en hammer, men som et værktøj, der kan flytte medarbejderne og organisationen.

Du skaber tillid ved at sikre klare rammer, tilstrækkelige ressourcer og fokus på kerneopgaven – og så bør du sikre åbenhed omkring brugen af data både i organisationen og eksternt. Det handler ikke mindst om, hvordan data bliver præsenteret – og hvordan flere medarbejdere bliver bedre til at læse, forstå og bruge data selv. Det vender vi tilbage til i kapitel 4 – nu vil vi i stedet fokusere på, hvorfor det er vigtigere at investere i netop dine medarbejderes forståelse og brug af data end den nyeste, datadrevne teknologi.

• 81 •

DIREKTØRLIGNINGEN

”Næsten alle it-projekter starter med en stor investering i teknologi. Vi bruger som direktører utrolig meget tid på at tale om, hvilken it-løsning vi skal købe. Men hvad nu, hvis vi fik et meget bedre udbytte fra vores investering, hvis vi fokuserede på at skabe det bedst mulige menneskelige grundlag for at udnytte data bedre, udvikle det bedste koncept, sikre den bedste uddannelse?

Lars Elsborg, adm. direktør, Sport 24 og G Sport

Du kan købe verdens bedste tennisketsjere, men du bliver aldrig den næste Caroline Wozniacki uden talent og de berømte 10.000 effektive træningstimer. Du får altså ikke det maksimale udbytte af dit indkøb af ketsjere, hvis du ikke samtidig investerer i din uddannelse.

Så det er måske ikke så overraskende, at du ikke får det maksimale udbytte af dine massive investeringer i teknologi og it-løsninger, hvis du ikke samtidig investerer i dine medarbejderes forståelse for dels at bruge løsningen, dels at bruge data bedre – herunder at udvikle de bedste rammer for, hvordan data skal sættes i spil, skabe de bedste koncepter for, hvordan data kan udnyttes osv.

Som administrerende direktør i en stor kæde af sportsbutikker med 1600 ansatte er Lars Elsborg vant til at træffe store beslutninger på virksomhedens vegne. Det er ham, der under vores interview fortalte os om det, han kalder ”direktørligningen”.

Koncept, viden, nysgerrighed

Teknologi/ it-løsning

= Maksimalt udbytte

10

100

= 10%

100

80

= 80%

Figur 3. Lars Elsborgs direktørligning.

• 82 •

Lars Elsborgs pointe er, at man som ledelse alt for ofte er villig til at investere store beløb i teknologi og it-løsninger, men mindre villig til at investere i den nødvendige træning, så virksomheden får det maksimale af den samlede investering.

I den øverste linje af skemaet ser vi den klassiske direktør-måde at investere, som Lars Elsborg oplever det. Man investerer alt, hvad der skal til – altså 100 – for at få den bedste og mest skinnende it-løsning, men investerer kun, hvad der svarer til 10 i den bedste investering i medarbejderne. Resultatet ser vi til højre, nemlig et udbytte på 10 procent (10*100/100).

Skruer man derimod lidt ned på ambitionerne, når man vælger sin nye teknologiske løsning – i eksemplet 80 af de maksimale 100 – og i stedet skruer helt op til 100, når det handler om at investere i medarbejderne, så giver Lars Elsborgs direktørligning et udbytte på 80 procent (80*100/100). ”Det er meget lettere at investere 10 millioner i den midterste søjle end til venstre, fordi det er mere synligt. Det er en investering, som man sagtens kan synliggøre over for en bestyrelse og en bank, men at sige, at vi kører et uddannelsesforløb, der koster 10 millioner kroner – eller bare 1 million – for at blive bedre datadrevne, så løber de skrigende væk,” siger Lars Elsborg.

Helt så enkel og ligetil som Elsborgs direktørligning er verden naturligvis ikke, især når man tager med i regnestykket, at den nye og avancerede it-løsning måske kan automatisere en række manuelle opgaver, spare tid i administration eller bruge sin store computerkraft til beslutningsstøtte til de menneskelige medarbejdere, som dermed bliver mere produktive.

