Tag med på rejsen fra data warehouse til datadrevet arbejdsplads, når lederen af Data & Analytics i ATP, Torben Christiansen, deler ud af ATP’s erfaringer.
Fist movers er lidt af et buzzword, men det er på mange måder dækkende i historien om ATP.
Længe før, at mange i den offentlige sektor fik øjnene op for værdien af data, havde ATP bygget et data warehouse. Dengang blev det primært brugt til at understøtte arbejdet med den finansielle sektor i ATPs administration, men det skulle vise sig at blive et større aktiv for hele organisationen.
Ved udgangen af 2012 fik ATP mere end nogensinde brug for sit data warehouse, da Udbetaling Danmark blev etableret, og ATP tredoblede medarbejderstaben.
”Det var en kæmpe udvidelse af vores volumen,” husker Torben Christiansen, ansvarlig for data analytics i ATP.
”Vi overtog blandt andet sagsbehandlinger og udbetaling af boligstøtte og folkepension fra de 98 kommuner. I den forbindelse fik vi brug for et helt andet overblik over vores beholdning af sager, både på tværs af centre og arbejdsopgaver.”
KL og regeringen besluttede i 2010 at samle dele af kommunernes objektive sagsbehandling hos Udbetaling Danmark, der skulle drives i ATP. Business casen inkluderede, at man skulle frigøre 300 mio. kr. årligt, opnå besparelser på it-systemer på minimum 25 % samt bidrage til en mere ensartet sagsbehandling. Fra 2015 og frem har Udbetaling Danmark arbejdet med en konsolidering. I denne periode har der været fokus på konkurrenceudsættelse af seks forskellige IT-systemer, oprettelse af Den Fælles Dataenhed (inklusiv registersammenkørsel på tværs af 98 kommuner) samt projekter med robotics og dataanalyse.
Samtidig skulle Udbetaling Danmark reducere en tredjedel af sine omkostninger, svarende til knap 300 millioner. Derfor var en klar styring af opgaverne afgørende, fortæller Torben Christiansen.
”Vi havde brug for at følge vores produktivitet og samtidig få input til, hvilke dele der så ud til at være særligt omkostningstunge.”
Der var med andre ord brug for data, og ATP’s data warehouse steg voldsomt i værdi.
Råd #1 – Dan et overblik
Helt konkret havde ledelsen i administrationsforretningen brug for at kende historien bag hver enkelt sag. Var den påbegyndt? Eller ventede man på noget for at komme i gang?
Heldigvis havde de den fordel, at ATP altid havde administreret sine arbejdsopgaver i hændelser og transaktioner.
”Vi havde allerede opdelt vores kerneforretning i en række detaljerede oplysninger. Det fundament kunne vi bygge videre på,” fortæller Torben Christiansen.
Læs også: Data bliver afgørende for fremtidens kontrol og tilsyn
Oplysningerne blev brugt til at opbygge et beholdningsoverblik, som gjorde driftsledelsen i stand til at følge hændelserne dag for dag. Det hele blev samlet i såkaldte ’arbejdspakker’, forklarer han.
”Ved hjælp af data kunne vi med millimeterpræcision vide, hvor opgaverne lå, hvilke der skulle tages og hvornår. Derefter begyndte vi at lave prognoser for, hvornår telefonerne ringede, boligansøgningerne tikkede ind og adresseændringerne kom. Vi begyndte med andre ord at fremskrive dagens beholdning og lægge bemandingen derefter.”
Det hjalp også teamet med bedre at kunne følge op på, om Udbetaling Danmark overholdt deres servicemål hos kommunerne. For eksempel når det gjaldt telefonhenvendelserne. Her kunne teamet se, nøjagtigt hvor lang tid kunderne ventede i kø. Det samme gjaldt kundernes tilfredshed.
”Hvis ambitionen er en ventetid på maksimalt tre minutter i telefonen, er det interessant at måle, hvad kunderne egentlig siger til det? Dér fik kommunerne virkelig værdi af vores data,” siger Torben Christiansen og uddyber:
”De får en service, der svarer til det, de har bestilt. Hverken bedre eller dårligere. Og en overvågning af, om det givne serviceniveau giver en tilfredsstillende kundetilfredshed.”
Råd #2 – Skalér gradvist
Næste skridt blev at dykke ned i Udbetaling Danmarks organisatoriske data. Disse kunne nemlig fortælle, om der var forskelle i opgaveløsningen, helt ned på medarbejderniveau.
”En forskel kunne potentielt være kilde til effektivisering og i det hele taget bare til læring. F.eks. hvis en sektion eller en medarbejder havde fundet måder at være effektiv på, som andre kunne lære af,” siger Torben Christiansen.
