Datadrevne beslutninger: slik kommer du i gang
Datadrevne beslutninger begynner med et spørsmål, et måltall og data som stemmer. Slik bygger du en arbeidsmåte som holder i hverdagen.
Niclas NässlanderOppdatert 10 november 2026 · 4 min lesing
Kort svar
Datadrevne beslutninger betyr at du støtter viktige beslutninger på tall i stedet for magefølelse. Du kommer i gang ved å velge én beslutning, bestemme hvilket måltall som avgjør den, sørge for at dataene stemmer, og gjøre svaret tilgjengelig der beslutningen tas. Deretter følger du opp resultatet og justerer. Begynn i det små, med en beslutning som kommer igjen.
Innhold
Mange vil ta beslutninger på data, men det blir fort et dashbord ingen åpner. Forskjellen på å ha data og å beslutte på data ligger i hvordan spørsmålet stilles, og hvordan svaret når den som beslutter. Her er en måte å komme i gang på.
Hva er datadrevne beslutninger?
Datadrevne beslutninger er en arbeidsmåte der viktige beslutninger støttes av fakta fra virksomhetens egne data. Det betyr ikke at tallene beslutter. Det betyr at den som beslutter, ser fakta som hjelper skjønnet, i stedet for å stole på magefølelsen eller den som snakker høyest.
En datadrevet bedrift har tre ting: spørsmål som er formulert, måltall alle er enige om, og data det går an å stole på. Mangler ett av dem, handler diskusjonen om tallene i stedet for om beslutningen.
Hvordan tar du datadrevne beslutninger?
- Velg en beslutning som kommer igjen. For eksempel prising, innkjøp eller hvilke kunder som skal prioriteres.
- Formuler spørsmålet som avgjør. Hvilke kunder gir høy omsetning, men lav margin?
- Bestem måltallet. Margin per kunde, lagerets omløpshastighet eller tid til betaling.
- Finn dataene, og kontroller dem. Stemmer tallet med regnskapet?
- Gjør svaret synlig der beslutningen tas. I møtet, ikke i en rapport som sendes etterpå.
- Følg opp resultatet. Gikk det slik du trodde, og hvis ikke, hvorfor?
Det siste steget er det som oftest mangler. Uten oppfølging vet du aldri om beslutningsgrunnlaget var godt.
Slik løser vi det
Beslutningsgrunnlag fra tall som stemmer
Confect AI Agent svarer på spørsmål direkte i Visma Net, basert på selskapets egne tall. Egen instans per kunde.
Les om Confect AI Agent →Hvilke måltall bør du følge?
Velg få måltall, og definer dem skriftlig. Et måltall som betyr ulike ting for ulike personer, skaper mer uenighet enn det løser. Skriv ned hvordan det regnes ut, hvor dataene kommer fra, og hvem som har ansvaret for det.
| Beslutning | Spørsmål | Måltall | Datakilde |
|---|---|---|---|
| Prising | Hvilke kunder tjener vi for lite på? | Margin per kunde | Regnskap og salg |
| Innkjøp | Hva binder kapital uten å selge? | Lagerets omløpshastighet | Lager og innkjøp |
| Kreditt | Hvilke kunder betaler sent? | Dager til betaling | Kundereskontro |
| Prosjekt | Hvilke oppdrag går med tap? | Resultat mot budsjett | Prosjektregnskap |
Hvordan sikrer du at dataene er til å stole på?
Datakvalitet er en jobb noen må eie. Det betyr at hvert felt har en ansvarlig, at feltene har en tydelig betydning, og at dataene holdes oppdatert. Begynn med feltene måltallene bruker. Mangler kundens segment på halvparten av kundene, går det ikke an å sammenligne segmenter.
Det enkleste er å ha data på ett sted. Når økonomi, ordre og lager ligger i én løsning, som i Visma Net, trenger ingen å avstemme mellom filer før analysen kan begynne.
Hvordan skaper du en datadrevet kultur?
En datadrevet kultur er ikke et kurs. Den er en vane. Ledelsen stiller spørsmålet «hvilke data støtter det?» i møtene, og teamet vet at det er greit at svaret er «vi vet ikke ennå». Begynn med et fast møte der én beslutning tas med tallene på bordet.
Ingen vil bli kritisert fordi tallene viste noe ubehagelig. Utfordre rutinen, ikke personen: i stedet for å spørre hvorfor noe ble gjort slik, spør hvilket tall som viser at det fungerer. Da går samtalen framover.
Hvilke verktøy trenger du?
Verktøyet skal følge spørsmålet. For spørsmål som stilles sjelden, holder Excel. For spørsmål som stilles hver måned, bør svaret ligge i systemet, slik at det er ferdig når noen trenger det. Vil du kunne spørre på vanlig norsk, finnes det AI som jobber på selskapets egne data.
Confect AI Agent svarer på spørsmål som hvilke kunder som gir høy omsetning, men lav margin, direkte i Visma Net og basert på selskapets egne tall. Den kjører i en egen instans per kunde, og data deles ikke og brukes ikke til trening. Svaret er et grunnlag. Beslutningen tar du.
Hvordan vet du at det fungerer?
Mål kvaliteten på beslutningene, ikke antall rapporter. Hvor ofte ble beslutningen tatt på oppdaterte data? Hvor lang tid tok det fra spørsmål til svar? Gikk resultatet i den retningen du trodde? Skriv ned svarene etter hver oppfølging.
Les mer om AI i norske bedrifter i guiden AI i norske bedrifter 2026.
Vanlige spørsmål
Hva er datadrevne beslutninger?
Datadrevne beslutninger er en arbeidsmåte der viktige beslutninger støttes av fakta fra virksomhetens egne data. Tallene tar ikke beslutningen, men de gir den som beslutter, et grunnlag å veie mot skjønnet sitt. Det krever tydelige spørsmål, definerte måltall og data som stemmer.
Hvordan kommer man i gang med datadrevne beslutninger?
Velg en beslutning som kommer igjen, for eksempel prising eller innkjøp. Formuler spørsmålet som avgjør den, og bestem hvilket måltall som svarer på det. Kontroller at dataene stemmer med regnskapet, og vis svaret der beslutningen tas. Følg opp resultatet etterpå.
Hvilke måltall er viktige for en datadrevet bedrift?
Det avhenger av virksomheten, men begynn med få måltall som henger sammen med beslutninger du tar ofte. Margin per kunde, tid til betaling, lagerets omløpshastighet og resultat mot budsjett er vanlige. Definer hvert måltall skriftlig, slik at alle regner på samme måte.
Hva skal til for at data er til å stole på?
Hvert felt trenger en ansvarlig, en tydelig betydning og en rutine for å holdes oppdatert. Ha helst data på ett sted, slik at ingen må avstemme mellom filer. Kontroller nøkkeltallene mot regnskapet, og gjør det til en fast rutine i stedet for en engangsjobb.
Kan AI hjelpe med datadrevne beslutninger?
Ja, AI kan svare på spørsmål i vanlig tekst og finne sammenhenger i store datamengder. Svaret blir bare så godt som dataene AI får bruke, så dataene må stemme. Bestem hva AI får lese og endre, og la et menneske ta beslutningen.