Strategisk anvendelse af Big Data i det offentligeSådan arbejder en dataunderstøttet organisation

Af: Christian Binggeli-WinterVice President i KMD

WHITE PAPER

2 © KMD 2018

WHITE PAPER

INDHOLD

Resumé

1. Introduktion

2. Paradigmeskiftet er faglig understøttelse

3. Fra kontrol til udvikling

4. Investér i forretningsforståelsen

5. Dataunderstøttet ledelse og organisering

6. Case

7. Gode råd til leverandørsamarbejde

8. KMD og Big Data-kompetencer

9. Fem nøgler til succes

4

5

6

7

8

9

10

12

14

15

3© KMD 2018

STRATEGISK ANVENDELSE AF BIG DATA I DET OFFENTLIGE

RESUMÉ

Big Data er i dag et teknologiområde, der kan finde bred anvendelse i det offentlige i både stor og mindre skala. Teknologierne er i dag så modne, at man mod en relativt lille investering er hurtigt og nemt i gang. Den største gevinst ligger i, at man giver sine medarbejdere muligheden for at angribe udfordringer på en ny måde, så de kan folde deres faglighed ud på nye måder. Dertil kommer, at organisationen kan opnå markante besparelser og et stort kvalitetsløft i ydelsen til borgerne.

Whitepaperet er skrevet til beslutningstagere i offentlige virksomheder, der ønsker at arbejde mere dataunderstøttet. Whitepaperet leverer ikke en fast køreplan for implementering af Big Data-projekter, for projekterne kan or-ganiseres på forskellige måder. Whitepaperet beskriver en grundlæggende datatilgang og en anbefalet organisering af arbejdet for henholdsvis tople-delsen, fagchefen og fagspecialisten.

4 © KMD 2018

WHITE PAPER

1. Introduktion

Neurale netværk. Kunstig intelligens. Algoritmedesign. Databaseret ledelse. Der knytter sig mange populære begreber og vendinger til anvendelsen af Big Data. Hypen har været med til at skærpe interessen for Big Data – med rette. For der ligger store perspektiver i at arbejde mere dataunderstøttet. Men det kan også hurtigt blive abstrakt, når leverandører og teknologieksperter udråber Big Data som en af de væsentligste strømninger i den digitale trans-formation. Der kan være langt fra en keynote-præsentation på en international it-konference til de daglige udfordringer i en dansk kommune. Det gap vil dette whitepaper forsøge at lukke.

Big Data er ikke kun forbeholdt store, internationale virksomheder. Big Data er for alle virksomheder – offentlige som private, store som små. Grebet rig-tigt an er det muligt at komme i gang med Big Data-projekter for en relativt beskeden investering. Det er heller ikke nødvendigt at betegne anvendelsen af Big Data i en kommune som en gennemgribende revolution. Mindre kan gøre det. Et velafgrænset Big Data-projekt kan for mange organisationer være præcis den erfaring, der gør, at Big Data-teknologi bliver håndgribelig og dermed anvendelig i det daglige arbejde. Og lykkedes man først med det ene projekt, vil flere projekter følge efter. Hver gang vil erfaringerne akku-mulere sig i organisationen og løbende hæve det interne kompetence- og forståelsesniveau. For det er faktisk primært det, Big Data handler om: Big Data er er en forretningsstrategi til at udfordre egen praksis og blive klogere.I takt med at mulighederne for at anvende Big Data til analysearbejde er vokset, er berøringsangsten for Big Data vokset tilsvarende. Automatreak-tionen er nogle steder, at Big Data får en snert af overvågningssamfund, når man angriber en problemstilling med en datavinkel. Her er der heldigvis krav om udførlige databehandleraftaler, som i detaljen beskriver, hvad man må bruge data til, så anvendelsen altid er sagligt begrundet. Sådan skal det være. Men frygten for misbrug af data må ikke overskygge det, der bør være den primære opgave, hvilket er at understøtte fagligheden på faglighedens egne præmisser. Det handler ikke om at favorisere datatilgangen fremfor andre tilgange. Det handler om at anvende det beslutningsgrundlag, der kan levere den højeste kvalitet i ydelsen.

