Gate 21 / Nyheder / Data / Fra god mavefornemmelse til kvalificerede beslutninger
20. august 2020
Fra god mavefornemmelse til kvalificerede beslutninger
Ved brug af et nyudviklet screeningværktøj kan du få identificeret og visualiseret de potentielle gevinster i dit næste udviklingsprojekt. Værktøjet er udviklet af Gate 21, Teknologisk Institut og en række kommuner som savnede en metode til at kvalificere kommunale projekter.
Lise Søderberg
Seniorprojektleder
Gate 21
Forlad den gode mavefornemmelse
Forestil dig, at du lige har testet et nyt bud på en løsning, der viser hvordan man med afsæt i data kan forudse, hvordan trafikmønstrene udvikler sig i din kommune. Denne løsning vil du gerne arbejde videre med og afprøve i større skala, men den kræver, at der bevilges lidt flere penge. Du skal derfor over for IT-projektrådet i din kommune begrunde, hvorfor netop dette forslag skal prioriteres.
At have en ”god mavefornemmelse” som fagperson er ikke nok, og selv om du ved, at det er væsentligt at indsamle, behandle og visualisere data, så det kan gøre dine kollegaer klogere, ressourcetabet mindre, og miljøet grønnere, skal der vægtige grunde til, at IT-projektrådet netop vælger at gå videre med din løsning. Du ved, at du er nødt til at komme med et bedre argument end din mavefornemmelse. Du søger efter en metode som hjælper dig til at vurdere samfundsnytten. Noget der giver dig mulighed for at se de brede potentialer og ikke kun dem, der ligger lige for.
I dette tilfælde kan den nyudviklede gevinstidentificeringsmodel være gavnlig.
Udviklingsprojekternes nøglehul
Der bliver talt meget om at kommunale idéer, udviklingsprojekter eller prototypeafprøvninger falder til jorden. Oftest nævnes årsager som mangel på forankring, silotænkning eller ringe risikovillighed. En ny teknologi eller et bud på en løsning skal igennem et ”nøglehul” for at få allokeret nødvendige ressourcer, opmærksomhed og udviklingsrum. En travl hverdag gør det nemt at falde tilbage til gamle rutiner. Det er ikke nok, at den dedikerede udviklingsgruppe er bekendt med potentialerne, de skal også formidles til beslutningstagere og andre afdelinger, der måske arbejder mere med driften.
Manglede metode til at identificere gevinster
I projektet Den Regionale Datahub har vi fået udviklet 12 forskellige prototyper – alt fra monitorering af skybrud over bedre arealudnyttelse til nye måder at styre lyskryds. Fælles for prototyperne er, at kommunale data sammen med sensordata og andre datakilder har givet et bud på, hvordan data kan bidrage til at løse samfundsudfordringer. Projektet havde fået i opdrag, at hver prototyper skulle gevinstidentificeres – men for at det kunne give mening, burde det ske på en ensartet måde.
Som led i dette besluttede Den Regionale Datahub, at der skulle findes en metode, der kunne identificere gevinsterne i de enkelte prototyper på en ensartet måde, og dermed bidrage til at italesætte gevinstpotentialerne. Vi undersøgte markedet, men fandt intet, der kunne anvendes. Vi fandt derimod en masse om gevinstrealisering, men det er jo en helt anden sag. Gevinstrealisering handler om at høste gevinsterne ved implementeringen, og her har man forinden udarbejdet en meget grundig og detaljeret business case. Gevinstidentificering kan anvendes på et langt tidligere stadie, måske af et IT-projektråd der skal tage stilling til, hvilke projekter, man ønsker at gå videre med. Går man videre med et af idéforslagene, så kan man udarbejde den tidskrævende business case.
Vi tog sagen i egen hånd og henvendte os til Teknologisk Institut. Målet var at udvikle en metode, der kunne anvendes af projekter generelt, være let forståelig og have en form, der tydeligt kunne vise beslutningstagere, hvor gevinstpotentialerne lå. I den nuværende model har Teknologisk Institut stået for opbygning af diagram og vægtning, mens Gate 21 udviklede modellens indhold. Samtidig slog vi fast, at det var kommunerne, der selv skulle identificere gevinsterne og ikke Gate 21.
Selve modellen
Modellen kan ses som et beslutningsværktøj, der viser gevinstpotentialer på fire grundlæggende gevinstområder – Borger, Samfund, Drift og Vækst.
