<img src="https://secure.leadforensics.com/133892.png" alt="" style="display:none;">

Da Tommy Bell skiftede fra teleindustrien til Columbus, var det med ønsket om at få cloudmetodik og Dynamics 365 helt ind under huden i en organisation med højt til loftet og plads til at udfordre kunderne.

Tommy Bell startede hos Columbus i oktober 2021 med en forventning om, at der var klare processer og overordnede færdige projekter. Men virkeligheden ser en smule anderledes ud.

Jeg mødte også en kultur hos Columbus, hvor vi løbende evaluerer og overvejer, om man er på vej i den helt rigtige retning. Det er meget positivt. For kunderne får mere værdi ud af det, når du stikker hovedet op ind i mellem og kigger dig omkring.

"Jeg havde en idé om, at alt var meget struktureret, og at man fulgte en plan fra A til Å ude hos kunderne. Men det er en sandhed med modifikationer. Ja, meget er planlagt, vi har et stærkt teknisk BI-framework at bygge ovenpå – og der er metodikker og processer for næsten alt. Men jeg mødte også en kultur hos Columbus, hvor vi løbende evaluerer og overvejer, om man er på vej i den helt rigtige retning. Det er meget positivt. For kunderne får mere værdi ud af det, når du stikker hovedet op ind i mellem og kigger dig omkring," siger Tommy Bell, der arbejder som Senior Business Consultant inden for Data & Analytics.

"Samtidig er her en udbredt hjælpsomhed. Og der er ikke langt fra at få en god idé til at få mulighed for at føre den ud i livet. Det minder faktisk lidt om den ånd, man kan møde hos startups. Endelig er det fagligt udfordrende. Jeg styrker min viden om Cloud og om Dynamics 365. Det er super spændende," siger Tommy Bell.
Tommy Bell Senior Business Consultant Data & Analytics Columbus

Ville gerne have jord under neglene igen

Han kommer fra en stilling i en telekoncern og arbejdede i otte år med BI og dataanalyse på tværs af bl.a. kundeservice og support, butikker og erhvervssalg. Det var en tid med mange udfordrende opgaver på tværs af en stor, mangeartet organisation - blandt andet en del personaleansvar.

Her er vi heller ikke bange for at række hånden op og foreslå ændringer, hvis vi ser muligheder, som kunden måske ikke selv havde overvejet.

"Med tiden fik jeg lyst til at komme ud og selv få jord under neglene igen. Teleindustrien bevæger sig stærkt, og ofte mødes du af en afdeling med helt færdigbagte ideer om, hvordan et nyt dashboard eller en rapport skal se ud. Her lærte jeg at tage tempoet lidt ud af processen, spørge grundigt ind til ønsker og behov og finde ud af, hvorfor man efterspørger præcis den her løsning? Det gav et rigtig godt udgangspunkt for den videre dialog. Den fremgangsmåde oplever jeg også som en fordel hos Columbus. Her er vi heller ikke bange for at række hånden op og foreslå ændringer, hvis vi ser muligheder, som kunden måske ikke selv havde overvejet," siger Tommy Bell.

Tommy Bell Senior Business Consultant Data & Analytics Columbus

Kombinationen mellem stærk metode, dyb og bred viden om Cloud og Microsoft Dynamics 365 samt agil styring gør det lettere at nå i mål på tid og budget.

Det er netop evnen til at turde stille de rigtige spørgsmål, der skaber værdi i et BI-projekt. Samtidig minimerer modet til at spørge risikoen for, at der er væsentlige usagte eller indforståede elementer, som siden kan spænde ben, før man giver sig i kast med et projekt. Men ligesom det er vigtigt at turde udfordre kunderne konstruktivt, skal man også være sig bevidst om ikke at spilde deres og sin egen tid.

"Det gælder både på budgetsiden, hvor kombinationen mellem stærk metode, dyb og bred viden om Cloud og Microsoft Dynamics 365 samt agil styring gør det lettere at nå i mål på tid og budget," siger Tommy Bell. Men det handler også om noget så lavpraktisk som at lægge vægt på mødedisciplin, og her bestræber han sig på at udnytte tiden effektivt.

"Det er vigtigt at bevare respekten for kundens og egen tid. Så når det er muligt at optimere et møde ved at holde fokus skarpt på det, der skal besluttes eller afstemmes, så gør jeg gerne det. Og kan man på den måde nå i mål før planlagt tid og komme igang med at løse dagens opgave, så er det jo kun en bonus, som alle sætter pris på," tilføjer Tommy Bell.