Men pointen i direktørligningen er alligevel interessant – og den giver et resultat, du som leder bør tænke over. Det handler ikke om at kaste ekstra uddannelse i grams, men om at udvælge de medarbejdere og de områder, hvor en ekstra investering vil kunne mærkes på bundlinjen – uanset om det er optræning af eksisterende medarbejdere eller en investering i for eksempel inhouse Business Intelligence-analytikere, • 83 •

dataanalytikere eller machine learning-specialister – eller at få hjælp fra eksterne eksperter og konsulenter.

Men i mange organisationer ansætter man slet ikke datafolk. Udfordringen er, at data ikke bare skal udstilles, de skal også forberedes og analyseres. Data skal tygges igennem, inden de præsenteres for de fagprofessionelle, og dem der skal implementere den nye viden.

Her er det dog vigtigt at huske på, at data ikke kun handler om viden, men også om forandring. Komplekse forandringer kræver tid og ressourcer. Mange organisationer glemmer helt, som Elsborgs direktørligning også viser, at den største investering ikke bør være i it-løsninger – men det er heller ikke nok bare at investere i kompetente medarbejdere.

Der skal nemlig også investeres i tid. Tid til at medarbejderne og ledelsen på alle niveauer kan tale om data – og reflektere på data og forholde sig til forandringer og nye arbejdsgange, som kommer ud af data. Træning er således helt afgørende.

TRÆN DIT HOLD I BRUGEN AF DATA

”

Data er ikke lig med præstation. Hvis man bliver snydt af data, så taber man. Man skal sammenkoble data med det, der faktisk sker i kampen. Her er præstationsrummet helt afgørende. Hvordan får du skabt ro til at fokusere på din opgave? Det er sindssygt vigtigt.

Kasper Hvidt, sportsdirektør, Astralis Group

Et af verdens bedste e-sportshold inden for spillet Counterstrike er danske Astralis, som er tilknyttet Astralis Group, hvor den tidligere håndboldmålmand Kasper Hvidt er sportsdirektør.

Som det fremgik af kapitel 1, så er Kasper Hvidt næsten besat af data – og det er naturligvis en besættelse, han har taget med ind i sit nye • 84 •

virke. Her fokuserer han benhårdt på at skaffe de rigtige data til Astralisspillerne – og på at skaffe de rigtige omgivelser, så holdet og dets træner kan udfolde sig maksimalt.

Når en tidligere landsholdsspiller som Kasper Hvidt taler om træning og data, opstår der interessante observationer. Og en af disse var vi nødt til at tage med her i bogen.

Kunne man forestille sig, at en håndboldtræner som BjerringbroSilkeborgs Peter Bredsdorff-Larsen eller en fodboldtræner som FCKs Ståle Solbakken eller Al Jaziras fodbolddirektør Mads Davidsen kun ville mødes med deres spillere én gang om ugen, når de skulle i kamp? Og at spillerne så måtte gøre deres bedste uden at være blevet trænet, coachet, have talt om strategi og haft fokus på at udnytte deres evner bedre?

Nej, selvfølgelig ikke. Selv de bedste håndbold- og fodboldspillere træner dag efter dag for at blive bedre til deres håndværk. Det er en investering, som deres hold og træner naturligvis gerne tager, for hvordan skulle de ellers vinde kampe?

Hvorfor er det så, at vi ikke træner medarbejdere i at bruge data og i stedet bare kaster dem ud i det og håber, at de bliver bedre undervejs?

Salgsafdelinger gør det faktisk i mange virksomheder, hvor man helt konkret træner på hinanden for at forbedre sine salgspitches og rådgive kunderne bedst muligt.

Selvfølgelig ville dine medarbejdere også blive bedre til at udnytte data bedre, hvis de blev trænet i det – og gerne som et hold, fordi synergieffekterne på et hold kan ende med at være mere end værdien af de enkelte dele.

På samme måde skal der trænes i at bruge data. Organisationen skal øve og træne. Træne i at tale om data og øve sig at bruge data i deres egen praksis.

Hvis du får skabt den nødvendige ro til, at både du og dine medarbejdere kan finde ind i et præstationsrum, hvor de kan præstere bedre, fordi de sammen lærer at bruge data bedre, så vil resultaterne uden tvivl også blive bedre.