Med metoden fås et tydeligt billede af, om gevinsterne primært understøtter for eksempel den kommunale drift eller hvorvidt den også skaber borgernære gevinster.
Udefra og ind
Vi valgte at anlægge synsvinklen ”udefra og ind”, hvor vi starter med kommunens/caseejerens vurderinger og derfra bevæger os indad i modellen og ser på gevinstparametre og gevinstområder. Der gennemføres et semistruktureret interview på cirka en time, hvor den kommunale medarbejder taler frit om potentielle gevinster, fremfor at præsentere vedkommende for et spørgeskema eller en fast spørgeramme. På basis af dette interview høstes en række udsagn (niveau 1).
Udsagnene matches med et af de tyve gevinstparametre (i niveau 2), der er fordelt med fem på hver af de fire gevinstområder (niveau 3): Borger, Samfund, Drift og Vækst.
Gevinstparametrene er nøje udvalgt, dels på baggrund af feltstudier, dels så de matcher den kontekst, projektet udføres i.
Og netop ved at gennemføre en samtale som et slags semistruktureret interview betyder, at vi i dialogen kan se løsningen i et bredere perspektiv og samtidig hvis der er behov herfor få uddybet nogle af udsagnene. Kommunens udsagn kan sagtens resultere i, at flere gevinstparametre kommer i spil på en gang. Tager man eksemplet med trafikforudsigelse, så bonner det ud på de åbenlyse gevinster inden for vejinfrastruktur eller trafikoptimering, men også på de mere ”skjulte” gevinster, såsom støjforudsigelse eller mulighed for at dele fælles værktøj med en anden afdeling i forvaltningen.
Når udsagnene er matchet med gevinstparametrene modtager kommunen et skema. Her skal de først godkende og derefter vægte respektive udsagn ud fra en skala fra 1 til 5 alt efter, hvor lille eller stor virkning, idéen ville have på for eksempel lokation, interessenter eller fokusområde. Derefter tastes værdierne ind i Excel-ark, og voila, så er edderkoppediagrammet dannet og der foreligger et visuelt resultat af, hvor gevinsterne ligger og hvor store de er.
Kommunernes reaktion
Det er vores klare opfattelse, at kommunerne oplevede at metoden var værdifuld og gav dem indsigt i flere gevinster og værdier, end de umiddelbart havde set.
Det blev tydeligt, at gevinstidentificeringsmetoden er et godt dialogværktøj. Den efterfølgende vægtning kan også afspejle potentialer, som ikke er store pt. og dermed få en lavere score end de gevinster, der er mere tydelige på det stadie.
Modellen er Open Source
Allerede fra starten har ønsket været, at metoden skulle bruges af andre projekter eller kommuner. Emneord som matcher mobilitet, klimasikring og driftsoptimering kan derfor udskiftes, så de passer bedre ind i en anden kontekst uden at det påvirker selve vægtningsmetoden og edderkoppediagrammet.
Modellen er til fri afbenyttelse, så du er velkommen til at prøve den på dit næste udviklingsprojekt.
Inden da så lad dig inspirere af denne video, hvor Karolina Huss fra Gate 21 og Sune Schøning fra Egedal Kommune diskuterer modellen
Den Regionale Datahub
Den Regionale Datahub er et innovationsprojekt, der oprindelig kørte fra 2017 – 2019. Projektet opnåede mange synlige resultater, og Region Hovedstaden støtter videreførelsen af projektet fra 2020, som har tre hovedfokusområder: datafællesskab, skalering og udvikling af nye prototyper.
Vandspild kan være både svært at opdage og en stor økonomisk byrde for kommunerne, men med hjælp fra datadrevne indsigter kan problemerne opdages hurtigt og billigt. Dette er kerne...
Flere danske kommuner er godt i gang med at udnytte digitaliseringens potentiale i den grønne omstilling. Men hvordan sikrer man, at smarte IoT-løsninger kan skaleres hurtigt og ef...
Vi har testet et innovativt værktøj, udviklet af Mark og Denise Barnes-Ricketts fra Zealand Academy, som understøtter bedre beslutningstagning ved at samle og dele viden i fællessk...
