Ø&I Årgang 31 nr. 3: Korrekt implementering af Business Intelligence skaber merværdi

Formålet er at analysere, hvordan virksomheder kan implementere Business Intelligence, således at de opnår merværdi. I artiklen udvikles en model for balanceret merværdi, hvor merværdien anskues på både organisations-, leder/beslutningstager- og BI-brugerniveau fordelt på de 4 dimensioner: Finansielle aspekter, Eksterne relationer, Internt procesperspektiv samt Kompetence- og ressourceperspektiv. Afslutningsvis bliver det analyseret, hvordan virksomheder opnår merværdi fra BI ud fra eksisterende forskning. Inspireret af Davenports model analyseres dette ud fra virksomhedernes modenhedsstadie, transformation fra data til analyse samt merværdi. Artiklens forskningsbidrag er en model til identifikation af dimensionaliseret merværdi, og artiklens bidrag til praksis er at analysere ud fra litteraturstudier, hvordan virksomheder kan opnå højere merværdi.

Cand.mag. Rikke Gaardboe er ph.d.-studerende ved Institut for Kommunikation, Aalborg Universitet. Cand.merc., ph.d. Henrik Fladkjær er lektor ved Institut for Økonomi og Ledelse, Aalborg Universitet. Cand.oecon., ph.d. Christian Nielsen, er professor ved Institut for Økonomi og Ledelse, Aalborg Universitet. 

A. Indledning

Viden og intelligens er vigtige ressourcer for virksomheder for at kunne konkurrere globalt (Alter, 2004). I de seneste år har virksomheder implementeret forskellige transaktionsbaserede IT-systemer til at understøtte forretningsprocesserne, f.eks. Enterprise Resource Planning (ERP), Customer Relationship Management (CRM), Supply Chain Management (SCM). Mange virksomheder har valgt at implementere Business Intelligence (BI) (Gartner, 2015), idet dette IT-system kan håndtere den stigende mængde af data fra forretningssystemerne og transformere disse til ledelsesinformation, der kan understøtte beslutningsprocesserne. Herschel (2012) argumenterer for, at BI kan være vigtig i forhold til at opnå succes for nutidens virksomheder, og forskningen viser, at virksomheder, der udnytter BI, opnår en konkurrencefordel, idet ledelsen får et bedre beslutningsgrundlag (Alter, 2004; Baars og Kemper, 2008).

I den årlige undersøgelse af IT-chefernes prioriteter inden for IT-investeringer har Gartner (2015) opgjort, at Business Intelligence ligger på en 1.-plads, hvorimod ERP-systemer ligger på en 5.-plads og CRM-systemer på en 9.-plads. Det er interessant, at de transaktionsbaserede systemer er lavere prioriterede end forretningsanalysen, idet de tilvejebringer datagrundlaget til BI. Erfaring fra praksis viser, at selvom BI er højt prioriteret af ledelsen, er den faktiske merværdi ofte uklar, og virksomhederne formår ikke at få implementeret BI således, at de opnår en merværdi af investeringen (Isik, Jones og Sidorova, 2011; Watson og Wixom, 2007).

1. Baggrund for artiklen

Det er en generel problemstilling, at virksomheder investerer i forskellige IT-systemer, men Return on Investment (ROI) på disse systemer er mange gange negativ (Dehning og Richardson, 2002). I 2014 undersøgte Danmarks Statistik danske virksomheders oplevelse af merværdi fra deres IT-projekter. Konklusionen var, at 60 % af virksomhederne havde opnået »omlægninger og forenklinger af arbejdsgange«, mens kun 32 % mente, at de havde opnået en »større indtjening« ved implementering af IT, hvilket placerer dette svar på en 5.-plads ud af 6 mulige. Den største barriere for implementering af ny IT er, at »Prisen på relevante IT-løsninger er for høj«. Hvis vi fokuserer på virksomhedens brug af IT-systemer, er det interessant, at forskningen understreger, at IT-systemerne f.eks. kan understøtte hurtige og sikre beslutninger i en usikker og omskiftelig omverden samt fremme innovation i virksomhederne (Dewett og Jones, 2001; Melville, Kraemer og Gurbaxani, 2004).

BI er interessant i kontekst med fagområdet økonomistyring, fordi teknologien tilvejebringer en metode, hvorpå forskellige økonomistyringskoncepter kan digitaliseres og automatiseres. Nogle ERPsystemer, f.eks. SAP, har et Activity Based Costing (ABC)-modul, men anvendelsen forudsætter, at alle data er samlet i ERP-systemet, og dette er ikke altid tilfældet i praksis. BI er uafhængigt af IT-systemer og tilvejebringer en fleksibilitet i udarbejdelse af rapporter, men også i forhold til anvendelse af datakilder.

Systemlandskabet er komplekst i den offentlige sektor. For eksempel har Københavns Kommune estimeret, at den har ca. 550 IT-systemer og systemintegrationer (Københavns Kommune, 2012). Dette betyder, at viden er distribueret rundt i organisationen, og BI kan bidrage til at samordne denne viden. Et eksempel på en BI-løsning, der anvender data fra forskellige registre, er fra Udbetaling Danmark. På baggrund af forskellige datakilder har ATP opbygget en løsning, der kan hjælpe de enkelte sagsbehandlere med at finde og prioritere sagerne, og dermed kvalificeret udvælge de vigtigste sager. Omdrejningspunktet er en fleksibel brugergrænseflade, hvor data bliver præsenteret ud fra en forretnings- og erfaringsbaseret logik (Sandal, 2013).