Når det handler om det offentlige Danmark, er det vigtigt at understrege, at der ikke ligger teknologiske hindringer i vejen for at arbejde med Big Data. Infrastrukturen, applikationerne og den grundlæggende sikkerhed er gearet til Big Data-projekter. Det er ikke på den teknologiske front, at arbejdet med Big Data er en udfordring. Den primære udfordring er, hvordan man kobler en aktiv handling på de store mængder af data, offentlige organisationer producerer og håndterer hver dag. Den nød er ikke knækket. Endnu. Det bliver den på et tidspunkt, og der er rigtigt meget vundet ved at lægge sig i førersædet for udviklingen.

5© KMD 2018

STRATEGISK ANVENDELSE AF BIG DATA I DET OFFENTLIGE

2. Paradigmeskiftet er faglig understøttelse

I det private erhvervsliv har Big Data-teknologi spillet en afgørende rolle i den digitale revolution. Der findes forretningsmodeller, hvor det primært er algoritmer, der kontrollerer interaktionen mellem en organisation og dens kunder og eksempelvis frister med mersalgsmuligheder a la “Andre har også købt dette produkt”-annonceringer. Denne form for datadrevede processer, hvor det er en kunstig intelligens, der styrer kommunikationsflowet, er ikke så relevant for offentlige organisationer. Måske kun i administrative afdelinger, hvor det kan være en fordel at automatisere arbejdsgange, der bliver genta-get ofte. Men ellers er det at blive en datadrevet organisation ikke målet for offentlige organisationer.

Målet for offentlige virksomheder er at blive en dataunderstøttet organisation. Det vil sige, at man bruger data til at understøtte en fagmedarbejder og hjælper dem til at yde en bedre service overfor borgerne. Viser det sig, at man i samme ombæring kan spare penge, som det ofte er tilfældet med Big Data-projekter, så er det en velkommen sidegevinst. Men det primære formål – og der hvor Big Data reelt markerer et paradigmeskift indenfor offentlig forvaltning – er at understøtte fagligheden i mødet mellem data og mennesker. Det handler om at bringe fageksperterne i spil, så de kan fortælle forretningen, hvilke handlinger der giver bedst mening. Ikke omvendt.

Hvad er big data?Big Data er en samlet betegnelse for indsamling, opbevaring, analyse og fortolkning af store datasæt. Mængden af data, dataformater-nes kompleksitet og den hastighed, data håndteres med – eksempelvis i realtid – kræver avancerede data management-teknologier.

6 © KMD 2018

WHITE PAPER

3. Fra kontrol til udvikling

Inden for det offentlige er der mange, der primært har brugt data til kon-trolindsatser. Eksempelvis til at følge op på karaktergennemsnit, beskæfti-gelsesprocenter, antallet af sociale indsatser og andre områder, hvor data synliggør forskellen mellem målsætninger og virkelighed. Kontrolindsatser kan være udmærkede styringsværktøjer. Men kontrolindsatser indeholder ikke et udviklingsperspektiv. Det er udelukkende et blik, der er vendt bagud i tid.

Med dataunderstøttelse af fagpersoner kan en offentlig organisation blive bedre til at skue fremad i tiden. En kontrolindsats kan dårligt nok kaldes en indsats. For i ordet ‘indsats’ ligger en aktiv handling. Det er lige præcis der, Big Data får værdi og bringer en helt ny ledelsestilgang i spil. For med data- understøttelse af fagligheden stopper en indsats ikke ved, at man konkluderer på baggrund af tal eller statistik.

En dataunderstøttet proces dykker dybere ned i problemerne, så man kan blive klogere på årsagen bag tallene og statistikkerne: Hvorfor har vi eksempelvis så højt et skolefravær? Hvorfor har vi så svært ved at få en bestemt gruppe i arbejde? Hvorfor stiger antallet af anbringelser?

Svarene på de spørgsmål skal fagspecialisterne grave i. Det kan de passende gøre ved at samkøre datakilder fra forskellige fagområder, så man eksempelvis leder efter årsagssammenhænge på kryds og tværs af skoler, daginstitutioner, socialforvaltningen og beskæftigelsesområdet. Lykkedes man med at komme bag tallene og blive klogere på egen praksis, har man bedre forudsætninger for at gøre den fremtidige metode mere effektiv for medarbejderne og den leverede ydelse mere værdifuld for borgerne.

