Månedlige arkiver: desember 2023

Hvordan balansere kostnader og innovasjon når bedriften vokser?

Postet den av
Svar

Vi starter med å jobber for kunden, og ender opp med å jobbe for økonomisjefen…

(Denne bloggposten ble først publisert på bloggen til Comunita, et ledernettverk jeg har startet sammen med Haakon Gellein. Der diskuterer vi medlemmenes utfordringer – i dette tilfelle en stor organisasjon som ønsker å bli mer datadrevet – og jeg skriver blogginnlegg som forberedelse til disse møtene. Vi tar opp nye medlemmer etter vurdering – ta kontakt om du ønsker mer informasjon.)

Innovasjon er et honnørord – alle vil vi være innovative. Når en bedrifter er i startfasen, er innovasjon i høysetet – alle vet hva man holder på med, alle vet hvem kunden er (eller i alle fall at man må lete etter en kunde), og koordinering er enkelt, siden alle kjenner alle.

Men bedrifter vokser, og etterhvert som de vokser, endrer de seg. Selv i en verden med instant digital kommunikasjon er det vanskelig å styre og koordinere daglig arbeid – og enda vanskeligere å lede innovasjon. Med vekst kommer rutiner, systemer, komiteer og hierarkier – ikke fordi man vil, men fordi man må.

Så man innfører rutiner og kontroller, vanligvis ved å sette opp møter og spesifikasjoner, som regel ved at de som står for innovasjonen på forhånd må spesifisere hva de kan tenke seg og gjøre, hva det kommer til å koste, og hva som skal produseres. Så presenteres de ulike aktivitetene for en ledelsesgruppe, som så treffer vedtak om hva som skal gjøres, til hvilket budsjett.

Resultatet er at de som skal drive med innovasjon, bruker mesteparten av tiden sin til å forsøke å estimere hva de skal gjøre, og til å rapportere graden av måloppnåelse, definert som i hvilken grad man har fulgt spesifikasjonen, heller enn om man faktisk har fått til noen innovasjon.

Hvordan unngå dette?

Vel, man kan jo begynne med å forsøke å forstå hvordan bedrifter utvikler seg over tid.

Kriser og revolusjoner

En av mine tidlige favorittartikler er Larry Greiners Evolution and Revolution as Organizations Grow, først publisert i 1972, som beskriver fem utviklingsfaser organisasjoner gjennomgår når de vokser. Hver fase starter med en periode med stabil vekst eller «evolusjon» og avsluttes med en ledelseskrise eller «revolusjon» – der neste fase er løsningen på problemer som oppstår i forrige fase.

De fem fasene er:

  1. Kreativitet: Entreprenørfasen, der vekst skjer gjennom kreativitiet og kontrollrutinene er uformelle, alle har felles interesse i at selskapet overlever. Etterhvert som selskapet blir større, oppstår en krise oppstår på grunn av manglende administrativt lederskap.
  2. Styring: Vekst gjennom lederskap (ofte fordi profesjonelle ledere kommer inn, så gründerne kan konsentrere seg om utvikling. Antall lag i hierarkiet øker, ofte ved at man ansetter funksjonelle spesialister. Krisen kommer gjerne fordi ting blir for sentralisert, og lederne ikke klarer å rekke over et større antall ansatte med ulik bakgrunn og motivasjon, og de ansatte etterhvert
  3. Delegasjon: For mye sentralisering fremtvinger desentralisering gjennom delegering – man gir deler av organisasjonen mer selvstendighet, men innfører samtidig ulike former for utfallsbaserte kontrollsystemer – egen P&L for underenheter, for eksempel. Neste krise kommer når antall enheter blir for mange og går i veien for hverandre.
  4. Koordinering: I den neste fasen skapes vekst gjennom koordinering – både organisatorisk og systemisk. Typisk reorganiserer man etter produkt, geografi eller marked, med en konsernledelse på toppen. Krisen her kommer ved at byråkratiet øker (særlig, vil jeg mene, mellom strategiske forretningsenheter) og man får situasjoner der det er lettere å gjøre nye ting sammen med enheter utenfor organisasjonen enn innenfor.
  5. Samarbeid: I den femte fasen fokuserer man på samarbeid og forsøker å ta et mer overordnet, prinsipporientert lederskap, med fleksible team som settes sammen for å løse oppgaver på tvers av enheter.