• 85 •

Det handler ikke mindst om at få medarbejderne til at stille spørgsmål til data, som de gerne vil have svar på. Hvordan kan vi bruge data til at løfte de svageste elever? Hvordan kan vi ved hjælp af data hjælpe vores kunder bedre? Hvordan kan vi bruge data til at gøre serviceoplevelsen bedre for borgerne?

At stille spørgsmål til data er med til at skabe ny viden og ny indsigt – og de bedste spørgsmål opstår ofte, når man træner sammen med resten af sit hold.

DATADREVET / DATAINFORMERET / DATAINSPIRERET At arbejde med data handler i høj grad om den praktiske tilgang, men det handler også om en organisatorisk holdning til data. Data skal have et ansigt, men data kræver også forandringer.

På tværs af brancher og sektorer anbefaler eksperter, at man gør sin organisation datadrevet og ikke drevet af holdninger. Det er en proces, som i sig selv kræver store forandringer og ofte overstiger medarbejdernes og organisationens forståelse. Men bør det nu også være målet i sig selv, at alle organisationer skal være datadrevne?

Som vi allerede har beskrevet i kapitel 1, så har data mange ansigter og bør angribes fra flere sider. Der er store fordele ved at udnytte data og blive mere ”datadrevet” som organisation, men ingen bør lade deres holdninger ligge i skuffen. De personlige erfaringer og de kvalitative data fra samtaler på gangene og på kontorerne skal vi ikke slippe, bare fordi vi har såkaldt objektive data.

Selvfølgelig er der masser af situationer, hvor man med fordel kan og skal være hardcore ”datadrevet” og lade sig styre af de rå data. Når algoritmer og data kan placere dine online-annoncer de steder, der giver dig den maksimale effekt til den bedste pris, så skal du selvfølgelig være datadrevet og ikke mærke efter i maven. Når du som pilot sidder i cockpittet, hvor ufattelige mængder af data om trafik og vejrforhold strømmer ind, så vil det næppe være klogt at flyve over Atlanten på ma• 86 •

vefornemmelse som en anden Amelia Earhart. Når du udvikler spil til smartphones og kan lade maskinen knuse data for at få mest indtægt ud af spillerne, så skal du selvfølgelig være datadrevet.

Men hvis du er lærer og skal løfte Victor bedst muligt i dansk, så finder du med sikkerhed ikke alle svarene i et regneark eller en national test. Data kan gøre en kæmpe forskel i arbejdet med Victors danskevner, men som lærer skal du måske mere lade dig informere – eller endda inspirere – af data.

Alle organisationer er forskellige, og alle organisationer har forskellige mål og forudsætninger. Derfor er det også svært at sammenligne forskellige organisationers brug af data, for der er stor forskel på, hvordan en medarbejder skal bruge data til at træffe de bedst mulige beslutninger (Krogstrup, 2006).

Men jo mere indsigt, man har, jo bedre beslutninger, kan man træffe.

På den måde er der ingen forskel på at være læge eller lærer, for det handler om en professionel beslutning om at bygge sin faglighed på bedst mulig viden. Spørgsmålet er bare, hvor drevet professionen skal være af data for at træffe de bedst mulige beslutninger – og hvordan man sikrer det bedste miks af data – hvad enten det handler om kvantitative data, kvalitative data eller egen erfaring, viden og mavefornemmelse.

En pædagogisk leder skal selvfølgelig bruge kvantitative data til at sætte en retning med. Det kan være data på sygefravær, læringsmål, trivselsmålinger og meget andet, men disse data må aldrig stå alene. For den enkelte pædagog eller lærers vurdering og erfaring er også data, men er noget sværere at sætte tal på.

Et af de størst fejlskud på dette område var folkeskolereformen fra 2014. En af de mange udfordringer var, at regeringen og KL satte forventninger til en profession, der ikke havde forudsætninger for at arbejde med kvantitative data, fordi det ikke gav mening kun at måle og bruge data fra en side til at vurdere en bestemt arbejdsindsats.

Udfordringen var todelt. For det første benyttede man en styringslogik, som ikke gav mening inden for feltet. Datamikset mellem det kvanti• 87 •

tative, kvalitative og det pædagogiske personales egen vurdering var forkert. Den anden udfordring var, at der blev stillet krav til en profession, som ikke uden videre kunne omsættes – for det kræver som sagt træning at efterspørge og bruge data rigtigt.

