Slik skaper du verdi fra data: fire faser og fire fallgruver

Datainitiativ skaper verdi når organisasjonen modner, ikke når du kjøper en plattform. Ali Ahmad og Magne Bakkeli beskriver en reise i fire faser, fra første markedskanal til CAC, LTV og felles språk på tvers av siloer.

Sist oppdatert: september 2026. Artikkelen bygger på samtalen med Ali Ahmad i episode 16 av podkasten Datautforskerne.

Kort fortalt: Verdien kommer når organisasjonen lærer å handle på dataene, ikke når plattformen er kjøpt. Reisen har fire faser: samle de viktigste kildene ett sted, modne brukerne med gradvise leveranser, åpne for selvbetjening gjennom dialog, og bryte siloene med felles definisjoner. Mellom hver fase stopper du, evaluerer og justerer.

I episode 16 av Datautforskerne snakket jeg med Ali Ahmad, konsulent og grunnlegger av Analysehuset med ti år i bransjen, om hvordan virksomheter får verdi fra data. Han har vært leder for data og analyse i Egmont, Sector Alarm og Try, har en YouTube-kanal om Power BI og Microsoft-stacken, og har en god teft for når en virksomhet er klar for hva.

Data skaper ikke verdi. Handling gjør

Mange virksomheter sitter på mye dataintegrasjon og datatransformasjon, men lite forretningsverdi. Grunnen er nesten alltid den samme: vi starter feil sted. Vi henter inn data, kjøper et verktøy og setter opp et dashbord før vi har avklart hva vi egentlig skal lære, hvilke beslutninger dataene skal påvirke, og hvordan organisasjonen skal jobbe annerledes når innsikten er der.

Sebastian Hewing sier det enkelt: “Data doesn’t create value. Action does.” Det er den enkleste setningen jeg vet om for å beskrive hva mange datainitiativ glemmer.

Det vi snakket oss fram til er en organisatorisk modningsreise i fire faser, med fire fallgruver det er fryktelig lett å gå i. Her er den.

Start med ledestjernen, ikke verktøyet

Et klassisk scenario: Anne i markedsavdelingen kommer og sier “vi tror vi har masse å hente med å forstå XYZ bedre”. Standardresponsen i mange datateam er å begynne å hente inn data fra en masse kildesystemer.

Riktig respons er et motspørsmål: Hva skal du egentlig hente? Hvordan har du tenkt å bruke dataene? Hva skjer hvis vi har dette på plass om tre måneder, og ikke om to dager?

Outcomes før verktøy. Det betyr ikke at du må ha alle svar i forkant. Verdireisen går fram og tilbake, og det vi trodde innledningsvis er sjelden det vi ender opp med. Men du må vite hva ledestjernen er.

Tre spørsmål jeg bruker ofte funker like godt på interne interessenter som på betalende kunder:

1. Hva hindrer deg i å nå målet ditt i dag?
2. Hva gjør du nå for å løse det?
3. Hva ville det bety for deg om dette var løst?

Hvis Anne sliter med å svare konkret på de tre, er ikke datainitiativet modent nok ennå. Da skal du ikke begynne å utvikle dataintegrasjoner og -transformasjoner. Du skal spørre videre, helt til ledestjernen er så tydelig at det går an å bygge mot den.

Fase 1: Fix the basics

Før du A/B-tester, kjører media mix modeling eller bygger attribusjonsmodeller: samle inn de viktigste kildene og gjør dem synlige ett sted.

For Anne kan dette bety å samle data fra alle markedskanalene opp mot en kampanje: Snapchat, Facebook, Google, TikTok, betalt søk. For en salgssjef kan det bety å se pipelinen på tvers av distrikter og produktlinjer. For en økonomisjef kan det bety en månedlig P&L basert på foreløpige operasjonelle data, og ikke bare økonomisystemet.

Verdien ligger ikke i analysen. Verdien kommer fra at noen ser avvik før det er for sent. En markedssjef som ser at kampanjen taper fart mandag, kan skru ned budsjettet tirsdag. En controller som fanger opp at marginen sklir i mai, rekker å gjøre noe med det før kvartalet stenger. Som Ali sier: “Det skjer masse verdifullt for de som har kontroll på dette og rekker å snu seg fort nok til å justere.”