I hver av fasene bruker man ulike lederstiler, belønningssystemer og organisasjonsstrukturer, summert i denne tabellen:

Greiners artikkel er over 50 år gammel, men bekrefter i alle fall for meg noe jeg egentlig av visst lenge: Mye av det vi oppfatter som nyere forskning og forfatterskap er egentlig drøvtygging av ting som ble skrevet for lenge siden. Selv om man kan finne tegn på at Greiners artikkel er litt gammeldags – det er få som snakker om matriseorganisering som et sluttpunkt i dag, for eksempel – så er de fleste av observasjonene noe strateger og ledere kan kjenne seg igjen i. Og vet man om fasene, kan man gjøre noe for å hindre neste krise eller i alle fall være klar over at den kan komme.

Budsjetter og innovasjon

Innovasjonprosesser vil også endres ettersom man går gjennom disse krisene. Dette er et blogginnlegg og ikke noen akademisk artikkel (det kommer kanskje senere), men her er noen raske tanker om hva jeg mener man kan gjøre for ikke å havne i de ulike fellene:

  • Fra fase 1 til 2: Faren er at man administrerer innovasjon som andre prosjekter, ved å kreve detaljerte estimater av kostnader og spesifikasjoner av utfall. Bedre å budsjettere basert på standardaktiviteter – work packages, for eksempel, slik man gjør innen forskningsprosjekter, eller definerte standardprosekter, som er et konsept innen beyond budgeting. Porteføljestyring vil også hjelpe, spesielt hvis man setter mål for hva slags type innovasjonsprosjekter man skal ha og hvor stor del av porteføljen som skal være innenfor ulike risikoklasser (see denne boken av Peter Weill og andre for en god spesifikasjon på hvordan dette gjøres.)
  • Fra fase 2 til 3: I overgangen fra direkte kontroll til insentiv-baserte strukturer er faren at fordi innovasjon driver individuelle bonuser, blir det vanskeligere å dele innovasjoner på tvers av organisasjonen: Den som lager innovasjonen, tar også kostnaden, og det er billigere å kopiere noen andre enn å gå først selv. Smarte organisasjoner belønner deling og kopiering, både for de som blir kopiert, og de som kopierer og videreutvikler.
  • Fra fase 3 til 4: I denne overgangen er organisasjonen blitt så stor – og lagene så mange – at man rett og slett ikke vet om hva som finnes internt, selv av innovasjoner som ønskes delt og kopiert. Et annet problem her er at siden flere store deler av organisasjonen har egne kundegrensesnitt – digitale eller analoge – blir det vanskeligere å gjøre innovasjoner for hele organisasjonen, også fordi konsernledelsen gjerne er nokså tynt bemannet. Løsningen ligger i rutiner for utveksling av innovasjon gjennom tiltak om interne innovasjonskonferanser og digitale utvekslingsfora, for eksempel.
  • Fra fase 4 til 5 (og jeg er klar over at disse fasene blir vagere etterhvert): For meg er farene her litt mer uklare, men tiltak man ofte ser i innovasjonsorienterte firma i denne størrelsen handler om ting som investeringer i startups, sabbatsordninger for ledere der de eksponeres for innovasjonsbedrifter og -miljøer, og tid og ressurser satt av for at ansatte, særlig innenfor forretningsutvikling, skal gjøre ting ikke er direkte relatert til organisasjonens kjernevirksomhet. Tanken er at innovasjon oppstår ved at folk utsettes for noe nytt – at man «kompliserer seg selv», for å sitere en klassiker innen organisasjonspsykologien.

Rent konkret

Egentlig er det ikke så vanskelig: Innovasjon får man ved å ansette smarte mennesker, sette dem fri til å gjøre ting bedre, og følge dem opp uten å tvinge dem til å si hva de skal finne opp før de vet det selv. Displinerte prosesser for eksperimentering – som Finn.no gjør, et av mine mest brukte eksempler – hjelper, men ingen prosess, budsjetteringsmetode, eller ledelsesfilosofi seg selv vil noensinne garantere innovasjon. Til det trenger man tillit, intelligens, og en smule flaks, rett og slett.

Lykke til!

Referanser:

Hva vil det si å være datadrevet: Et strategisk perspektiv

Postet den av
Svar

Data er det nye gullet, sies det. Men da må vi gjøre det dataene sier.

