Den eneste måde at grave de indsigter din data gemmer på frem, er, at formulere de spørgsmål du ønsker besvaret og så ellers bare begynde at spørge. Du må foretage kvalificerede gæt på, hvilke data der kan hjælpe dig med at besvare de spørgsmål du ønsker besvaret. Det en iterativ proces: Stil dit spørgsmål, justér din data og afprøv så nye osv., osv.
For at gøre processen mere konkret kan det være en fordel at begynde med at forsøge at besvare nogle af de spørgsmål som I allerede i dag har en stærk mavefornemmelse om, med fakta. Mavefornemmelsen er ofte god, men indimellem viser de sig også at være enten skæve eller direkte forkerte. En god start er altså at udfordre de grundforståelser I allerede har, men som ikke er funderet i fakta.
Ved at udforske SEGES’ eksisterende data på tværs af organisationen, involvere de rigtige interessenter og stille de rigtige spørgsmål, gjorde vi data til forretningskritiske indsigter. Indsigter, der styrker SEGES’ position som en førende landbrugsrådgiver. Et af de spørgsmål, vi fandt og besvarede, var dette:
- Hvordan påvirker klimaet og temperaturen mælkekvaliteten?
For at besvare spørgsmålet havde vi bl.a. brug for oplysninger om mælk, geografi og vejr. Med organisatorisk og teknisk forståelse og brugen af Watson Analytics fik vi hurtigt forbundet de nødvendige data og opsat en tydelig præsentation af disse.
SEGES har nu indsigt i, hvordan klimaparametre påvirker mælkens kvalitet. Disse indsigter gør SEGES i stand til at give danske landmænd endnu bedre rådgivning og dermed hjælpe landmændene med at blive mere konkurrencestærke og levedygtige.
