Dashboards der ikke spilder nogens tid

Her er den korte version først:

1) Start med beslutningerne, ikke med graferne. 2) Byg et KPI-tree, så alle kan se koblingen fra mål til handling. 3) Vælg få, gode leading indicators i stedet for 40 tal, der bare ser flotte ud. 4) Gør dashboardet til en fast del af jeres møderytme. 5) Giv hver KPI en ejer og nogle simple regler for datakvalitet.

Hvis du kan få det på plads, er du længere end mange, der har investeret tungt i visualisering, men stadig tager beslutninger på mavefornemmelse.

Diagnosen: når dashboardet bare er digital pynt

Jeg har efterhånden set den samme situation flere gange: Man har brugt måneder på at bygge et flot dashboard i Power BI eller lignende. Farvekoderne sidder lige i skabet, der er slicers, man kan filtrere på alt, og rapporten kører automatisk hver nat.

Og så sker der… ingenting.

Det ligger godt gemt i et link i intranettet, et par nørder (som mig) kigger på det af og til, men ledelsesmøderne handler stadig mest om “hvordan føles det derude?” og “jeg synes, vi ser færre kunder”. Tallene bliver bagtæppe, ikke styreinstrument.

Der er især syv tegn på, at et dashboard ikke skaber reel handling:

For det første er der ingen, der kan svare klart på spørgsmålet: “Hvilke beslutninger tager vi hurtigere eller bedre, fordi vi har det her dashboard?”. Hvis svaret er noget i retning af “vi får et bedre overblik”, så er det ofte kode for “vi har ikke helt fundet ud af, hvordan vi skal bruge det”.

For det andet ændrer ingen adfærd, selvom tallene tydeligt flytter sig. Kundetilfredsheden falder, leveringstiderne stiger, men møderne fortsætter som før. Måske med en lidt bekymret mine, men uden konkrete justeringer i planen.

For det tredje er de vigtigste KPI’er primært bagudskuende. Omsætning sidste måned, tabt omsætning, dækningsbidrag. Alt sammen relevant, men alt sammen noget, du alligevel ikke kan nå at ændre, fordi måneden er lukket.

For det fjerde er datapanelet mere komplekst end virksomhedens beslutningsproces. Der er filtermuligheder, drill-down og 17 forskellige visninger, men ledelsen arbejder faktisk med 3-4 simple spørgsmål: Tjener vi penge? Vokser vi sundt? Holder vi, hvad vi lover? De to verdener er ikke synkroniserede.

For det femte får folk modstridende tal afhængigt af, hvilket system de åbner. Budget-opfølgning i økonomisystemet viser noget andet end dashboardet. Det skaber hurtigt mere diskussion om talgrundlaget end om selve beslutningerne. Man kunne næsten tro, tallene var blevet politiske aktører i sig selv.

For det sjette er der ingen klar ejer af KPI’erne. Den, der lavede dashboardet, bliver automatisk “data-personen”. Men når noget ser forkert ud, ender det som små support-tickets, ikke som et spørgsmål om forretningen.

Og for det syvende: Ingen savner rapporten, hvis den en dag ikke bliver sendt ud. Det er den hårdeste test. Hvis ingen skriver “hey, hvor blev fredagsrapporten af?”, så har du et adoptionsproblem, ikke et visualiseringsproblem.

Hvis du kan genkende flere af de her tegn, er du ikke alene. Mange dashboards er født som tekniske projekter i stedet for som en del af virksomhedens beslutningsmotor. Det er også derfor, det giver mening at se på dashboards som beslutningsstøtte, ikke som rapportering.

Decision-first: start med mødet, ikke med skærmen

En af de mest nyttige øvelser, jeg har prøvet, var næsten provokerende lavpraktisk. Vi satte os fem mennesker rundt om et mødebord, lukkede alle laptops og telefoner og tegnede et tomt A4-ark op på tavlen.

