Vad kan vi räkna hem?
Idag är stämningen annorlunda. Det handlar inte längre om vad som är tekniskt möjligt att bygga, utan om vad vi faktiskt kan räkna hem. Pendeln har svängt från experimentlusta till en ganska krass ekonomisk verklighet. Musiken från nollräntefesten har tystnat, stroboskopen har slocknat och den brutala takbelysningen har tänts.
Efter år av dopad expansion där "tillväxt" var det enda nyckeltalet, tvingas vi nu in i en nykterhet som branschen kanske behöver. Vi måste sluta se på data och AI som spännande forskningsprojekt och börja behandla dem som det de faktiskt är: investeringar som kräver avkastning.
Förr var "optimering" ett tråkigt ord som man lät någon i källaren syssla med. Idag är optimering den enda strategiska hävstången många företag har kvar för att frigöra kapital till innovation. När topplinjen är svår att påverka på grund av en osäker omvärld, måste vinsten grävas fram ur effektiviseringar på sista raden. Det är slut på gratispengar, och det är dags att datan börjar betala hyra.
Från volym till värde: Slutet för den digitala hamstern
Under det senaste decenniet har många organisationer agerat som digitala hamstrar. Med mantrat "data är den nya oljan" ringande i öronen har vi samlat på oss allt. Vi har fyllt molnlagring med loggar, transaktioner och telematik i tron att den som har mest data när hen dör vinner.
Vi byggde "Data Lakes" som i många fall blev svårnavigerade lagringsplatser där information lades på hög utan tydligt syfte. Vi har byggt pipelines som flyttar data från punkt A till punkt B, men vi har inte alltid stannat upp och frågat vem som faktiskt står vid punkt B och väntar.
Utmaningen inför 2025 är inte volym. Det är inte bristen på data som håller svenska företag tillbaka; det är bristen på relevans och hastighet i hur vi använder den. Företag som Scania har förstått detta skifte. De vet att värdet inte ligger i att ha telematikdata från hundratusentals fordon parkerade på en server. Det är en kostnad. Värdet uppstår först när de kan sälja insikten om hur dessa fordon kan köras mer effektivt till sina kunder.
Detta kräver ett nytt handslag mellan finans och teknik. CFO:n kan inte längre se IT enbart som en kostnadspost (Cost Center) som ska hyvlas varje år. Och CIO:n måste sluta mäta framgång i antal migrerade servrar eller upptid, och börja mäta i kronor och ören.
Det besvärande glappet mellan hype och verklighet
Trots att vi investerat miljarder i Business Intelligence (BI), Data Warehousing och nu senast Generativ AI, kvarstår ett besvärande glapp i de flesta organisationer. Det är avståndet mellan den tekniska potentialen i våra lösningar och de faktiska pengar som syns i årsredovisningen.
Vi är duktiga på att skapa tekniska lösningar. Vi är sämre på att realisera värdet av dem. Vi digitaliserar processer, men vi monetariserar dem inte.
Forskning från MIT Center for Information Systems Research (CISR), ledd av Dr. Barbara Wixom, sätter siffror på detta gap. I studier av globala företag ser man en dramatisk skillnad i avkastning på datainvesteringar mellan de bästa och de sämsta. Skillnaden är femfaldig.
Toppresterande företag utmärker sig genom tre faktorer:
- Ledarskap: Datastrategin ägs av affären, inte av IT-avdelningen.
- Värdestyrning: Man mäter inte bara teknisk leverans, utan faktisk affärsnytta (Value Management).
- Livscykelhantering: Man förstår att en dataprodukt måste förvaltas och utvecklas över tid, inte bara lanseras och glömmas bort.
Vi står alltså inte längre inför en teknikfråga, utan en ledningsfråga. Hur vi väljer att organisera vårt dataarbete – och vilka incitament vi ger för att driva det – avgör om vi blir vinnare eller eftersläntrare i det datadrivna landskapet.
Slutord – Från hype till handling
För många företag krävs en mental omstart. Vi måste börja se på data med samma kritiska blick som vi ser på andra investeringar. Det handlar inte om att bromsa utvecklingen – tvärtom. Det handlar om att styra den rätt.
När vi gör det, kan vi börja frigöra det verkliga värdet av våra datainvesteringar. Men för att komma dit måste vi ställa de obekväma frågorna, mäta på rätt saker och få tekniken att jobba för affären – inte tvärtom.
I min nästa artikel tittar vi närmare på AI-paradoxen, värdering av immateriella datatillgångar och hur svenska företag kan bygga en mer affärsnära datakultur.