Det er her den første fallgruven ligger og lurer: vi henter inn for mye data. Ali innrømmer det selv: “Jeg har bommet før. Jeg har hentet inn data, så har jeg tenkt at det skjer noe magisk med de. Det gjorde det ikke.” Dataene inneholder for eksempel fritekstfelter der det skulle vært kategorier, halvparten av innkjøpene mangler tagging, og det er ingen mulighet til å gjøre kategoristyring. Resultatet er skuffede interessenter og tapt tillit.

Sjekk dataene før du henter dem inn. Snakk med eierne av kildene. Bruk kvalitetsproblemene som start på en samtale, ikke som en endestasjon.

Fase 2: Modne brukerne med gradvise leveranser

Ali advarer mot fasen der godteributikken åpnes og dere plukker ut for mye. “Pass på at det ikke eksploderer det vi tilbyr første gangen. At vi greier å porsjonere ut, og se at nå er vi her, nå er vi litt videre.”

Modningsreisen krever stopp underveis. Hva fungerte? Hva skal vi slutte med? Hva skal videreutvikles? Disse stoppunktene er like viktige som leveransene mellom dem.

Det er også her brukerbehovet må holdes hellig. Du leverer ikke for deg selv. Du leverer for controlleren som åpner Excel klokken sju hver morgen. For lagersjefen som har 14 møter på kalenderen. For Anne som har syv millioner i markedsbudsjett og må prioritere kanalmiks innen fredag.

Den klassiske kontrasten, som Ali kaller “den gamle modellen”, er IT-avdelingen som drev og bygde rapporter på vegne av brukerne. Brukerne fortalte hvordan verden så ut. IT modellerte det. Brukerne fikk en ferdig rapport tilbake. “Det er greit, det var det vi sa, ja. Hei, Margrethe. Snakkes om to år. Eller kanskje aldri.”

Det er prosjektleveranse, ikke modning. Modning krever at brukeren holdes i loopen mellom hver iterasjon, ikke bare ved oppstart og avslutning.

Fase 3: Selvbetjening med brobygging

Adopsjon kommer ikke av kurs. Den kommer av dialog. Start enkelt: en oppsummert e-post til en avdelingsleder, et bunnsolid dashbord med bare tre nøkkeltall, en PowerPoint hvor du forklarer hva tallene betyr. Bygg broen med de som skal ta dette videre operativt. La dem stille spørsmålene som former neste iterasjon.

Når Anne ser at tallene stemmer med virkeligheten hennes, kan hun gradvis åpne for at hennes egne markedsanalytikere bygger ting selv. Når controlleren får en modell han kan dra rett inn i Excel, slipper han den månedlige øvelsen med klipp-og-lim og begynner å bruke tiden på analyse i stedet. Da begynner ballen å rulle.

Et poeng som ofte undervurderes: kvalitet på data oppstrøms forbedres som biprodukt av selvbetjening, ikke av datakvalitetsprosjekter. Når selgere ser sine egne tall i sammenheng med andres, blir det plutselig tydelig hvorfor CRM-feltet skal være en drop-down og ikke fritekst. Da fylles det ut riktig uten at noen maser. “Du skjønner jo bruken av den, og da vil du automatisk fikse kvaliteten.”

Brobyggingen er heller ikke uten risiko. Når du går fra ett dashbord til “her er dataene, lek selv”, åpner du for at folk tolker og definerer ting på sin egen måte. Perfekt single source of truth er en myte. Salg og finans kan ha legitime ulike definisjoner av omsetning. Et realistisk mål er ikke én monolittisk sannhet, men dokumenterte definisjoner med eier per definisjon. Det fører oss rett inn i fase 4.

Fase 4: Bryt siloene

Dette er fasen Ali mener er mest undervurdert. Når marked, salg, økonomi og operations får felles tall å diskutere, oppstår det noe nytt: organiske nettverk og delemøter på tvers. “Sånn gjør vi det. Det funket. Det funket ikke.” En gang i måneden, hver tredje uke, hva nå enn rytmen blir.

Det er her data slutter å være en rapportleveranse og blir en katalysator for prosessendring. Du finner ut at to avdelinger eier samme KPI med to definisjoner. At ett møte kan droppes fordi en annen avdeling allerede analyserer samme tema. At kategoristyring og innkjøp må samordne seg fordi de ellers løser samme problem på tre forskjellige måter.

