Varför en industrimodell är en dålig idé

Varför inte en standardmodell i stället för en hemmasnickrad? Varför uppfinna hjulet på nytt? Är det inte bättre med en etablerad och beprövad standard? 

Det finns många generella standard-informationsmodeller för olika branscher, så kallade industrimodeller. De täcker alla upptänkliga aspekter av en bransch och finns för i stort sett alla branscher, till exempel transport-, telekom-, finans- och försäkringsbranschen. De är internationella och generella, och tänkta att kunna anpassas till de specifika behov man kan tänkas ha i sin egen organisation. Varför inte anamma en sådan modell för vår verksamhet i stället för att ta fram en egen?  

Lockelsen hos en industrimodell

I många organisationer har man sett det som en bra idé att införa en industrimodell. De fördelar man tänker sig är följande

  • Slipper besväret med att ta fram en själv
  • Får tillgång till all den kunskap och erfarenhet som finns inarbetad i modellen
  • Får kontrollerade och exakta begrepp
  • Det blir lättare att utbyta information med andra i branschen.
    (Förutsatt att modellen är accepterad av tillräckligt många.)

Ofta är man frustrerad över alla försök som gjorts med att få till gemensamma begrepp i organisationen. Då ser en redan färdig modell ut som en enkel lösning. Man påhejas av konsultföretag som har som affärsidé att erbjuda en industrimodell, och konsulter för att hjälpa till att implementera. Varför bygga något själv när det finns en färdig standard? Man förstår förstås att det ändå blir ett arbete med att anpassa sig till standarden och att man ibland även måste göra avsteg från själva standarden för sina egna specifika behov. Konsultföretagen brukar nämna att det brukar röra sig om runt tjugo procent egna anpassningar.

Allt verkar bra. Det känns tryggt att luta sig mot något etablerat. Därför har också många organisationer valt den vägen.

Det finns gott om misslyckanden

I själva verket är den vägen allt annat än trygg. Alla sådana satsningar jag känner till har misslyckats. I bästa fall har de runnit ut i sanden efter ett tag, då satsningen har tappat fart och inte visat sig ge den nytta man trodde. Ibland har satsningen ändå fortsatt, eftersom projekt har en tendens att bara fortsätta fastän de inte fungerar.

I många fall har industrimodellen då satt sin prägel på begreppen och språket i verksamheten. Men inte på ett bra sätt. Tvärtom har man då skadat organisationens möjlighet att få till en gemensam förståelse och ett gemensamt språk. Detta eftersom arbetet har varit mer inriktat på att matcha ihop företeelserna i domänen med modellen, än att verkligen skapa en förståelse av verksamheten.

Organisationen har då inte bara slösat pengar, kraft och tid samt missat möjligheter utan också hamnat i ett betydligt sämre läge än innan. Man har då förstört något av det viktigaste man har, de gemensamma begreppen och det gemensamma språket.

Ibland hör man förklaringen att de industrimodeller som finns än så länge är för dåliga, vilket inte är sant. Eller att de är för generella, vilket är sant, men den förklaringen missar ändå själva kärnproblemet. Jag vill nu försöka förklara varför hela tanken med att köpa in en industrimodell är en dålig idé.

Första skälet: Det är vägen som är mödan värd

Som jag beskrivit i min tidigare artikel, ”Om modeller på papper och modeller i huvudet”, så har modellen i sig inget värde så länge den inte representerar en gemensam förståelse. Det är modellering som skapar en gemensam förståelse och ett gemensamt språk. Det är detta som är det verkliga värdet. Det finns ingen smitväg förbi detta.

Modellen i sig är vilseledande och skadlig om den inte representerar en gemensam förståelse som är tillräckligt krispig och genomtänkt. Och det kan den bara bli genom att vi verksamhets- och it-kunniga arbetat fram den själva, tillsammans.

Det är förstås möjligt att använda en industrimodell som referens och inspiration, något att plocka begrepp, benämningar och mönster från när de passar vår förståelse av vår domän. Men det är något helt annat än att implementera industrimodellen som vår egen. Vi som modellerar har alltid olika källor för inspiration, det är inget nytt och det är inte det vi pratar om här.

