Boligadministration - fra helvede til himlen

Ovenstående scenarie er et klassisk eksempel på, hvad resultatet kan være, når man begynder at arbejde med nogle af de udfordringer, man typisk står med, og hvorfor man har valgt at blive en datadrevet virksomhed.  

En af de største udfordringer ved at udleje ejendomme og boliger er at have en så høj udlejningsgrad som muligt. Der kan være mange grunde og årsager til, at netop det enkelte område, ejendom eller bolig kan have en enten høj eller lav udlejningsgrad. For at blive klogere på hvad der kan være galt, skal vi se på tendenser.   

Er det fordi der bliver annulleret mange kontrakter? Er det fordi lejerens alder ligger i en bestemt defineret aldersgruppe, og man derved på forhånd kan forudsige længden af udlejningsperioden? Eller kan det være fordi ejendommen ligger i et område, hvor markedet for præcis den type lejemål, er mættet?  

Uanset årsag, vil svaret være det samme. At man først kan få indblik og svar, når data er tilgængelig på en så nem og intuitiv facon, at det efterfølgende analysearbejde er umiddelbart værdiskabende.  

Når man har klargjort hvilke udfordringer man som virksomhed ønsker svar på, kan man gå i gang med at danne sig et overblik over måden hvorpå man vil samle og eksponere sit data. Løsninger kan der være mange af, og det kan til tider være rigtig svært at danne sig det store forkromede overblik. I alle tilfælde, vil jeg altid anbefale at drømme stort, men at tage drømmene med små skridt og altid starte med de ”lavthængende frugter”. Oftest er det små knapper der skal skrues på, for at opnå det rigtige resultat og effekt.  

En start bør være at få styr på antallet af lejemål, fordelt ud på udlejet, reserveret og tomgang. Blot med disse tre måltal, vil man være i stand til at kunne lave udlejningsprocenten. Hertil kunne man supplere med at se på hastigheden for udlejning og derved få en ide om hvilke lejemål der typisk udlejes først og hvilke der ikke gør. Denne indsigt er især brugbar, hvis man står og enten skal bygge eller erhverve nye ejendomme. Ud fra analysen, kan man derfor fastslå hvilke typer lejemål der udlejes først, og dermed omsætter for mest.  

Man skal således have fundet de nøgleparametre der er behov for, for at styre ens udlejningsforretning, for dernæst at transformere disse til en brugbar datamodel. Når først datamodellen er på plads, begynder det egentlige analysearbejde.   

Når man snakker dataanalyse, som beror sig på indtastede data og ikke automatisk generede data, er det nødvendigt at være en smule skepsis omkring det. Hvis man eksempelvis vælger at kigge på aldersgrupper, er det vigtigt at have for øje, at alderen muligvis indsættes og at det derfor nødvendigvis ikke er repræsentativt nok.  

Generelt set, burde datakvalitet være i lige så høj kurs, som det at blive datadrevne. Det er umuligt at bruge data, såfremt man ikke kan stole på det, eller vide om noget data mangler. Normalt vil et ERP-system indeholde en vis grad af stabilitet, når vi snakker data kvalitet. Den største synder er, når brugeren selv har mulighed for indtastninger. Her gælder det både at man indtaster noget forkert, eller at man slet ikke indtaster, og derved mangler data. Derfor vil det være en nødvendighed, at man får styr på sit data, inden man påbegynder rejsen på at blive datadrevne.   

Måden hvorpå man får opsat en platform med rapportering, kan være mange. Som udgangspunkt, vil anbefalingen altid være at der skal bygges et datavarehus, hvor man heri bygger en valideret forretningslogik, og samtidig muliggør samkørsel af flere forskellige kilder. Et datavarehus er en samling af data fra forskellige datakilder, der er organiseret, så de bedst muligt giver mulighed for at lave rapporter og analyser af data. 

Traditionelt har organisationer brugt datavarehuse til at lagre og integrere data indsamlet fra deres egne interne datakilder. Dog er der en stigende tendens til, at datavarehuset bliver udvidet til også at indeholde eksterne datakilder og transaktioner. Datavarehuset omfatter nu i stigende omfang eksponentielt større datamængder og mere komplekse data fra eksempelvis websites, sociale medier og eksterne databaser. 

Enhver virksomhed, der er afhængig af data for at træffe bedre og hurtigere beslutninger, vil have fordel af et datavarehus i skyen. I modsætning til traditionelle datavarehuse gør skyen det muligt, for både små og store virksomheder at skalere deres datavarehus efter behov og forbrug, i takt med de ændringer der opstår. 

Når man som virksomhed laver en investering, forventer man også at få et afkast på denne. Dette hvad enten afkastet kan måles direkte på top-/ eller bundlinjen eller om afkastet kan måles på sparet tid af manuelle processer, og dermed færdiggørelse af andre opgaver.  

Ovenstående afkast, vil oftest i starten styres af omsætningen og dermed primært bestå indtægten fra husleje og/eller salg af ejendomme.  

Udover at man sikrer muligheden for en høj udlejningsgrad, så er der en del muligheder for besparelse af manuelle processer og dermed frigørelse af nye arbejdsopgaver. Det kunne være simple rapporter, som hjælper de personer, som sidder og udlejer lejemålene. Her kunne det være rapporter, som underbygger udlejning og reservation, således at man kan undgå en masse opslag og koordinering på tværs af teams og afdelinger. Samtidig kan det ligeledes bruges af marketings afdelinger, da man nu har mulighed for at præcisere hvem man gerne vil have som lejere, og dermed lave kampagnefremstød mod præcis den gruppe af mennesker, som vælges. 

En anden afledt effekt vil være, at man nu vil kunne automatisere sin finansdivision, da der her også vil være mulighed for at opsætte rapporter, som ville kunne erstatte mange af de manuelle afrapporteringer, som foregår hver dag/uge/måned. Derudover findes der ligeledes et væld af understøttende rapporter, som muliggør at man eksempelvis får styr på sine kreditorer/debitorer med forfaldslister.  

Det er vigtigt at have en klar opfattelse af hvad man gerne vil opnå og undersøge hvilke behov organisationen har, og hvilke udfordringer I vil have løst. Ledelsesmæssig forankring og accept er ligeledes et vigtigt parameter for at opnå succes med projektet. Uden ledelsesmæssigt sponsorat og ejerskab er der risiko for, at effekten af projektet ikke står mål med investeringen og forventningerne.