Tommy Bell Senior Business Consultant Data & Analytics Columbus

Han baserer en stor del af sit virke på de helt lavpraktiske, agile principper hentet fra scrum-verdenen og anbefaler alle med blot marginal interesse for emnet til at læse " Scrum: The Art of Doing Twice the Work in Half the Time," en kort, velskrevet og meget rost bog, han selv har læst 4-5 gange.

"Den har en masse praktiske forslag, når udfordringerne tårner sig op eller man bare ikke helt ved, hvilken vej man skal gå. Især – men langtfra udelukkende – undervejs i et projekt," siger Tommy Bell.

Vil du gerne være en data-rockstar sammen med Tommy? Se ledige stillinger her

Emne

Kommenter indlæg

Recommended posts

Med vores teknologiske modenhed og mange data har vi i Danmark et godt udgangspunkt for at få succes med AI. Men både i virksomhedernes kultur, på det politiske plan og i det sprog, vi omtaler AI med, er der udfordringer, som vi skal adressere. Det mener IT-konsulentvirksomheden Columbus, som er med i Dansk Erhvervs AI-Koalition, der kortlægger danske virksomheders styrkepositioner og barrierer, når det gælder kunstig intelligens.
If you organize your data and use AI strategically, you can make better decisions faster. You can for example improve your market understanding and forecasting, optimize your maintenance or reduce food waste. Choose what is most important for you!
Demand forecasters do the impossible — predict what products and services customers want in the future. Their forecasts inform decision-making about production and inventory levels, pricing, budgeting, hiring and more. "While crystal balls remain imaginary, machine learning (ML) methods can give global supply chain leaders the support they need in the real world to create more accurate forecasts." The goal is to produce exactly the amount of product to meet demand. No more. No less. Demand forecasting is used to anticipate the demand with enough time to manufacture the right stock to get as close to this reality as possible. The cost is high if you don’t get it right. Your customers will go to your competitors if you don’t have what they need. Unfortunately, capacity, demand and cost aren’t always known parameters. Variations in demand, supplies, transportation, lead times and more create uncertainties. Ultimately demand uncertainties greatly influence supply chain performance with widespread effects on production scheduling, inventory planning and transportation. On the heels of the global pandemic, supply chain disruptions and a pending economic downturn, many demand forecasters wish for a crystal ball. While crystal balls remain imaginary, machine learning (ML) methods can give global supply chain leaders the support they need in the real world to create more accurate forecasts.
If you have identified possible AI use cases for your business, the next step will be to test if they are possible to implement and if they will create great value. While there is a lot of momentum and excitement about using AI to propel your business, the reality is only 54% of AI projects are deployed. How do you ensure you’re one of the businesses that does unlock the new opportunities AI promises? Your success with AI begins by discovering AI use cases that work for your business. In the first blog of our Columbus AI blog series, we shared five areas where organizations should focus their efforts to generate ideas for AI implementations based on our experience. After generating some ideas for AI use cases that could potentially benefit your company from the first step of the Columbus AI Innovation Lab, the next step is to test which AI use cases could be operationalized by evaluating them. Columbus AI Innovation Lab
Only half of the companies starting an AI pilot project are actually executing it. The key is to choose an idea that will benefit your business. Read more about how! In 2022, 27% of chief information officers confirmed they deployed artificial intelligence (AI), according to a Gartner AI survey. Even though businesses across all industries are turning to AI and machine learning, prepare your organization before jumping on the AI bandwagon by considering a few factors. Ask yourself: Is AI necessary for achieving the project requirements or is there another way? Does your team have the skills to support AI and machine learning? How will AI impact your current operations if you adopt it? How will you integrate AI with existing systems? What are the data, security and infrastructure requirements of AI and machine learning? The Gartner AI survey found only 54% of projects made it from the pilot phase to production. After significant investment in AI, why aren’t companies deploying it? We found the problem begins when companies define a use case. Too often, companies are not identifying AI use cases that benefit their businesses and end-users will adopt. The question is then, how should companies unlock the value and new opportunities AI promises? It starts with a systematic approach for each stage of the AI life cycle. We developed the Columbus AI Innovation Lab, a comprehensive method to address and account for all challenges when adding AI to your business operations and bring stakeholders into the process at the right time to help you operationalize AI.
right-arrow share search phone phone-filled menu filter envelope envelope-filled close checkmark caret-down arrow-up arrow-right arrow-left arrow-down