(Denne bloggposten ble først publisert på bloggen til Comunita, et ledernettverk jeg har startet sammen med Haakon Gellein. Der diskuterer vi medlemmenes utfordringer – i dette tilfelle en stor organisasjon som ønsker å bli mer datadrevet – og jeg skriver blogginnlegg som forberedelse til disse møtene. Vi tar opp nye medlemmer etter vurdering – ta kontakt om du ønsker mer informasjon.)

Mange bedrifter og organisasjoner har enorme mengder data, men utnytter dem ikke. Det er det mange årsaker til – som manglende analysekunnskaper, manglende tradisjoner, eller manglende konkurranse. Men etterhvert som vi får flere og flere eksempler på bedrifter og organisasjoner som gjør suksess ved å skaffe seg data og utnytte dem, øker kravet om å være data-drevet. Hva betyr det egentlig – og hvordan får man det til?

La oss ta for oss en bedrift i en bransje som kanskje ikke ligner så mye på noe i Norge (bortsett fra Norsk Tipping, og de er jo data-drevet) men der utviklingen viser hva man kan få til ved å ta tak i de dataene man har – og gjøre som dataene viser.

Et kasinoeksempel

Da jeg var doktorgradsstudent en gang for hundre år siden (vel, 1991) møtte jeg i noen seminarer en nyansatt professor ved navn Gary Loveman. Gary var statistiker og økonom og spesielt interessert i sammenhengen mellom lønnsomhet og kundelojalitet. Han var også nokså ulik mange av de andre professorene både av utseende og humør. Jeg fikk litt inntrykk av at han ikke tok livet – og i hvert fall ikke seg selv – så veldig høytidelig.

Gary drev litt som konsulent på si. En av kundene hans var Harrah’s, et relativt lite kasino i Las Vegas. Kasinoet gikk ikke bra – som Gary sa det (se hans suverene foredrag på Berkeley for noen år siden): «Vi hadde et kasino som kostet 315 millioner dollar (det er lite i Las Vegas) å bygge. Ved siden av oss kom det et nytt kasino til 1,6 milliarder, og tvers over gaten ville det komme et 9,2 milliarder. Det er ingen som tar inngangspenger i Las Vegas. Hvordan skulle vi få kundene til å komme til oss?»

Firmaet hadde store problemer – så store at de gikk til en akademiker for å finne ut hva de skulle gjøre. Gary hadde skrevet artikkelen Put the Service-Profit Chain to Work sammen med endel kolleger og fant ut at i dette kasinoet kunne han se modellen fungerte i praksis. Men før han kunne finne ut hva han skulle gjøre, måtte han finne ut hvem kundene var og hva de likte.

Markedsføring i Las Vegas den gangen handlet mye om å få tak i de store spillerne, de som flys inn med helikopter, får gratis suiter og middager og legger igjen millioner ved roulette-bordene. Etter endel analyse fant Gary ut at de virkelig attraktive kundene ikke var storspillerne (som alle de andre kasinoene gikk etter), men «vanlige folk» – håndverkere, lærere, leger, annen middelklasse – som spilte mindre, men som det var mange flere av. Han introduserte det første kundelojalitetsprogrammet i bransjen, basert i mindre grad på hvor mye folk spilte og i større grad hvor ofte de besøkte kasinoet. Kundene satte pris på å bli skikkelig behandlet uten å være millionærer, og Harrah’s vokste fra å være et lite kasino i skyggen av Ceasar’s Palace til å bli verdens største kasinoselskap (som faktisk i dag heter Ceasar’s Entertainment, et tilfelle av David som bokstavlig talt kjøpte Goliat).

Datadrevne kjennetegn

En av utsagnene som Gary har blitt kjent for, at det er bare tre ting du kan få sparken for i hans organisasjon: Tyveri, seksuell trakassering, og å gjøre en endring uten å ha en kontrollgruppe.

De to første er kanskje ikke så vanskelige å forstå, men den siste krever litt forklaring. Nå man gjør et vitenskapelig eksperiment – for eksempel utprøving av en ny medisin – gir man den ikke til alle pasientene, men til en tilfeldig utvalgt gruppe. Kontrollgruppen er de som ikke får den nye medisinen, men i stedet behandles som tidligere. Etterpå måler man om det er forskjell på de to gruppene – og om forskjellen er tydelig og stor nok, går man over til den nye måten å gjøre ting på.