Fra god mavefornemmelse til kvalificerede beslutninger
Fra god mavefornemmelse til kvalificerede beslutninger
Ved brug af et nyudviklet screeningværktøj kan du få identificeret og visualiseret de potentielle gevinster i dit næste udviklingsprojekt. Værktøjet er udviklet af Gate 21, Teknologisk Institut og en række kommuner som savnede en metode til at kvalificere kommunale projekter.
Lise Søderberg
Seniorprojektleder
Gate 21
Forlad den gode mavefornemmelse
Forestil dig, at du lige har testet et nyt bud på en løsning, der viser hvordan man med afsæt i data kan forudse, hvordan trafikmønstrene udvikler sig i din kommune. Denne løsning vil du gerne arbejde videre med og afprøve i større skala, men den kræver, at der bevilges lidt flere penge. Du skal derfor over for IT-projektrådet i din kommune begrunde, hvorfor netop dette forslag skal prioriteres.
At have en ”god mavefornemmelse” som fagperson er ikke nok, og selv om du ved, at det er væsentligt at indsamle, behandle og visualisere data, så det kan gøre dine kollegaer klogere, ressourcetabet mindre, og miljøet grønnere, skal der vægtige grunde til, at IT-projektrådet netop vælger at gå videre med din løsning. Du ved, at du er nødt til at komme med et bedre argument end din mavefornemmelse. Du søger efter en metode som hjælper dig til at vurdere samfundsnytten. Noget der giver dig mulighed for at se de brede potentialer og ikke kun dem, der ligger lige for.
I dette tilfælde kan den nyudviklede gevinstidentificeringsmodel være gavnlig.
Udviklingsprojekternes nøglehul
Der bliver talt meget om at kommunale idéer, udviklingsprojekter eller prototypeafprøvninger falder til jorden. Oftest nævnes årsager som mangel på forankring, silotænkning eller ringe risikovillighed. En ny teknologi eller et bud på en løsning skal igennem et ”nøglehul” for at få allokeret nødvendige ressourcer, opmærksomhed og udviklingsrum. En travl hverdag gør det nemt at falde tilbage til gamle rutiner. Det er ikke nok, at den dedikerede udviklingsgruppe er bekendt med potentialerne, de skal også formidles til beslutningstagere og andre afdelinger, der måske arbejder mere med driften.
Manglede metode til at identificere gevinster
I projektet Den Regionale Datahub har vi fået udviklet 12 forskellige prototyper – alt fra monitorering af skybrud over bedre arealudnyttelse til nye måder at styre lyskryds. Fælles for prototyperne er, at kommunale data sammen med sensordata og andre datakilder har givet et bud på, hvordan data kan bidrage til at løse samfundsudfordringer. Projektet havde fået i opdrag, at hver prototyper skulle gevinstidentificeres – men for at det kunne give mening, burde det ske på en ensartet måde.
Som led i dette besluttede Den Regionale Datahub, at der skulle findes en metode, der kunne identificere gevinsterne i de enkelte prototyper på en ensartet måde, og dermed bidrage til at italesætte gevinstpotentialerne. Vi undersøgte markedet, men fandt intet, der kunne anvendes. Vi fandt derimod en masse om gevinstrealisering, men det er jo en helt anden sag. Gevinstrealisering handler om at høste gevinsterne ved implementeringen, og her har man forinden udarbejdet en meget grundig og detaljeret business case. Gevinstidentificering kan anvendes på et langt tidligere stadie, måske af et IT-projektråd der skal tage stilling til, hvilke projekter, man ønsker at gå videre med. Går man videre med et af idéforslagene, så kan man udarbejde den tidskrævende business case.
Vi tog sagen i egen hånd og henvendte os til Teknologisk Institut. Målet var at udvikle en metode, der kunne anvendes af projekter generelt, være let forståelig og have en form, der tydeligt kunne vise beslutningstagere, hvor gevinstpotentialerne lå. I den nuværende model har Teknologisk Institut stået for opbygning af diagram og vægtning, mens Gate 21 udviklede modellens indhold. Samtidig slog vi fast, at det var kommunerne, der selv skulle identificere gevinsterne og ikke Gate 21.
Selve modellen
Modellen kan ses som et beslutningsværktøj, der viser gevinstpotentialer på fire grundlæggende gevinstområder – Borger, Samfund, Drift og Vækst.