Det er derfor din organisations vigtigste opgave at definere, om den skal datadrive sine beslutninger, datainformere sig – eller lade sig inspirere af data.

Det vigtigste er ikke, hvad din organisation gør, men at ledelsen og organisationen definerer sig selv. Her er opbakningen fra medarbejderne helt central. En god øvelse er at få organisationen og medarbejderne til at give deres egne bud på, om beslutninger skal være datadrevet, datainformeret eller inspireret i data.

Hvis data skal bestemme medarbejdernes handlinger, så er alene debatten om, hvorvidt man ønsker at være datadrevet, datainformeret eller datainspireret, meget værdifuld. Den kan nemlig være med til at skabe en forståelse af data – og af at data sjældent løser alle opgaver og udfordringer. Medarbejderne er stadig centrale og har den direkte indflydelse på deres eget arbejde, så hvis de er med til at indgå i beslutningerne om, hvor og hvor meget data bruges, så er der meget at hente.

Det handler altså ikke om, hvor det er ”bedst” at placere sig i modellen ovenfor, for ingen af de tre veje er den korrekte og bedste. Det handler om at være bevidst om, hvorfor I vælger at være datadrevet, datainformeret eller datainspireret, så I kan stå på mål for valget i et tæt samarbejde med den øvrige organisation.

FRA RESULTATMÅL TIL PROCESMÅL Data bliver som udgangspunkt målstyret mod konkrete mål og tal. Det kan være en bundlinje, tal for sygefravær, antallet af vundne kampe eller et karaktergennemsnit. Det er derfor vigtigt, at ledelsen formår at skabe det rigtige økosystem rundt om organisationen.

• 88 •

Men data er sjældent det endegyldige resultat for din organisation. Det er i stedet en måde at få et kollektivt billede af en bestemt vision. Succesfuldt arbejde med data kræver derfor også forbedringer i organisationen (DuFour & Marzano, 2015).

Når udviklingschef Jakob Lave fra landbrugets videns- og innovationshus SEGES bruger data fra marken både i satellit- og i harehøjde til at rådgive landmændene, så de kan blive bedre til at høste, så er det jo ikke, fordi landmændene har været dårlige. Ambitionen er at få endnu mere ud af produktionen. Arbejdet med data er altså her en proces frem mod et endnu bedre resultat i fremtiden.

Data handler derfor ikke om et skabe et billede af det endegyldige resultat. Ledelsens ansvar er at angive og få teamet eller medarbejderne til at se kritisk og konstruktivt på sit arbejde. Det kan man selvfølgelig også uden data, men det centrale ved at benytte data fra forskellige datakilder er, at de er med til at give et fællesbillede af en bestemt situation eller et område.

Data skal derfor brydes ned til forbedringer i praksis. Det kan ikke hjælpe noget, at ledelsen bare siger ”Vi skal flytte eleverne et klassetrin – det er jeres eget ansvar!”

Data skal omsætte resultater til forbedringer. Uanset om det er læringsudbytte i folkeskolen, høstudbytte for landmænd, manglende omsætning i en virksomhed eller manglende trivsel i en organisation, så er det ledelsens ansvar at hjælpe med at tolke data til konkrete forbedringer.

Der skal derfor langt mere fokus på forbedring og læring frem for styring og KPI’er.

Der er åbenlyst forskel på processer og resultater (Oldengaard, 2016).

Resultater er det, vi kan sætte to streger under. Resultater slipper vi aldrig for, og et fokus på resultater kan også skabe momentum, uanset din organisation. Udfordringen er bare, at jo flere data, du har til rådighed, jo mere synlige bliver resultaterne.

Der er ikke mange medarbejdere, der er blevet bedre ved at blive målt på stort og småt. Tværtimod bliver grisen jo ikke tungere, jo flere gange • 89 •

den bliver vejet. De bedste og mest bæredygtige resultater skabes af ledere, der formår at skabe kollektiv og individuel læring i deres ledelse.

Data har den fordel, at det kan skabe et stærkere billede, men det svære er at få skabt en fælles dialog om det billede, man ser på.

Giv derfor tid til at stille spørgsmål til medarbejderne og få dem til at reflektere på åbne spørgsmål. Glem de spørgsmål, der smager af et svar.