7© KMD 2018

STRATEGISK ANVENDELSE AF BIG DATA I DET OFFENTLIGE

4. INVESTÉR I FORRETNINGSFORSTÅELSEN

Man kan ikke investere i Big Data ved at købe teknologi. Man kan kun investere i Big Data ved at investere i mennesker. Det er mennesker og deres forståelse for at koble virksomhedens kerneforretning sammen med teknologi, der skal drive Big Data-udviklingen frem. Det er velkendt, at mennesker, der både har forretningsforståelse, teknologiindsigt og matematisk tæft, er en mangelvare. Det er en fagdisciplin, der stadig er så forholdsvis ny, at det kan være svært at rekruttere de rigtige profiler til at varetage Big Data-opgaven. Den oftest anvendte betegnelse for disse profiler er Data Scientists. De kan – i hvert fald i teorien – analysere store datasæt på tværs af hardware, software og infra-struktur, samkøre data, sikre datakvalitet, visualisere data, bygge avancerede matematiske modeller og kommunikere indsigten videre til forretningen. Dem, der kan alt det, bliver morgendagens rockstjerner.

I erkendelse af at Data Scientists er svære at rekruttere, bør offentlige orga-nisationer begynde at understøtte fagspecialisterne ude i det yderste led af forretningen med profiler – typisk Business Intelligence-eksperter – der kan forstå den faglige problemstilling og koble den med de rigtige teknologiske værktøjer. I nedenstående model er det de profiler, der ligger i delmængden mellem domæneviden og it. Disse profiler skal ikke placeres centralt og løse opgaver for organisationens it-ansvarlige, som det har været praksis mange steder. De skal placeres decentralt helt ude ved fagspecialisterne, hvor de i en tæt samarbejdsrelation kan assistere forretningen og hjælpe med at dykke ned i konkrete problemstillinger.

Led efter profiler, der kan koble forretningsforståelse og teknologiindsigt i delmængden mellem it og domæneviden.

DOMÆNE-EKSPERTISE

DATALOGIMATEMATIK

8 © KMD 2018

WHITE PAPER

Der findes ikke en fast struktur for, hvordan man organiserer sig for at arbejde mere dataunderstøttet. Det er området for dynamisk til, og det vil typisk afhænge af de enkelte da-taprojekters forankring i organisationen. Men der findes en overordnet tilgang til Big Data og dataunderstøttelse, som skal ind under huden på topledelsen, de enkelte fagchefer og fagspecialisten.

På tværs af ansvarsområder og organisering skal alle roller, der arbejder med dataunderstøttede processer, vænne sig til, at det er en anden måde at træffe beslutninger på. Big Data handler ikke om at øge hastigheden i en beslut-ningsproces eller at automatisere en beslutningsproces, der ikke egner sig til at blive automatiseret. Det handler om at skaffe sig selv tid og skabe både mening og sam-menhæng, før man træffer en beslutning, så den bliver så kvalificeret som muligt.

5. Dataunderstøttet ledelse og organisering

� Topledelsen skal se sig selv som facilitator for Big Da-ta-projekter. Det er direktøren, der med vilje og i hand-ling sætter retningen for resten af organisationen og gør det klart, at faglig udvikling og bedre service hænger nøje sammen med en dataunderstøttet tilgang til or-ganisationens problemstillinger. Som facilitator skal direktøren stille de nødvendige ressourcer til rådighed, så hverken teknologi, kompetencer eller manglende tid spænder ben for Big Data-projekter

� Fagchefen skal betragte sig selv som projektejer af Big Data-projekter. Det er fagchefen, der driver Big Da-ta-projektet og motiverer medarbejderne til at arbejde dataunderstøttet. Mentalt skal fagchefen ændre mind-set. I stedet for at sætte flueben, når data anvendes til at måle en kontrolindsats, skal data i højere grad anvendes til at komme bag om de faglige problemstillinger og understøtte optimeringsmuligheder. Fagchefen skal drives frem af nysgerrighed efter at forstå sammen-hængene indenfor vedkommendes eget fagområde og i samspil med andre fagområder