När man inför en industrimodell för sin verksamhet brukar det gå till så här. Man försöker matcha ihop de företeelser och begrepp man hittar i den egna verksamheten, med begrepp och mönster i standardmodellen. Men man saknar då den djupa förståelse för de egna företeelserna som bara en modellering av den egna verksamheten kan ge. Matchningen blir ytlig, grov och skev.

Andra skälet: En modell har alltid en viss kontext

Det som ofta glöms bort är att en modell aldrig är universell. En modell är framtagen för ett visst sammanhang, det vi kallar för kontext. Kontext kan vara smalare eller bredare, utefter olika dimensioner. En modell för en viss verksamhet passar sällan en annan verksamhet trots att de är i samma bransch. Om man håller sig på en mycket generell nivå passar den förstås, men då är ju kontexten inte längre samma. Kontexten är då mer allmän, den som är gemensam för verksamheterna. Därmed kan man naturligtvis skapa en gemensam standard för en hel bransch. Men då avgränsar vi oss till just det som ska delas mellan organisationerna, det som är en delad kontext, inte hela deras respektive interna världsbild.

Vi kan förstås matcha ihop begrepp för två eller flera olika verksamheter, det gör vi ju ofta som informationsmodellerare. Det gör vi genom att först skaffa oss en djup förståelse för respektive verksamhet, det vill säga att vi först behöver modellera respektive verksamhets begreppsvärld och först därefter kan vi ta fram den gemensamma modellen.

En industrimodell är extremt generell, eftersom den ska passa alla varianter av verksamheter i branschen i fråga, i alla länder med olika lagstiftning, kultur och språk. Det blir ”one size fits all” eller snarare ”one size fits no one”.

Resultatet

Resultatet av en satsning på att implementera en industrimodell för sin verksamhet blir att hopmatchningen mellan de egna företeelserna och begreppen i industrimodellen blir slarvig och skev. Begreppen blir för vida eller smala. Namnen blir missvisande. Man har helt enkelt inte tillämpat det enda arbetssätt som kan skapa den gemensamma förståelsen. Med andra ord: man har inte modellerat. I min tidigare artikel ”Om modeller på papper och modeller i huvudet” förklarar jag vikten av att bygga gemensam förståelse i en verksamhet och ett gemensamt språk som speglar den förståelsen.

Detta gör att man, om man inte ger upp tidigare, får en begreppsvärld och ett språk som blir trubbigt, skevt och missvisande. Det blir motsatsen till vad man behöver uppnå. I stället för att bygga en gemensam förståelse och ett krispigt språk så fryser man förståelsen och förstör språket. Och det är något som skadar en verksamhet för lång tid, ofta decennier. Jag har sett verksamheter där man inte kan använda allmänna termer som ”transaction”, ”agreement” och ”service” eftersom de har låsts fast i alldeles för specifika och missvisande betydelser. Jag har sett det hända gång på gång.

Specifika standarder

Det betyder inte att standarder är en dålig idé rent allmänt. Utan standarder kan vi inte kommunicera effektivt mellan organisationer. Men då handlar det om specifika mycket smalare standarder för vissa typer av data. Till exempel hur en order ser ut inom en viss bransch, eller hur ekonomiska data rapporteras. Vanligen har de mognat fram under många år. Och det handlar då aldrig om hur en hel bransch fungerar, tvärs över alla företeelser som hanteras i de respektive verksamheterna.

Och en sådan standard ersätter aldrig vår interna modell. Den interna modellen är tvärtom en förutsättning för att vi ska kunna matcha våra egna data mot standarden.

Orsaken till övertron på industrimodeller

Jag tror att det finns flera samverkande orsaker till föreställningen att en industrimodell kan ersätta en egen modell:

