EY: Før AI kan gi bedre svar, må retailbransjen rydde i sannhetene sine

– Mange virksomheter investerer i nye verktøy, innovasjon og avansert analyse litt for tidlig. Utfordringen starter ofte et annet sted: Hvor god kontroll man faktisk har på dataene og hvor solid fundamentet er.

Det sier Trond Stian Nytveit, partner i EY, som denne uken holdt webinaret «Fra data til beslutningskraft i retailbransjen» sammen med senior manager Berat Veliqi. De to sier at selskaper må ta et steg tilbake fra AI-fokuset. Før teknologien kan gi verdi, må virksomheten sikre konsistente definisjoner, tydelig eierskap og data ledelsen faktisk stoler på.

– Dette handler ikke først og fremst om teknologi. Det handler om styring. Skal økonomi og drift bruke tallene aktivt, må organisasjonen vite hva tallene betyr, hvor de kommer fra og hvem som har ansvar for dem, sier Nytveit.

Parallelle sannheter svekker beslutningskraften

Retail er særlig utsatt fordi bransjen kombinerer høye transaksjonsvolumer, lave marginer og mange systemer. Små forskjeller i definisjoner kan gi store utslag når ERP, kasse, lager, logistikk og rapporteringsverktøy opererer med ulike datamodeller.

– Det er ikke nødvendigvis problematisk at ulike funksjoner måler ting forskjellig. Innkjøp, kategori, drift og finans tar ulike beslutninger. Problemet oppstår når forskjellene ikke er bevisste, strukturerte eller dokumenterte, sier Nytveit.

Et typisk eksempel er bruttofortjeneste. Økonomiavdelingen kan rapportere ett tall, mens kategoriavdelingen opererer med et annet. Begge kan ha rett, men dersom svinn, rabatter eller kampanjekostnader behandles ulikt, svekkes tilliten.

– Jeg har sett rapporter der den ene viste nettomsetning før rabatter, mens den andre viste etter rabatter. Da er det ikke rart at økonomi og drift sliter med å stole på de samme tallene, sier Veliqi.

Konsekvensen er at organisasjonen bruker tid på å forklare tallgrunnlaget, i stedet for å diskutere innsikten. I en bransje der beslutninger må tas raskt, kan det bremse både kommersiell utvikling og operativ gjennomføring.

– Hvis tiden brukes på å finne ut om tallene er riktige, mister man fart. Og nettopp fart er noe retailvirksomheter er helt avhengige av å bevare, sier Nytveit.

Én felles sannhet betyr ikke én KPI

Et sentralt poeng fra webinaret er at «én felles sannhet» ikke betyr at alle må bruke samme KPI til alt. Det betyr at virksomheten må ha kontroll på definisjonene, eierskapet og hvilke beslutninger tallene skal støtte.

– Én felles sannhet handler ikke om å fjerne alle nyanser. Det handler om å vite hva som er hva. Hvilke data brukes, hvordan beregnes nøkkeltallet, og hvem har ansvar for at definisjonen vedlikeholdes, sier Veliqi.

EY-kollegene peker særlig på fragmentert eierskap som en vanlig årsak til svak datastyring. Finans eier noen data, IT eier infrastrukturen, drift eier operative prosesser, og butikkene sitter ofte på lokal innsikt. Dermed blir helhetsansvaret uklart.

– Når vi starter slike prosjekter, ser vi ofte hvor mange steder dataene ligger. Det er ikke teknologien alene som stopper arbeidet, men mangelen på en strukturert måte å eie helheten på, sier Veliqi.

Noen må eie helheten

For å løse dette anbefaler EY at virksomheter etablerer en tydelig funksjon eller rolle som eier sammenhengen mellom finans, data og beslutningsstøtte. Noen kaller det et Finance Data Office, andre en datahub eller et tverrfaglig styringsteam.

– Poenget er ikke hva funksjonen heter, eller at man nødvendigvis må bygge en ny avdeling. Poenget er at noen må eie prosessen, definisjonene og helheten på tvers av organisasjonen, sier Nytveit.

En slik funksjon skal forvalte behovet for innsikt og analyse, eie sentrale definisjoner og fange opp endringer som påvirker datagrunnlaget. Når virksomheten lanserer nye kategorier, konsepter eller kanaler, bør datamodellen vurderes tidlig.

– Hvis en retailvirksomhet skal etablere en ny kategori, bør Finance Data Office involveres før det første produktet er solgt. Da kan man vurdere databehov, kontoplan og hvordan endringen påvirker rapporteringen, sier Veliqi.