� Fagspecialisten er den egentlige ekspert på netop hans eller hendes fagområde. Transformationsproces-sen med at arbejde dataunderstøttet ligger i fagspeci-alistens succes gennem et konkret Big Data-projekt. Når en fagspecialist oplever, at data kan være med til at styrke vedkommendes faglighed, sker forvandlingen. Medarbejdere bliver motiveret af at gøre en forskel gennem deres arbejde. Når de kan mærke, at de har bedre forudsætninger for at løse arbejdsopgaverne i hverdagen gennem dataunderstøttelse, bliver incita-mentet til at arbejde med Big Data desto større. Når først erfaringerne fra det første dataprojekt er blevet håndgribelige, og resultaterne er blevet synliggjort, smitter det nemmere af på andre fagområder, andre fagspecialister og deres konkrete problemstillinger. Derfra er man godt i gang med at arbejde Big Data dybt ind i organisationens praksis

9© KMD 2018

STRATEGISK ANVENDELSE AF BIG DATA I DET OFFENTLIGE

6. Case: Aalborg Universitetshospital bruger data til at udvælge patienter til operation

Aalborg Universitetshospital, Farsø, har i flere år arbejdet på at indsamle oplys-ninger fra patienter, som er blevet opereret. På baggrund af oplysninger om lignende patienter hjælper et system, som KMD har været med til at bygge, med at vurdere, om en patient kan forvente den ønskede effekt af opera-tionen. Det nye dataindsamlings- og prædiktionssystem hjælper lægerne med at sikre, at patienter med slidgigt i hofte og knæ får den bedst mulige behandling for netop dem.

- Vi håber, at vi med prædiktionsmodellen i systemet og data kan grave os ned i patientens forhistorie og finde nogle ting, som vi ikke finder, og som patienten måske ikke er opmærksom på er relevante for os, eller som de måske har glemt, siger ledende overlæge på Ortopædkirurgisk Afdeling, Poul Hedevang Christensen.

For at kunne lave systemet har hospitalet de seneste to år fået hjælp af patien-ter, der har svaret på en række spørgeskemaer. I spørgeskemaerne vurderer patienterne deres egen sundhedstilstand. Derudover har en ekspertgruppe bestående af en ekspert inden for knæ- og hofteområdet fra hver region identificeret 68 forskellige risikofaktorer, der i sidste ende kan påvirke resul-tatet af en operation. De indgår sammen med patientdata i systemet og skal hjælpe med at vælge de rigtige patienter ud til operation.

- Databasen er relevant i det øjeblik, hvor vi har den store mellemgruppe med gråzone-patienter, hvor vi er i tvivl om, hvorvidt de vil have gavn af operationen eller ej. De har noget slidgigt, de har nogle symptomer, og når man undersøger dem, er der indskrænkning i bevægelighed. Skemaet kommer ind som det ”fjerde ben” og kan hjælpe med at fortælle os, om der er en større risiko ved den her patient, end vi umiddelbart ser. Hvis der er det, så kan vi pege på, hvad det er, der gør, at vi vælger patienten fra. Som kliniker er det fascinerende at få sådan et redskab, siger Poul Hedevang Christensen.

Systemet spiller en vigtig rolle i hospitalets ambition om at sætte patienten mere i centrum, fordi det gør patienterne til aktive medspillere i deres egen behandling. Baseret på de gode erfaringer håber hospitalet at anvende sys-temet på andre sygdomsområder og i andre regioner i fremtiden.

10 © KMD 2018

WHITE PAPER

Databasen er relevant i det øjeblik, hvor vi har den store mellemgruppe med gråzone-patienter, hvor vi er i tvivl om, hvorvidt de vil have gavn af operationen eller ej.

11© KMD 2018

STRATEGISK ANVENDELSE AF BIG DATA I DET OFFENTLIGE

7. Gode råd til leverandørsamarbejde

Den største risiko ved et Big Data-projekt er, at det ender med at blive orga-niseret og eksekveret som et teknologiprojekt afkoblet fra forretningen. En virksomhed bærer selv en del af ansvaret for, at det ikke sker i den præcise formulering af, hvad et Big Data-projekt skal bruges til. Men en Big Data- leverandør bærer også en stor del af ansvaret for at drive maksimal værdi ud af investeringen. Der er særligt to forhold, man skal være opmærksom på.

