De senaste åren har vi sett en trend i att samla in data. Oavsett om du sitter på en marknadsavdelning, arbetar med IT eller kommunicerar med kunder i företagets kundtjänst har du troligen hört buzzordet ”datadriven” och märkt av hypen kring att samla in stora mängder data för bästa beslutsunderlag. Resultatet av detta har blivit att bolagen idag sitter på en väldigt stor mängd data. Data som kostar pengar. Men bara för att man samlar in mängder data, innebär det att man då är datadriven?

Absolut inte, hävdar Isabelle Athle och Carl Rydholm, Data Scientists på Acando. De menar istället att företag måste ta ett större och mer ansvarsfullt grepp om sina data och arbeta mer hypotesdrivet. För fullt datadriven blir man först när man säkerställer att rätt data samlas in och när man låter data bli det naturliga valet för att svara på frågor. Detta görs bäst med hjälp av en intuitiv process och ett kontinuerligt hypotesdrivet arbete som involverar hela företaget!

Ni pratar om hypotesdrivet arbete, men vad är egentligen en hypotes?

"För att skapa en bra hypotes måste vi ta fluffet ur frågan"

En hypotes är att tro att någonting ska ge ett visst utfall. Något som är enkelt att testa. Man sätter upp en frågeställning med ett tänkt utfall och sedan arbetar man för att bevisa att utfallet är i enlighet med hypotesen. Att vi inte kan förkasta hypotesen. Helst vill vi ju bevisa att den är sann. Ber du verksamheten om hypoteser kan du få tillbaka allt mellan himmel och jord. Men det gäller att vara specifik. ”Hur många kanaler ska vi kommunicera i?”, är ju en fråga. Om vi istället skriver den som en hypotes skulle den kunna lyda så här: ”Om vi reducerar antalet kanaler med 10% skulle vi få 10% färre klagomål”. Håller vi det till en fråga resonerar vi inte kring resultat. Vi måste helt enkelt ta fluffet ur frågan.

datadriven, data

Hur och varför bör man arbeta med hypoteser?

För att det alltid finns sanningar gömda i data. Genom att arbeta med hypoteser ökar vi antalet saker vi faktiskt vet istället för saker vi tror att vi vet. Med ett agilt förhållningssätt kan vi arbeta strukturerat för att testa de områden och hypoteser man tror ger mest effekt. Där intuitionen kan ge uppslag till hypoteser, ger data det sanna svaret och visar riktningen framåt. Man kan likna det vid en skattjakt där hypotesdrivet arbete hjälper oss hitta affärsnytta gömd i data. Genom att kvantifiera affärsnyttan i varje hypotes arbetar vi med en snabb och iterativ process för att hela tiden mäta om vi drar affärsfördelar.

Läs även

Din kundkommunikation har aldrig varit mindre intressant – men dina kunddata aldrig mer värdefulla →
 

Vilken är största utmaningen ni ser med att få företag att arbeta hypotesdrivet?

"Vi kan använda hypoteser för att lösa gamla frågor och släta ut känslomässig friktion"

Det krävs ofta mod och en ny blick för att ifrågasätta gamla sanningar. Många företag vi hjälper arbetar efter devisen ”What we think we know” medan vårt arbete går ut på att istället hjälpa dem arbeta med förflyttningen mot ”What we do know”, det vill säga vad vi faktiskt vet. Vi träffar ofta personal som är upplärda med gamla sanningar om allt från kundernas preferenser till sortimentsfrågor och prissättning. Ofta upplever vi att man internt fastnat i dialoger och revirtänk baserat på dessa ”sanningar”. Men det är då vi kan hjälpa till att lösa motsättningar i organisationen med hjälp av en analys. En analys där vi benar ut vad vi har för data och hur vi kan simulera motsättningarna för att bevisa rätt väg framåt. I stället för att fastna i ”ord mot ord” kan vi hypotesdrivet genomföra tester för att lösa gamla frågor och släta ut den känslomässiga friktion som ofta har uppstått i organisationen.

Vi omvandlar data till affärer

Läs mer om vårt erbjudande inom Analytics →

Slutligen, vilka tips har ni till företag som vill komma igång och arbeta mer hypotesdrivet?

  • Samla in och prioritera hypoteser
  • Börja med det ni har, småskaligt
  • Arbeta snabbt och iterativt
  • Visualisera resultatet internt för samsyn
  • Arbeta med en sak i taget

Det är svårt att vara objektiv på sin egen hemmaplan. Ta gärna hjälp av någon extern Data Scientist som hjälper er ta fram den ärliga sanningen. Den sanning som era data berättar.