Start smalt og vis verdi raskt

Mange datainitiativer blir for store, for prinsipielle og for langsiktige. EY anbefaler i stedet å velge ett konkret område der bedre datagrunnlag raskt kan gi verdi, for eksempel bruttofortjeneste, svinn, kampanjeeffekt eller kostnadsoppfølging.

– De som lykkes, starter smalt. De gaper ikke over for mye. Start med lavere ambisjon, få det skikkelig til, og skaler deretter når organisasjonen ser verdien, sier Nytveit.

Et praktisk første steg kan være å bygge en prototype eller et dashbord for ett styringskritisk område. Målet er ikke å lage den perfekte løsningen med én gang, men å vise hvordan data fra flere systemer kan gi bedre beslutningsgrunnlag.

– Når folk ser verdien, blir det også enklere å få forankring i organisasjonen, sier Veliqi.

Kontrollene må følge dataene

Bedre innsikt krever også bedre governance. Mange selskaper har gode kontroller i kjernesystemene sine, men mister kontrollen når data tas ut av ERP, kasse- eller lagersystemer og flyttes videre til datavarehus, mapper eller analyseverktøy.

– Da må man bygge en bro fra eksisterende IT-kontroller til den nye datadestinasjonen, sier Nytveit.

Det handler om tilgangsstyring, endringskontroll, eierskap til formler og konsistens mellom rapporter. Uten dette risikerer virksomheten at tallene mister troverdighet nettopp idet de skal brukes til styring, analyse og automatisering.

– Governance skal ikke gjøre arbeidet tungt og byråkratisk. Det skal sikre at dataene kan brukes med tillit. Først da kan virksomheten styre på tallene og ikke bare rapportere dem, sier Nytveit.

Fra etterkontroll til kontinuerlig overvåkning

Når fundamentet er på plass, kan gevinstene bli store. Virksomheten bruker mindre tid på tallavklaringer og mer tid på tiltak. Økonomifunksjonen kan bli mer responsiv, samtidig som internkontrollen kan bli både mer effektiv og mer datadrevet.

– Den mest åpenbare gevinsten er beslutningskraft. Man bruker mindre tid på å diskutere om tallene stemmer, og mer tid på å diskutere hva innsikten faktisk betyr og hvilke tiltak som bør iverksettes, sier Veliqi.

EY trekker også frem internkontroll som et undervurdert gevinstområde. Når data blir mer strukturert, kan virksomheten gå fra manuelle etterkontroller til mer kontinuerlig overvåkning, unntaksrapportering og testing av hele populasjoner.

– Et konkret eksempel er kostnadsoppfølging. Deler av manuelle avstemminger og dobbeltgodkjenninger kan erstattes med varsler, terskler og avviksrapportering, forutsatt at governance og datakvalitet er på plass, sier Nytveit.

AI er ikke startpunktet

Først når fundamentet er etablert, mener EY at AI virkelig kan skape verdi. Da kan virksomheten bruke kunstig intelligens til å snakke med egne data, gjøre prediktive analyser, koble på eksterne datakilder og etter hvert utvikle agenter.

– Mange starter med AI, men det blir feil rekkefølge. Uten en felles sannhet, god struktur og gode data vil AI gjøre vondt verre. Den vil forsterke feilene, ikke løse dem, sier Nytveit.

For CFOer i retail betyr dette at AI-reisen egentlig starter med definisjoner, eierskap og datakvalitet. De mest avanserte verktøyene hjelper lite dersom virksomheten ikke vet hvilke tall som gjelder, hvem som eier dem og hvordan de skal brukes.

– Når grunnlaget er på plass, kan AI bli en forsterker av kontroll og innsikt. Da kan man bruke teknologien til å forstå data raskere, automatisere mer og støtte beslutninger på en helt annen måte, sier Veliqi.

Først tillit, deretter teknologi

Dermed blir CFOens rolle mer datadrevet. Økonomifunksjonen må fortsatt sikre korrekt rapportering, men må også ta ansvar for at dataene støtter kommersielle og operative beslutninger. Det krever tettere samarbeid mellom finans, IT og forretning.

– Dette er ikke noe økonomi kan løse alene, og det er heller ikke et rent IT-prosjekt. De som lykkes, jobber strukturert på tvers, med finans, teknologi og forretning rundt samme bord, sier Nytveit.

AI kan gi retailbransjen nye muligheter, men bare dersom teknologien bygger på data virksomheten faktisk stoler på. Før CFO-en spør hvilket AI-verktøy selskapet bør investere i, bør spørsmålet derfor være langt enklere: Er tallene våre gode nok?

– AI er ikke startpunktet. AI er resultatet av det strukturelle arbeidet man har gjort med data, definisjoner og styring. Det er først da teknologien virkelig kan gi bedre beslutningskraft, sier Nytveit.