Med metoden fås et tydeligt billede af, om gevinsterne primært understøtter for eksempel den kommunale drift eller hvorvidt den også skaber borgernære gevinster.
Udefra og ind
Vi valgte at anlægge synsvinklen ”udefra og ind”, hvor vi starter med kommunens/caseejerens vurderinger og derfra bevæger os indad i modellen og ser på gevinstparametre og gevinstområder. Der gennemføres et semistruktureret interview på cirka en time, hvor den kommunale medarbejder taler frit om potentielle gevinster, fremfor at præsentere vedkommende for et spørgeskema eller en fast spørgeramme. På basis af dette interview høstes en række udsagn (niveau 1).
Udsagnene matches med et af de tyve gevinstparametre (i niveau 2), der er fordelt med fem på hver af de fire gevinstområder (niveau 3): Borger, Samfund, Drift og Vækst.
Gevinstparametrene er nøje udvalgt, dels på baggrund af feltstudier, dels så de matcher den kontekst, projektet udføres i.
Og netop ved at gennemføre en samtale som et slags semistruktureret interview betyder, at vi i dialogen kan se løsningen i et bredere perspektiv og samtidig hvis der er behov herfor få uddybet nogle af udsagnene. Kommunens udsagn kan sagtens resultere i, at flere gevinstparametre kommer i spil på en gang. Tager man eksemplet med trafikforudsigelse, så bonner det ud på de åbenlyse gevinster inden for vejinfrastruktur eller trafikoptimering, men også på de mere ”skjulte” gevinster, såsom støjforudsigelse eller mulighed for at dele fælles værktøj med en anden afdeling i forvaltningen.
Når udsagnene er matchet med gevinstparametrene modtager kommunen et skema. Her skal de først godkende og derefter vægte respektive udsagn ud fra en skala fra 1 til 5 alt efter, hvor lille eller stor virkning, idéen ville have på for eksempel lokation, interessenter eller fokusområde. Derefter tastes værdierne ind i Excel-ark, og voila, så er edderkoppediagrammet dannet og der foreligger et visuelt resultat af, hvor gevinsterne ligger og hvor store de er.
Kommunernes reaktion
Det er vores klare opfattelse, at kommunerne oplevede at metoden var værdifuld og gav dem indsigt i flere gevinster og værdier, end de umiddelbart havde set.
Det blev tydeligt, at gevinstidentificeringsmetoden er et godt dialogværktøj. Den efterfølgende vægtning kan også afspejle potentialer, som ikke er store pt. og dermed få en lavere score end de gevinster, der er mere tydelige på det stadie.
Modellen er Open Source
Allerede fra starten har ønsket været, at metoden skulle bruges af andre projekter eller kommuner. Emneord som matcher mobilitet, klimasikring og driftsoptimering kan derfor udskiftes, så de passer bedre ind i en anden kontekst uden at det påvirker selve vægtningsmetoden og edderkoppediagrammet.
Modellen er til fri afbenyttelse, så du er velkommen til at prøve den på dit næste udviklingsprojekt.
Inden da så lad dig inspirere af denne video, hvor Karolina Huss fra Gate 21 og Sune Schøning fra Egedal Kommune diskuterer modellen
Den Regionale Datahub
Den Regionale Datahub er et innovationsprojekt, der oprindelig kørte fra 2017 – 2019. Projektet opnåede mange synlige resultater, og Region Hovedstaden støtter videreførelsen af projektet fra 2020, som har tre hovedfokusområder: datafællesskab, skalering og udvikling af nye prototyper.
Datadrevet indsigt stopper dyre vandspild i kommuner
Vandspild kan være både svært at opdage og en stor økonomisk byrde for kommunerne, men med hjælp fra datadrevne indsigter kan problemerne opdages hurtigt og billigt. Dette er kerne...
Fem kommuner driver på udviklingen, om at kunne indkøbe opskalering af digitale løsninger
Flere danske kommuner er godt i gang med at udnytte digitaliseringens potentiale i den grønne omstilling. Men hvordan sikrer man, at smarte IoT-løsninger kan skaleres hurtigt og ef...
Nyt værktøj: Kollektive indsigter som grundlag for beslutning i den grønne omstilling
Vi har testet et innovativt værktøj, udviklet af Mark og Denise Barnes-Ricketts fra Zealand Academy, som understøtter bedre beslutningstagning ved at samle og dele viden i fællessk...