Algoritmiska affärer

Som konsumenter interagerar vi i dag direkt med många av våra leverantörer digitalt. Vi lever i ett sorts realtidssamhälle där de företag som vi köper böcker, musik, resor, kulturupplevelser och mycket annat av, succesivt lär sig mer och mer om våra vanor och om vår smak. Vi slipper tala om vem vi är och legitimera oss – vi trycker på en knapp och saken är klar. Biljetten kommer i mejlen och boken i brevlådan.

Vad som kanske inte är lika djupt känt är att den här typen av företag organiseras på ett dramatiskt annorlunda sätt jämfört med mer traditionella företag:

  • Inga parallella funktionsorganisationer, särskilt ”marknad”, ”försäljning”, ”kundservice”.
  • Radikalt annorlunda kompetensbehov på nyckelpositioner inom dessa funktioner.
  • Radikalt större behov av matematik och algoritmisk planering.
  • Data- och kunskapsdrivet beslutsfattande.
  • Eliminering av ”middle management”, alltså ledare som leder andra ledare.

Varför organiseras Google, Amazon och eBay så här? Givetvis för att deras affärsmodeller ger dem kontinuerlig möjlighet att i realtid (åtminstone inom många områden) följa konsekvenserna av i stort sett alla aktiviteter som initieras.

När du söker efter något på Google, så vet Google vad du vill ha och kan visa dig det. En del av det man visar dig får Google betalt för av annonsörer. När du köper en bok på Amazon läggs ytterligare en pusselbit till alla de andra fakta som Amazon redan har om dig och dina intressen. Nästa gång du går in på Amazon visas ett antal erbjudanden som är ännu litet mer precisa – och attraktiva – för just dig.

Algoritmisk affärsutveckling är nu så integrerad i många verksamheter att vi som konsumenter oftast bara märker av den när den går åt skogen. Den 12 december i fjol kunde man exempelvis i några timmar köpa nästan vad som helst på Amazon.com för några kronor – för att en algoritm brakat ihop. Det finns många exempel på algoritmer som ställt till problem för företag, exempelvis felaktig prissättning och felaktig riskbedömning vid låneansökningar.

Detta är i sig inget nytt. Frågan är dock vad ledare för mer traditionella företag kan lära sig av Google och Amazon? Kan en CFO i stålbranschen, eller för all del vilken B2B-verksamhet som helst, utveckla sin organisation åt det här hållet? Är det ens önskvärt?

Jag menar att det inte bara är önskvärt – det är nödvändigt.

General Electric är ett av världens mest beundrade företag, men man associerar mer till flygplansmotorer och kylskåp än till en Google-liknande organisationsform när bolaget nämns. I själva verket genereras ungefär två tredjedelar av General Electrics försäljning om 250 miljarder dollar från den matematiskt definierade och algoritmiskt implementerade insikt man får genom all data som genereras inte enbart av deras kunder, utan också direkt av de produkter som kunderna köpt.

Världens i dag högst värderade bolag – Apple – är också ett bolag vars affärsmodell baseras på en matematisk/algoritmisk grund. Det kan vara trösterikt för ledare i mer traditionella branscher att veta att Apple var ett högst konventionellt företag ända tills

Steve Jobs återvände till bolaget 1997. Då startade resan mot Apple som vi känner företaget i dag.

Hur kan då ledare för traditionella verksamheter arbeta för att bli mer som Amazon och Google? Jo, genom att samla in, analysera och agera på data.

Alla företag kan göra detta, även om det ofta är besvärligt att implementera rent praktiskt. Det som är enklast att implementera är analysen. Dagens bästa analysverktyg innehåller den matematik och de algoritmer som behövs för att utvinna konkret kunskap ur komplexa datamängder. Man kan i vissa fall rent av ”se runt hörn” och projicera vad som kommer att hända längre fram i tiden.

Att samla in data är knepigare. Att agera på den analys man gjort på data när den väl är insamlad kan också vara tufft. Analysen ger ofta det bistra beskedet att bolaget i många frågor har fattat helt fel beslut.

En algoritmisk CFO behöver alltså inte kunna särskilt mycket matematik. Men han eller hon måste ha mod.