Spørgsmålet lød: Hvis vi om seks måneder skal sige, at vores ugentlige ledelsesmøde er blevet dobbelt så effektivt, hvilke beslutninger skal vi så kunne tage på 10 minutter, som i dag tager en time eller slet ikke bliver taget?

Der kom sætninger op som: “Skal vi skrue op eller ned for marketingindsatsen denne uge?”, “Har vi et leveringsproblem, der kræver akut handling?”, “Er der et produktområde, vi er ved at køre død i?”. Ingen nævnte grafer. Alle nævnte beslutninger.

Decision-first betyder i praksis, at du taler om tre ting, før du taler om dashboards:

For det første: Hvilke faste, gentagne beslutninger skal et givent møde understøtte? Ugentlige, månedlige, kvartalsvise. Helt konkret. Ikke “bedre styring”, men “tage stilling til, om vi stopper, fortsætter eller skalerer en bestemt aktivitet”.

For det andet: Hvilke standardsvar har I typisk? For eksempel: Skal vi eskalere til direktionen? Skal teamet selv justere planen? Skal vi eksperimentere i en begrænset periode? Det er her, en enkel beslutningsskabelon faktisk kan gøre en forskel, fordi den gør valgmulighederne tydelige.

For det tredje: Hvilke få nøgletal og observationer har I brug for, for at kunne vælge mellem de svar? Det er først her, KPI’erne kommer på banen. Ikke som mål i sig selv, men som svar på et spørgsmål.

Hvis du vil teste, om jeres dashboard lever op til en decision-first tilgang, kan du prøve denne lille øvelse: Print forsiden af dashboardet uden tal, kun med overskrifter på KPI’erne. Gå derefter ind i et møde og spørg: “Hvilke beslutninger kan vi tage, hvis vi kun har de her overskrifter til rådighed?”. Hvis der bliver stille, så mangler I sandsynligvis koblingen mellem indikatorer og reelle valg.

KPI-tree: fra mål til aktiviteter uden mystik

Et KPI-tree lyder som noget, der kræver en konsulent, en stor powerpoint og måske lidt blød musik i baggrunden. I virkeligheden er det meget tættere på de håndtegnede grafer, jeg lavede i tøjbutikken, end på de avancerede modeller.

Tanken er enkel: Start med ét overordnet mål. Tegn det øverst. Spørg så: Hvad driver det mål, i praksis, i vores verden? Tegn de drivere nedenunder. Og igen: Hvilke konkrete aktiviteter påvirker de drivere?

Et eksempel fra en B2B-virksomhed, jeg har arbejdet med, kunne se sådan her ud (meget forenklet):

Øverst: “Årlig tilbagevendende omsætning”. Under den: “Antal aktive kunder” og “Gennemsnitlig omsætning per kunde”. Under “Antal aktive kunder”: “Nye kunder per måned” og “Churn-rate”. Under “Nye kunder per måned”: “Antal kvalificerede leads” og “Hit-rate på tilbud”. Under “Churn-rate”: “Andel kunder med lav tilfredshed” og “Antal kritiske support-sager”.

Pludselig kan du se sammenhængen: En bevægelse i churn-rate kan spores tilbage til support og kundetilfredshed. En bevægelse i omsætning per kunde kan kobles til krydssalg eller pris. Og vigtigst: Hvert niveau peger på en anden type beslutning.

På øverste niveau beslutter ledelsen måske, om vækstmålet er realistisk. På midterste niveau tager man stilling til, om man skal investere mere i salg eller retention. På nederste niveau kan et team beslutte, at man ændrer sin opfølgning på kritiske sager samme dag.

Her hænger dashboard best practice tæt sammen med mål- og performancestyring. Det handler om at få KPI’erne til at kæde sig tydeligt op mod strategien og den daglige drift. Hvis du har lyst til at fordybe dig mere i den del, giver det mening at kigge på kategorien om performance og målstyring, hvor det tema går igen.