Yuki Kakegawa, Staff Data Engineer og grunnlegger av Orem Data, har selv vært eneste dataperson i en virksomhet. I et intervju med Yordan Ivanov på Data Gibberish i april 2026 forteller Kakegawa hva som er ødelagt nesten hver gang i unge selskaper. Det er sjelden verktøyene, men “the alignment on what’s important, the definition of metrics, what we want to build.” I de fleste virksomheter finnes det tre avdelinger med tre definisjoner av det samme tallet. Velger du én avdelings definisjon, setter du en annen i en vanskelig posisjon. Prøver du å forene dem, står du plutselig i en politisk samtale ingen ansatte deg for å ta. Kakegawa sier det rett ut: “That’s the part I hated the most.”

Det er den jobben fase 4 handler om. Få Anne, Pål og Ola til å være enige om hva en kunde er, hva omsetning er, hva en aktiv pipeline er. Ikke ved å diktere fra et governance-dokument, men ved å la felles data tvinge fram samtalen. Når dere har den samtalen, har dere strengt tatt allerede begynt å skape verdi. En samtale på tvers av siloer er sjelden gratis.

Når verdien blir konkret: CAC, LTV og marginstigen

Den abstrakte visjonen om fase 4 får først kjøtt og blod når du har vært gjennom hele løypa. Ali deler en konkret case fra en salgstung organisasjon der reisen tok fire år.

År 1–2: De introduserte verktøy som ga helt nye datagrunnlag for salgsaktivitet. Dataene gikk inn i et fast møte hos lederne på et bestemt nivå. Det ble brukt mye tid på det. Mot slutten av år to satt prosessen. Da kunne de helt konkret si hvilke selgere som trengte coaching på hvilke faser av salget. Var det møtebookingen? Var det selve møtet? Var det avslutningen? Coachingen ble helt målrettet, ikke generisk.

År 3–4: Da satt det så bra at de slapp å snakke med selgeren om “skal du logge dette”. Det bare ble logget. Da kunne de gå et hakk videre, og se på hva som skjer i selve salgsøyeblikket. Hvilke kombinasjoner av tilbud, rabatt og kontraktslengde gir hvilken margin? Hvis kunden får 20 % rabatt med disse komponentene, tar det tre år før hun blir lønnsom. Med 15 % og en annen miks tar det to år.

Først da begynte CAC (hva det koster å skaffe en kunde) og LTV (hva kunden er verdt gjennom hele kundeforholdet) å gi virkelig mening. “Hvor mye penger bruker vi på å få en kunde? Hvor lenge må vi ha henne for at det skal lønne seg? Er det rimelig? Nei? Da må vi gjøre noe smartere.” På det tidspunktet snakket de ikke lenger med selgeren om data. Data var bare en del av jobben, som telefonen og e-posten.

Det er der modningsreisen ender. Ikke ved at dataene er gode, men ved at samtalen om dataene er borte. Folk handler. Marginbevegelser blir synlige. Beslutninger blir bedre uten ekstra møter.

Fire klassiske fallgruver

1. Ingen leder med skin in the game. Ali kaller det selv “det dumme ordet”: ledelsesforankring. Men poenget står: hvis en leder ikke ser at dette kan endre noe i hennes egen avdeling, er det ingen vits. Bruk fase 1 til å finne champions, ikke til å integrere alt. Hvis sjefen ikke er gira, jobb med å gire opp folk før dere bygger.
2. Samle inn for mye, sjekke for lite. Den klassiske fallgruven. Ali innrømmer det åpent: “Vi hadde ikke datakvalitet på det her. Vi hadde fritekst på ting vi ikke kunne kategorisere.” Resultatet var skuffede interessenter. Sjekk kvaliteten før du integrerer.
3. Glemme brukerhistorien. Vi bygger for oss selv og våre forutsetninger, ikke for de som skal bruke det hver dag. Ali peker på at desentraliseringen, der brukerne selv bygger, har hjulpet noe. Men i samme sekund de begynner å bygge for andre, glemmes brukeren igjen. “Hvor ofte var det igjen? Det var hver dag, ja.”
4. For lenge i Power BI-fasen (eller i andre rapportverktøy). Like farlig som å gå for tidlig på en plattform. Når noe blir forretningskritisk, slutter en løsning som bare lever i Power BI å virke. “Det er en dårlig skjult hemmelighet. Men det kommer til å slutte å virke.” Da må data engineering inn. Ikke for sent, ikke for tidlig.

