Et opgør med datasiloer

Paytech-udbyderen oplevede langsom beslutningstagning og manglede et samlet overblik over kundeinteraktioner.

Virksomheden ønskede at styrke driften med handlingsorienterede indsigter gennem implementering af data- og AI-platforme.

Det krævede, at organisationen håndterede:

• Fragmenterede data fra forskellige kilder
• Skjulte afhængigheder til legacy-systemer
• Siloopdelte systemer på tværs af organisationen

For at skabe grundlaget for datadrevet indsigt og fremtidige AI-initiativer var det nødvendigt at transformere både data og governance.

Men interne organisatoriske forhold gjorde det urealistisk at gennemføre et stort transformationsprogram, og derfor krævede løsningen en mere pragmatisk og utraditionel tilgang.

Darize udviklede en selvbetjent dataplatform med minimale ekstra ressourcer og stod i spidsen for både datatransformationen og etableringen af governance på tværs af organisationen.

Med en bottom-up data mesh-tilgang blev løsningen gradvist udrullet og skaleret i takt med forretningens behov.

Samlet indeholdt leverancen, at:

• Vi analyserede systemer og processer for at forstå driftsbehov og identificere nødvendige ændringer
• Vi begyndte med at udvikle fungerende prototyper til én til to teams og leverede business intelligence-funktionalitet inden for få måneder
• Vi udviklede en self-service platform baseret på en data mesh-tilgang og en moderne datastak (Databricks + dbt)
• Vi samlede og integrerede data fra HubSpot, SAP og Zendesk i den fælles platform
• Vi skabte intern opbakning gennem dokumenteret forretningsværdi og skalerede gradvist i takt med den organiske efterspørgsel
• Vi onboardede teams gennem træningsforløb, som styrkede kompetencer, ejerskab og et stærkt fundament for datagovernance

Med fokus på forretningsværdi gav platformen kunden virksomhedens første 360° kundebillede. Teams fik adgang til realtidsindsigter gennem self-service-platformen, hvilket skabte værdi på tværs af organisationen:

• Øgede den operationelle effektivitet og reducerede manuel rapportering med 70 %
• Afdækkede mønstre i kundeadfærd gennem indsigter på tværs af systemer
• Muliggjorde proaktiv identifikation af muligheder gennem realtidsindsigter
• Styrkede salgsindsatser og strategier for customer success
• Forbedrede ressourceallokeringen baseret på integrerede forretningsmålepunkter
• Understøttede AI-initiativer ved at etablere et struktureret datagrundlag af høj kvalitet
• Skabte skalerbarhed gennem genanvendelige metoder og interne ambassadører
• Bidrog til en kulturændring fra skepsis over for data til aktiv opbakning og anvendelse af data