En god tommelfingerregel er, at ingen KPI bør eksistere alene. Den skal være en del af et lille træ, hvor man både kan se, hvad den påvirker, og hvad der påvirker den. Det gør også diskussionerne nemmere. I stedet for “hvorfor er churn steget?” bliver spørgsmålet “hvilke af vores kendte drivere til churn har flyttet sig, og hvad gør vi ved det?”.

Leading indicators: fra post-mortem til forhåndsreaktion

De fleste ledelser er opvokset med lagging indicators. Resultatopgørelse, cash flow, årsrapport. Alt sammen vigtigt, men alt sammen bagudskuende. Det er som at kigge ud af bagruden og håbe, at bilen holder sig på vejen.

Leading indicators er de tidlige signaler, der peger på, hvordan de senere nøgletal vil udvikle sig. De er sjældent perfekte, men de giver dig mulighed for at reagere, før skaden er sket.

Hvis vi bliver i eksemplet med churn: En lagging KPI er “churn-rate sidste kvartal”. Interessant, men for sent. En leading indikator kan være “andel kunder med faldende produktbrug over tre måneder” eller “andel kunder, der ikke har haft kontakt med deres account manager i seks måneder”.

Her er udfordringen ofte, at man vil have for mange indikatorer. Pludselig står man med 25 grafer, der alle påstår at være tidlige signaler. Så bliver man træt og går tilbage til omsætning og EBIT.

Jeg plejer at foreslå, at man tvinger sig selv ned på 3-5 centrale leading indicators per hovedmål. Og at man definerer eksplicit, hvad der er en “grøn”, “gul” og “rød” zone for hver. Ikke som sandheder for evigt, men som et startpunkt, man kan justere.

En måde at komme i gang på er at tage ét vigtigt område, for eksempel kundeoplevelse, og stille tre spørgsmål:

Hvilke kundebegivenheder sker tidligt i forløbet, før utilfredsheden bliver synlig i de klassiske målinger? Hvilken adfærd fra vores side plejer at være forbundet med senere problemer (for eksempel forsinkede leveringer, mange skift i kontaktpersoner)? Hvilke data har vi allerede, som kunne bruges som indikatorer, uden at vi opfinder nye målinger?

Hvis du kan finde 3-5 indikatorer, der opfylder to krav – de sker tidligt, og I kan reelt ændre dem gennem adfærd – har du et godt fundament. Det er også en god vaccine mod vanity metrics, altså tal der ser flotte ud på en skærm, men som ingen tør eller kan handle på.

Møderytme og ejerskab: når dashboardet flytter ind i hverdagen

Et dashboard lever ikke i Power BI. Det lever rundt om bordet til jeres ugentlige, månedlige og kvartalsvise møder. Hvis det ikke er tænkt ind i møderytmen, bliver det ved med at være noget, man “kan gå ind og kigge på”.

Jeg har haft god erfaring med at koble dashboards til tre niveauer af møder:

På det ugentlige møde (WBR, weekly business review) handler det om drift: Er der noget, der er gået i rødt i denne uge, som kræver akut handling? Her er 15-20 minutter med faste KPI’er og få, klare beslutningstyper ofte rigeligt. Fokus bør være på leading indicators og konkrete aktiviteter.

På det månedlige møde (MBR) ser man et lag op: Hvordan ser de samlede resultater ud, og hvilke mønstre begynder vi at se? Her giver det mening at kombinere lagging og leading KPI’er og bruge lidt mere tid på årsager og prioriteringer. Man kan for eksempel bruge et KPI-tree aktivt til at beslutte, hvor man vil lægge ekstra energi næste måned.

På det kvartalsvise møde (QBR) kobler man data til strategi. Er vi på vej mod de overordnede mål, eller har virkeligheden ændret sig? Her bør dashboardet være mere kurateret: få, centrale grafer, tydelige konklusioner, og gerne suppleret med kvalitative input. Det er her, sammenhængen til governance og organisering for alvor viser sig.

Men mødefrekvens alene gør ikke forskellen. Det gør ejerskab.