Innenfor medisinsk forskning gjøres dette dobbeltblindt – verken pasienten eller legen vet hvem som får ny medisin og hvem som ikke gjør det. Det kan det være vanskelig å få til i mange sammenhenger – det er derfor det er så vanskelig å forske på ernæring, siden vi vet hva vi spiser – men det er mange bedrifter som driver med dette i stor stil: Finn.no, for eksempel, slik jeg skrev om i en artikkel i Magma for noen år siden.

Dette at man insisterer på at alt som skal endres, skal testes først, er et av de fremste kjennetegnene på at en bedrift er data-drevet: Man lytter til dataene, og gjør som dataene sier.

Hvorfor er dette så vanskelig?

Problemet med data er at de ikke alltid forteller deg den historien du vil de skal fortelle. Når det skjer, må man velge om man skal tro på dataene eller på sin egen magefølelse – og pussig nok er dette vanskeligere jo bedre man er i jobben. Chris Argyris, en annen Harvard-professor, skrev en berømt artikkel kalt Teaching Smart People How to Learn, om nettopp dette at kompetente mennesker i ledende stillinger med lang erfaring er de som har størst vansker med å lytte til data – rett og slett fordi de har kommet til sine stillinger ved å ha hatt rett. Hittil, i alle fall.

Av og til kan hele bransjer la være å lytte til dataene – i forsikringsbransjen, for eksempel, brukes masse dataanalyse for å finne ut av hvorfor kunder forlater et forsikringsselskap til fordel for et annet. Svaret er det samme hver gang: Den fremste grunnen til at folk forlater et forsikringsselskap er at de har hatt en forsikringshendelse og ikke er fornøyd med hvor mye penger de har fått utbetalt. Det er det ingen i bransjen som ønsker å gjøre noe med. Innenfor utdanning er vi ikke noe bedre: Den fremste prediktoren for suksess for bachelorstudenter, for eksempel, er matematikkunnskaper når man begynner på studiet. Men det er det vanskelig å gjøre noe med, så da satser vi på motivasjon og inspirasjon i stedet…

Fokus på data og kontinuerlig innovasjon gir resultater – bare spør Gary. Eller Finn.no. Eller Google. Eller VG.no, som ble Norges største online avis ved kontinuerlig oppdatering av hva som står på førstesiden basert på hvordan leserne reagerer.

Reelle farer ved dataorientering

Det å være dataorientert er ikke uten kostnader og farer. Analyse koster, i tid og penger. Å betale de ansatte for å gjøre slik dataene sier – i Harrah’s tilfelle, å betale bonuser basert på kundetilfredshet – koster.

Blir man for data-drevet, kan man komme til skade for å havne i en slags analysis paralysis der man ikke tør ta sjanser eller ikke gjør noe fordi man ikke klarer å komme på hvordan man skal teste det. Men den risikoen er adskillig mindre, i de fleste tilfeller, enn at man går glipp av innovasjoner fordi noen med beslutningsmyndighet i organisasjonen ikke har den rette følelsen for at noe bør gjøres.

Gary Loveman sier selv at hans fokus på at alt skal analyseres og dokumenteres – og at han ikke har noen personlige aksjer i hvilken løsning som blir valgt – fører til at han unngår å gjøre mange feil, at han unngår å gjøre ting han ikke burde gjøre. De som jobber mer inspirasjons- og intuisjonsbasert, vil gjøre en hel del spektakulære feil. Men de vil også av og til gjøre noe smart på tross av alle analyser og alle data.

Så får man velge – men jeg vil tro at for de fleste organisasjoner som har med kunder å gjøre, enten de er innenfor det private eller det offentlige, har mer å hente på å være data-drevne enn det motsatte.

Det som i alle fall er sikkert, er at om du lar din innovasjonsstrategi bestemmes av en gruppe ledere uten kundekontakt, basert på hvem som har det mest nøyaktige prosjektregnskapet og den proffeste PowerPoint-bunken, så lever du farlig.

Selv om det ikke føles slik.

Referanser:

Argyris, C. (1991). «Teaching Smart People How to Learn.» Harvard Business Review (May-June): 99-109.

Heskett, J. L., T. O. Jones, G. W. Loveman, W. E. Sasser, Jr. and L. A. Schlesinger (2008). «Putting the service-profit chain to work.» Harvard Business Beview 86(7-8): 118.

Lome, K. B. and E. Andersen (2019). «Finn.no: En metode for disiplinert strategisk eksperimentering.» Magma (Bergen : trykt utg.) 22(3).

Loveman, G. (2003). «Diamonds in the Data Mine.» Harvard  Business Review (May).