  1. Fokusering på konkret synligt resultat
    En tendens att fokusera på det synliga yttre resultatet i ställe för på det vi verkligen vill ha. Man ser bara själva modellen som det viktiga, utan att förstå att den inte har något värde om den inte representerar en gemensam förståelse och ett gemensamt språk i verksamheten.
  2. Saknad förståelse av kontextens betydelse
    Man har inte har förstått att en modell alltid avser en viss kontext, det vill säga hela det sammanhang där den är giltig. Det kan vara en bred kontext, men ändå alltid en viss kontext. En modell för en hel bransch kan aldrig vara en modell för en specifik verksamhet. En modell kan inte passa överallt och ändå vara tillräckligt specifik i alla lägen.
  3. Oseriösa leverantörer
    Leverantörer säljer in industrimodeller som om det vore en beprövad och framgångsrik lösning. Leverantörernas säljare har dock inte den kunskap som krävs för att ge bra råd.
  4. Saknad förståelse hos it-ledningar
    It-ledningar har vanligen inte den förståelse för informationsmodellering som krävs för att rätt bedöma säljarnas utsagor.
  5. Akuta behov
    Man har ofta misslyckats med tidigare försök att skapa en gemensam modell, och behovet blir alltmer trängande.
  6. Invändningar framstår som flummiga
    Det är svårt att argumentera för vad modellering egentligen handlar om och hur den bör bedrivas. Det låter flummigt och svårt och det kräver erfarenhet och kunskap som man saknar. Det alternativet står sig slätt mot ett mer konkret alternativ, att bara köpa in något så är problemet snart löst.

Vad kan vi göra?

Vad kan vi göra åt det? Ja, vi som är verksamma i branschen, skriver och undervisar om modellering har uppenbarligen inte lyckats förmedla en förståelse av vad vi egentligen håller på med. Men det är aldrig för sent att göra rätt. Låt oss hjälpas åt. Det här är i mitt bidrag.

Har du varit med om att införa en industrimodell? Hur gick det? Har du andra erfarenheter? Kommentarer är välkomna.

/Peter Tallungs, IRM

Nästa artikel i ämnet informationsarkitektur publiceras torsdag 1 april. Då handlar det om skillnaden mellan data och information.
Vill du prenumerera på denna artikelserie? Registrera din mailadress här.

Ny kursomgång av Affärsdesign med Artificiell Intelligens

21 november kör vi ännu en kursomgång av Affärsdesign med Artificiell Intelligens

Första kursomgången av Affärsdesign med Artificiell Intelligens fick högsta betyg av deltagarna. Nu vill fler gå, så vi har planerat en kursomgång till 21-22 november. Kursen gör AI-digitaliseringens konsekvenser tydliga för dig och din verksamhet. Du får praktiska verktyg för att identifiera möjligheter och dra nytta av AI med kunden i fokus. 

”Kursen var en riktig ögonöppnare. Fokus på affärsnytta. Mycket kunniga lärare. Nya begrepp förklarades med stor inlevelse och många olika exempel. Gruppövningarna kändes som skarp affärsutveckling. Hade jag varit mellan jobb hade jag övervägt starta bolag med den datastrategi och produktidé vi arbetade fram tillsammans. Rekommenderas!” – Stefan, Infospread

Denna 2-dagarskursen ger en kickstart och inspiration för att digitalisera din affär med hjälp av Artificiell Intelligens (AI). Kursen är för dig som vill få snabb koll på hur din organisation kan utvecklas i takt med digitaliseringen och AI-vågen. Ta tillfället att snabbt göra AI-digitaliseringens konsekvenser tydliga för dig och din verksamhet. Vi lyfter blicken och inspireras av de senaste trenderna och de främsta utmanarna för att sedan landa i enkla verktyg som förnyar dig och din affär med kunden i fokus.

Digitalisering och AI handlar inte enbart om teknologi utan framförallt om att skapa en maximal kundupplevelse. Den insikten är avgörande inom modern affärsutveckling. De företag som börjat bli ”AI digitala” kommer att ha ett enormt försprång och de som saknar en AI-strategi kommer inte kunna hänga med i matchen. Att förstå hur förändringen från analogt till digitalt påverkar din affär är en överlevnadsfråga.

Lärare på kursen är Marcus Weiland och Robert Elm

Marcus Weiland programmerade sin första artificiella intelligens (ett neuralt nätverk) 1998. 2005 vann han en robottävling på KTH där han även undervisade. Vid sidan om styrelseuppdrag och arbete som strategichef driver Marcus sitt eget bolag, Curiative AB, som fokuserar på att höja Sveriges AI-kompetens.

Robert Elm har arbetat ett flertal år inom Scania, ABB och Bombardier samt nya tillväxtbolag med att leda digitala transformationsprogram som affärsmodellinnovatör och affärsarkitekt. Robert är passionerad att hjälpa entreprenörer, ledare, rebeller och organisationer att upptäcka sin affärsmodell och utforma sin framtida strategi.

Läs mer om kursen Affärsdesign med Artificiell Intelligens