En KPI-ejer er ikke den, der trækker rapporten. Det er den, der:

Sørger for, at definitionen er klar og forstået. Sikrer, at data er brugbare inden for nogle aftalte grænser. Forbereder anbefalinger til beslutninger, når KPI’en går i gul eller rød. Og følger op på de aftalte handlinger mellem møderne.

Jeg plejer at spørge helt banalt: Hvis den her KPI pludselig ændrer sig kraftigt, hvem ringer vi så til som den første? Det er ofte den person, der i praksis bør være ejer. Hvis svaret er “ingen”, eller “det kommer an på”, har du et hul i din governance.

Datakvalitet og design: godt nok til at handle på

Datakvalitet kan hurtigt sluge al ilten i rummet. En enkelt uoverensstemmelse, og pludselig handler hele mødet om, hvilket system der har ret. Jeg har selv siddet til møder, hvor vi brugte 45 minutter på at diskutere en afvigelse på 0,5 procentpoint. Ikke min stolteste time.

Derfor giver det mening at lave nogle enkle guardrails for, hvornår data er “godt nok” til at tage en beslutning. For eksempel:

Aftal et minimumsniveau for datakompletthed, hvorunder KPI’en enten markeres som “usikker” eller slet ikke vises. En tydelig note er bedre end et tal, ingen stoler på. Definér på forhånd, hvornår en afvigelse er operationelt vigtig. Er det 2 procent, 5 procent, 10 procent? Det afhænger af forretningen, men pointen er, at I ikke skal opfinde det i kampens hede. Udpeg én kilde som “sandheden” for hvert hovedområde, også selvom der findes andre systemer. Det er bedre at have ét tal, som alle accepterer, end tre tal, alle kan bruge som argument.

Designet af dashboardet kan også hjælpe eller forstyrre. Nogle simple designprincipper, jeg ofte vender tilbage til, er:

Hver KPI skal have en kort, menneskelig definition lige ved siden af. Ikke kun “Gross margin”, men “Bruttoavance: omsætning minus vareforbrug, før løn og faste omkostninger”. Konsekvente filtre. Hvis “seneste 4 uger” betyder kalenderuger ét sted og rullende 28 dage et andet sted, skal det være ekstremt tydeligt, ellers ender man i misforståelser. Mulighed for at kommentere eller annotere tal direkte i dashboardet, så næste møde kan se, hvorfor noget så mærkeligt ud sidste uge. Det kan være så simpelt som en tekstboks med dato og initialer.

Hvis du har lyst til at se dashboards som én brik i et større data-setup, hænger det godt sammen med temaer som data og beslutningsværktøjer og data analytics. Men for de fleste mellemstore virksomheder er det faktisk de lavpraktiske valg, der gør den største forskel: Hvem gør hvad, hvornår, baseret på hvilke tal.

Tre spørgsmål du kan tage med til næste møde

Hvis du sidder og kan mærke, at jeres dashboard mere er pynt end kompas, er her tre spørgsmål, du kan tage direkte med til næste ledelsesmøde eller styregruppe:

For det første: Hvilke 3-5 faste beslutninger vil vi gerne kunne tage hurtigere og mere sikkert hver uge eller måned, og hvilke få KPI’er har vi brug for for at gøre det? For det andet: Hvis vi skulle tegne et simpelt KPI-tree for vores vigtigste mål på en whiteboard, hvordan ville det så se ud, og hvor mangler vi i dag gode indikatorer? For det tredje: Hvem er faktisk ejer af vores vigtigste KPI’er, og hvad betyder det konkret, når noget går i gul eller rød?

Hvis I kan få ærlige svar på de tre spørgsmål, har I et meget bedre udgangspunkt for at designe eller redesigne jeres dashboards. Og måske vigtigst: I flytter samtalen væk fra “kan vi få det vist som en donut-graf?” og hen imod “hvad skal vi faktisk kunne reagere på, hvis vi vil drive den her forretning klogere?”.