Som leder skal du derfor være nysgerrig på organisationens veje. Tag udgangspunkt i spørgsmål, der starter med ”hvordan” og ikke ”hvorfor”, fordi ”hvorfor” risikerer at blive dømmende og anklagende.

De bedste organisationer er bevidste om, at fejl sker, og det helt centrale er, at ledelse, medarbejdere og organisation lærer af det. Mellemlederne er desværre ofte selv bundet for meget op på deres egne mål og fokuserer på egne karrieremuligheder frem for at arbejde med at forbedre de medarbejdere, de har ansvaret for.

Resultater kommer og går, men processer består. Gode procesmål har organisationen selv indflydelse på. En god ledelsesmæssig refleksion er derfor at sætte procesmål op. Det kan være at få medarbejderne til at se på bestemte data løbende og få dem til at fortælle, hvad de ser og tænker over det. Se et glimrende eksempel på dette hos landmanden Niels Hedermann på side 112.

Du kan ikke som leder tale data uden at tale mål med dine medarbejdere. Det positive ved data er, at det skaber en skive at skyde efter. Det vigtigste er ikke nødvendigvis, om medarbejderne rammer plet, men at de rammer skiven, og I dermed har noget konkret at tale om.

Hold derfor fokus på processerne og forbedringerne, uanset hvor meget du som leder bliver trykket af en ledelse over dig. Data er ikke kun KPI, data er en ramme og et sprog, hvor vi kan få et fælles billede af, hvad der virker bedst. Det er derfor, at mere data ikke kræver mindre ledelse, men mere ledelse. Data kræver ikke nødvendigvis kun viden om digitalisering, men mere viden om at tale med medarbejderne om de billeder, de får.

• 90 •

Det er og bliver ledelsens opgave at italesætte en god og fornuftig fejlkultur. Fejl skaber en god forudsætning for at blive klogere, men hvis medarbejderne eller ledelsen ikke tør at erkende fejl, er det svært at tale om fordringer og slippe data løs. Brug af data kræver derfor langt mere end bare tal og grafer.

REFLEKSIONSSPØRGSMÅL • Hvilke data har I – og hvorfor har I dem?

• Hvilke data har du egentlig behov for til at kunne løse din opgave?

• Har du data, som aldrig bliver brugt til noget?

• Hvis ja, hvorfor samler du dem så stadig?

• Hvis du skrottede alle dine nuværende data og alle krav til at registrere, opsamle og producere data fra dine medarbejdere – hvilke data ville du så begynde at registrere?

• Behandler du dine data med et mindset om at blive bedre eller lære nyt – eller blot til kontrol?

• Sætter I tid af til at arbejde med refleksioner rundt om jeres data?

DET KAN DU TAGE MED FRA KAPITLET: 1. Leg med tanken om at skrotte alle data- og it-systemer. Hvad har din organisation egentlig brug for?

2. Hvis du skal have medarbejderne til at registrere noget, hvordan får de så resultaterne tilbage – og hvad kan de egentlig bruges til?

3. Kend din ledelsesopgave og virksomhedens kerneopgave. Det er vigtigere end at kende data. Data er kun en forudsætning for at løse kerneopgaven.

4. Sæt data til dialog med medarbejderne. Hvad har de brug for i det daglige for at løse deres opgave. Tal om data.

• 91 •

5. Skab tillid. Data er ikke kontrol og KPI, men et fælles billede af organisationen. Data uden spørgsmål er ligegyldige. Start med at spørge ”hvordan” og ikke ”hvorfor”, når du spørger ind til data.

6. Reflekter over, hvorvidt I er en datadrevet, datainformeret eller datainspireret organisation? Hvad vil I faktisk gerne være?

7. Du er som leder også træner for dit hold. Træn dine medarbejdere i at bruge data. De skal ikke kun spille kamp.

8. Tænk på direktørligningen, når der skal købes it-systemer.

TAK Forfatterne vil gerne sende en stor tak til de mange danske ledere og eksperter, som har stillet deres viden og erfaringer til rådighed i arbejdet med denne bog.

Det var fra begyndelsen vores forventning, at vi kunne levere en lettilgængelig bog med udgangspunkt i praktiske perspektiver ved at tale med ledere, som selv har gjort sig overvejelser og erfaringer med at bruge data i dagligdagen, frem for kun at bygge bogen på teori og modeller.