Teamet kunne blandt andet se stor forskel på den gennemsnitlige samtaletid på telefonerne. Her blev løsningen i første omgang et medarbejderkursus i at styre telefonsamtaler med borgerne.
Det er generelt vigtigt at starte i det små og skalere gradvist, påpeger Torben Christiansen:
”Det kræver uden tvivl en modning af ens produktionsapparat. Fundamentet skal først og fremmest være i orden, og man er nødt til at have nogle folk, der tænker i data. For eksempel data scientists, som kan noget matematik, og som har nogle analytiske færdigheder.”
Ifølge Henning Jensen, der er Senior Manager i Deloitte med speciale i strategier for bedre brug af data og analytics, er det for mange offentlige organisationer en svær øvelse at starte småt og skalere gradvist. Uanset om det gælder arbejdet med data eller investeringer i nye teknologier.
”Vi ser, at offentlige myndigheder er senere om at komme med på datarejsen. Måske fordi man overser vigtigheden af at lære undervejs. Derudover er det vigtigt, at man fra starten overvejer, hvordan man tilpasser sin organisation, hvis man begynder at skalere sine løsninger,” siger han.
Råd #3 – Tag en chance
Den næste læring, Torben Christiansen tager med sig, er at turde kaste sig ud i arbejdet med data. For det kan være svært at finde evidens for, at det skaber en mere effektiv driftsafdeling.
”På området såsom driftsplanlægning har vi ledt efter nogen, der kunne vise os et eksempel på den gode business case, men det har vi endnu ikke fundet. Så på nogen områder har vi været nødt til at tro på vores egne idéer,” siger han.
Læs også: Sikkerhedsstyrelsen speeder processerne op med ny teknologi
”Som udgangspunkt hedder vores model, at man skal kunne tjene pengene hjem inden for tre år. Det har vi ikke altid kunnet. Nogle gange har vi måttet sige til os selv, at det er en investering, som vi først høster gevinsten af senere. Det er en risiko, man er nødt til at løbe.”
Men har man modet til at tro på, at data har værdi for forretningen, vil mange også opleve, at der opstår nye gevinster hen ad vejen, mener Torben Christiansen.
”Det første lag i arbejdet med data er, at vi ser og analyserer på de problemstillinger, der er dukket op. I næste fase afprøver vi så nogle mulige løsninger. Det er man nødt til at investere noget tid i. Det er måske tre ud af ti muligheder, der giver nogle brugbare resultater. De mulige løsninger, vi vælger at arbejde videre med, kræver også tid at videreudvikle. Endelig er den fjerde at operationalisere idéerne og føre løsningerne ud i livet.”
– Torben Christiansen
Et nyligt eksempel hos Udbetaling Danmark er boligstøtten. Her er teamet begyndt at OCR-scanne indholdet i private lejekontrakter, når de kommer ind i systemerne, så de nu kan trække data ud af dem.
”Der kræves en grundinvestering, som udfordrer vores tilbagebetalingskrav på tre år i en business case. Men vores erfaring viser, at man skal indregne, at funktionaliteten kan bruges til mange andre ting end det, de oprindeligt er udviklet til.”
Råd #4: Få hele organisationen med
Udbetaling Danmark har for nyligt skiftet samtlige af deres fagsystemer ud, og næste skridt er nu at automatisere mange af deres processer ved hjælp af data. De undersøger også muligheden for at optimere via nye databaserede teknologier og metoder såsom RPA og machine learning, ligesom at de står på tærsklen til cloud-rejsen.
”Sådanne investeringer kræver, at man virkelig tror på potentialet. Omvendt er det også enormt vigtigt at turde eksperimentere med tingene uden at kræve et afkast,” siger Torben Christiansen, som tilføjer, at hele organisation skal være med på idéen om at udvikle nye teknologier baseret på data.
Læs også: Miljøstyrelsen kickstarter ny tilgang til digital udvikling
”Det er ikke nok med en dygtig dataafdeling. Man er også nødt til at appellere til resten af organisationen. Medarbejdere skal forstå, hvilke slags problemer de kan sende ind til datafabrikken. Generelt er man nødt til hele tiden at udforske problemerne via dataindsigter og afprøve nye løsninger.”
”Og så skal der være et system, der udvikler og ikke mindst tager imod og drifter løsningerne,” tilføjer han.
Den betragtning er Henning Jensen fra Deloitte enig i:
”Det er vigtigt, at der er plads til at eksperimentere med nye teknologier og undersøge, hvornår teknologien er moden i forhold til resten af organisationen,” siger han og fortsætter:
”På den måde undgår man som organisation at sidde tilbage med en masse nye teknologier uden at komme nogen steder, fordi ingen i forretningen forstår at anvende det til noget værdifuldt. Det er en fælles rejse for hele organisationen.”