For det første skal man lede efter Big Data-leverandører, der kan og vil tage partnerskabet på sig. Et Big Data-projekt er ikke teknologi, der kan afleveres ved dørtrinnet. Et Big Data-projekt er en langsigtet, undersøgende metode til at løse konkrete problemstillinger over tid. Den indstilling skal afspejles i leverandørens tilgang. Fra allerførste møde til afsluttende evaluering.

For det andet skal man lede efter leverandører i markedet, der både har for-retningsforståelsen og teknologiindsigten. Det kræver dyb viden om dataind-samling, dataanalyse, datasamkørsel, datavisualisering og datapræsentation at indgå i et Big Data-projekt. Men den viden har meget lidt værdi, hvis ikke den anvendes indenfor rammerne af organisationens konkrete forretningsud-fordringer. Big Data bliver ofte solgt på forventninger og flotte ord. Men tek-nologien skal rettelig vurderes på evnen til at skabe konkret forretningsværdi.

12 © KMD 2018

WHITE PAPER

13© KMD 2018

STRATEGISK ANVENDELSE AF BIG DATA I DET OFFENTLIGE

8. KMD OG BIG DATA-KOMPETENCER

� KMD er blandt Danmarks førende leverandører af Big Data-løsninger og har ca. 120 medarbejdere, der kom-binerer forretningsforståelse med dyb teknologindsigt indenfor dataadgang, platformskendskab, analytics og konkrete værktøjer

� KMD har dags dato leveret mere end 100 datadrevede projekter til ca. 50 offentlige myndigheder i Danmark

� I et samarbejde leverer KMD kompetencerne indenfor dataadgang, infrastruktur, platform, domæneviden og matematiske kompetencer til et offentligt Big Da-ta-projekt. Den offentlige organisation bidrager med den fagligt forankrede problemstilling og den lokale, specifikke domæneviden

14 © KMD 2018

WHITE PAPER

9. FEM NØGLER TIL SUCCES

1. Chefen faciliterer. I Big Data-sammenhæng er direktørens, ledelsens og fagchefens fornemmeste funktion at rydde sten af vejen, så fagspe-cialisterne kan komme med dataunderstøttede handlingsforslag, der højner kvaliteten af den offentlige ydelse til borgerne

2. Fagligheden skal være i fokus. Data får først forretningsværdi, når en fagspecialist kobler data sammen med en konkret udfordring, forsøger at forstå årsagen til udfordringen og kommer med forslag til at ændre praksis, tilgang og metode. Det kan gøres indenfor et specifikt område, men det kan også gøres i samspil med datakilder fra andre områder

3. Decentral understøttelse. Fagspecialisterne skal have hjælp i hver-dagen til at knuse problemer og yde en bedre service. Det kræver, at forretningen investerer i decentral understøttelse, hvor en it-profil rent fysisk sidder ude i yderste led af forretningen og indgår i et tæt samar-bejde med fagspecialisten

4. Skaf jer selv tænketid. At arbejde dataunderstøttet betyder ikke, at I skal sætte beslutningstempoet i vejret, eller at I skal automatisere ydelser, der ikke egner sig til at blive automatiseret. Det betyder, at I på et kvalificeret datagrundlag giver jer selv ekstra tid, før I træffer faglige beslutninger

5. Tænk stort, begynd småt. Udviklingen indenfor Big Data er gået stærkt, og der er enorme potentialer i teknologien. Men for mange offentlige, danske virksomheder handler det først og fremmest om at komme i gang. Find en konkret forretningsudfordring, få et Big Data-projekt i luften og brug de erfaringer som trædesten til næste projekt, næste igen osv.

15© KMD 2018

STRATEGISK ANVENDELSE AF BIG DATA I DET OFFENTLIGE

© KMD A/S 2018 Lautrupparken 40-42

2750 BallerupTlf. 4460 1000

www.kmd.dk