Bonusrunde som Ali nevner i forbifarten: å bygge logikk for sentralt, for tidlig. Det er fristende å definere alt i et semantisk lag eller en sentralisert modell før dere vet hvordan virksomheten skal bruke dataene. Vent til dere har ekte trafikk gjennom modellen før dere låser den ned.

Push-marketing internt

Dette poenget er Alis klareste, og det er der mange datateam taper.

Datateamet må få ut informasjon om hva de leverer: “Nå har vi jobbet med dette denne måneden. Disse rapportene er nye. Disse dataene er nå tilgjengelige.” Den rytmen Ali bruker selv er konkret: to-ukers sprinter, oppsummering i en e-post sendt bredt i organisasjonen mot slutten av hver sprint.

Innholdet er ikke en release notes-liste. Det er en invitasjon til bruk: hvis du jobber med kampanjer, kan du nå se forskjellen på en videokampanje og en bildekampanje på samme målgruppe. Hvis du sitter på pipeline-rapportering, finnes det nå en ny dimensjon for produktkategori. Hvis du er controller, er det en månedlig P&L-tabell tilgjengelig.

Uten det flater bruken ut. “Den går ikke ned, men den flater ut.” Endringsledelse er flaskehalsen. Noen må ta ansvaret for å dytte ballen til den ruller av seg selv.

Når plattformen må inn, og når den ikke må

Ali deler en konkret case. Et selskap i en modningsfase der de skal ta i bruk markedsanalyser. De henter data fra noen markedskanaler og vil koble dem mot billettsalg. Som teknolog hadde Ali lyst til å foreslå en dataplattform.

Men der de var, var det for tidlig. Power BI holdt som samlingspunkt. Det fjernet manuell konsolidering, samlet tre forretningsområder ett sted, og etablerte felles språk om hva en kampanje er. Plattformbeslutningen kunne komme senere.

Resonnementet hans gjelder bredt: en plattform er en investering i framtidig fart, ikke i dagens innsikt. Hvis dere ikke vet hvor dere skal, er det for tidlig. Hvis dere ikke vet hva som er forretningskritisk, er det for tidlig. Power BI gir dere tid til å lære.

Men: bli ikke værende der for lenge. Når noe blir forretningskritisk, når det får konsekvenser at det ikke virker eller er utdatert, må data engineering inn. Med struktur, versjonering, tester og governance. Ali oppsummerer det i en linje: “Nå må teknologene få lov til å gni seg litt i hendene og se hvordan de kan løfte dette.”

Tre spørsmål før du bygger neste dashbord

Verdi fra data er en organisatorisk reise i fire faser, ikke et teknologiprosjekt:

1. Samle inn basics mot definert outcome
2. Modne brukerne gjennom brobygging og porsjonert leveranse
3. Tilrettelegg selvbetjening med dialog, ikke kurs
4. Bryt siloer. La felles data tvinge fram felles prosess.

Mellom hver fase: stopp, evaluer, juster. Lever kontinuerlig informasjon ut. Hold ledere forankret. Og hent inn data engineering-folk når du trenger dem. Ikke før.

Tre spørsmål du kan stille deg selv neste gang noen ber om et nytt dashbord:

1. Hvilken beslutning skal dette dashbordet påvirke? Hvis du ikke kan svare, er det for tidlig å bygge.
2. Hvem får jobben gjort mer treffsikkert når dette er på plass? Hvis du ikke kan navngi en rolle, er det ingen reell verdi.
3. Hva slutter vi med når dette virker? Hvis svaret er “ingenting”, er det bare et nytt lag på toppen.

Når du har svar på alle tre, er du i gang med å skape verdi. Ikke før.

Hør på podcasten “Datautforskerne”, episode 16, der Ali Ahmad og Magne Bakkeli snakker om hvordan virksomheter får verdi fra data. Episoden er tilgjengelig på Spotify, Apple og Acast.