Den forventning har vores møder med jer til fulde levet op til, for I har bidraget med et utal af nye overvejelser og ny viden, som har haft direkte indflydelse på bogens retning. Uden jeres deltagelse var denne bog ikke blevet til, så endnu engang tusind tak.

En særlig tak til Arthur Hotels i København (Kong Arthur og Ibsens Hotel) for de mange timer, I har givet os lov til at skrive på denne bog i jeres lokaler - og for de mange kopper kaffe, I har serveret for os undervejs.

Frans Hammer & Carsten Folke Møller Juni 2020

• 134 •

LITTERATURLISTE Bhargava, R., Deahl, E., Letouzé, E., Noonan, A., Sangokoya, D., Shoup, N. (2015). Beyond Data-Literacy: Reinventing Community Engagement in the Age of Data. Data-Pop Alliance White Paper Series.

DuFour, R. & Marzano, R.J. (2015). Ledere af Læring. Hvordan ledere i forvaltning, skole og klasseværelse fremmer elevernes læring. Frederikshavn: Dafolo.

Danmarks Evalueringsinstitut (EVA) (2014). Et bevidst blik på alle elevers læring. København: Danmarks Evalueringsinstitut.

Fuglsang, L. & Bitsch Olsen, P. (2009). Videnskabsteori på tværs af fagkulturer og paradigmer i samfundsvidenskaberne. Roskilde: Roskilde Universitetsforlag Gladwell, M. (2008). Outliers: The Story of Success. Boston, MA: Little, Brown and Company Hansen, T. (2000). Hukommelsesanalyse: En alternativ kvalitativ metode. København: Samfundslitteratur Krogstrup, H. K. (2006). Evalueringsmodeller. København: Hans Reitzels Forlag Lunde, N. (2019). Nekrolog over Lars Larsen. Børsen, 19. august 2019 Læsøe, S. R. (2019). ”Sygeplejerske er dødtræt af pseudoarbejde: Hvad gavner det en døende person, at jeg skal spørge ind til deres sexliv?”

Læserbrev i Politiken. Lokaliseret på: https://politiken.dk/debat/ kroniken/art7082038/Hvad-gavner-det-en-døende-person-at-jeg-skalspørge-ind-til-deres-sexliv Oldengaard, C. (2016). Mentaltræning i sportens verden: 6 konkrete værktøjer til at udvikle din mentale styrke og præstere bedre.

Skanderborg: Hørdum & Engelbreth Ploug, T. Debatindlæg på Altinget.dk, 4. april 2018 Sinek, S. (2009). Start with Why. New York: Portfolio/Penguin

• 135 •

Sinek, S. (2018). Find dit hvorfor. Frederikshavn: Dafolo.

Hasselbalch, G. & Tranberg, P. (2016). Dataetik: Den nye konkurrencefordel. København: Publishare Østbye, H., Helland, K., Knapskog, K., Larsen, L.O., & Moe, H. (1997).

Metodebok for mediefag. Bergen: Fagbokforlaget

FØLGENDE PERSONER OPTRÆDER SOM KILDER I BOGEN • Carstensen, Dieter. Director, Head of Digital Child Safety, LEGO • Christensen, Lars. O.D. ph.d. og hjerneforsker. Var under interviewet rådgiver for FC Midtjylland • Davidsen, Mads. Fodbolddirektør, Al Jazira Club, De Forenede Arabiske Emirater • Elsborg, Lars. Adm. direktør, Sport24 og bestyrelsesformand Hshop.dk • Hvidt, Kasper. Tidligere håndboldspiller, sportsdirektør for Astralis Group • Lave, Jacob. Udviklingschef, SEGES • Reichstein, Lasse. Skoleleder, Hellerup Skole • Rosen, Ina. Direktør, Ph.d. Ekspert i digital transformation, bestyrelsesmedlem • Schnurre, Nikolaj. Læringschef i Kolding Kommune • Skibsted, Kim Nøhr. Fondsdirektør, Poul Due Jensens Fond. Var under interviewet kommunikationsdirektør i Grundfos • Venø, Poul. It- og digitaliseringschef i Herning Kommune

• 136 •