Et af de legendariske eksempler på anvendelsen af BI i den private sektor er fra den amerikanske supermarkedskæde Walmart. De kombinerede demografiske data fra kundernes medlemskort med data fra indkøbsdata. Ved hjælp af dataminingfunktionen i Business Intelligence havde de fundet et par interessante indkøbscases. Den første case viste, at kunder, der køber gin og tonic, også ofte køber en lemon. En anden case viste, at unge mænd, der køber bleer fredag aften, ofte køber en øl (Whitehorn, 2006). Selvom eksemplerne efterhånden er et årti gamle, så er det ingen hemmelighed, at indkøbsdata er meget værdifulde for butikkerne. Og de kan bruges til at optimere salgs- og markedsføringsindsatsen.

2. Oversigt over artiklens indhold

Formålet med dette studium er at analysere, hvordan virksomheder implementerer Business Intelligence således, at de opnår merværdi ud fra ikke blot en økonomisk, men også en holistisk betragtning. Artiklen er struktureret således, at vi i afsnit B definerer begrebet Business Intelligence – ikke blot ud fra en forretningsvinkel, men også ud fra en teknisk vinkel, således at begrebet bliver differentieret fra andre typer af IT-systemer, som virksomhederne anvender. Herefter vil vi i afsnit C diskutere begrebet merværdi ud fra DeLone og McLeans (1992) Updated D&M IS Success Model, og hvorfor merværdi er essentiel. Der præsenteres en dimensionaliseret merværdimodel, hvor merværdi skal forstås ud fra Finansielle aspekter, Eksterne relationer, Internt procesperspektiv samt Kompetence- og ressourceperspektiv. Desuden skal merværdi forstås ud fra niveauerne organisation, leder/beslutningstager samt BI-bruger. I afsnit D analyseres faktorerne for opnåelse af merværdi. Dette forstås ud fra en 3-fasemodel, hvor fase 1 forstås ud fra de forskellige modenhedsfaser, BI implementeres i virksomhederne. Fase 2 forstås ud fra de konkrete analyser, som forskningen afdækker, at virksomhederne foretager i processen fra transformation af data til et beslutningsgrundlag. I den sidste fase analyseres den konkrete merværdi ud fra empiriske studier i litteraturen. I forlængelse heraf diskuteres samspillet mellem de 3 faser, og hvilken indvirkning dette har på merværdien. Afslutningsvis konkluderes der på artiklen i Afsnit E, og i perspektiveringen sætter vi fokus på, hvilke huller der er i forskningen, og hvordan de kan udfyldes.

B. Hvad er Business Intelligence?

Inden for forskningsfeltet Information Systems (IS) har BI været et væsentligt forskningsfelt de seneste år (Chen, Chiang og Storey, 2012). BI har rødder i den originale term beslutningsstøttesystemer, der stammer fra 1960’erne. Denne term dækker computerbaserede værktøjer for meningsskabelse og beslutningsunderstøttelse. Begreberne for beslutningsstøttesystemer er forandret over tid, og BI er en af de mere kendte termer (Alter, 2004). I denne artikel skal begrebet forstås som en paraply, som beskriver teknologier, applikationer og processer for indsamling, lagring, tilgængeliggørelse og analyse af data til at hjælpe brugerne med at træffe bedre beslutninger (Watson, 2009).

Pedersen (2015) har beskrevet BI ud fra 7 forskellige parametre: datatyper, datakilder, historik, brugere, præcision, privatliv og datakontrol. Datakilden til de fleste Business Intelligence-systemer er fortrinsvis strukturerede data, som ofte forefindes i virksomhedens interne systemer, som for eksempel ERPeller CRM-systemer. Det karakteristiske for disse typer af IT-systemer er, at de er transaktionsbaserede. Det betyder, at de er optimeret til at modtage data og ikke til at analysere data (Chen, 2001). Datakilderne til BI er fortrinsvis interne systemer, hvor virksomheden har fuld kontrol over datakilderne. I praksis ligger data i en relationel form i databasen, der typisk er normaliseret, så data kun ligger et sted. I BI bliver disse data transformeret fra dette format til et multidimensionelt skema eller et stjerneskema. Fordelen ved dette format er, at det afspejler, hvordan brugerne opfatter forretningen. Desuden minimerer formatet svartiderne, idet data afgives hurtigt til analyseformål i modsætning til, når det relationelle format anvendes (Watson, 2009). BI muliggør en bevarelse af datahistorikken, da den er baseret på interne datostemplede datakilder, således at en udvikling i forskellige Key Performance Indicators (KPI’er) kan illustreres over tid. I virksomhederne er det fortrinsvis ledelsen eller controllerne, der anvender værktøjet.

C. Hvorfor er merværdi vigtig?

Erfaringen viser, at det kan være vanskeligt at opnå succes med implementering af IT i organisationer. I denne artikel forstår vi begrebet succes som det, at virksomheden og medarbejderen opnår en merværdi ved brug af BI. En model til at forstå, hvordan virksomheder opnår succes med implementering af BI, er DeLone og McLeans (2003) Updated D&M IS Success Model. Omdrejningspunktet for denne tilgang er, at det er den enkelte medarbejder, der er afgørende for, om implementeringen af IT skaber merværdi.

1. DeLone og McLeans Updated D&M IS Success Model

Updated D&M IS Success Model er funderet på Shannon og Weaver (1948): The Mathematical Theory of Communication og Information Influence Theory af Madson (1978). Desuden indgik talrige empiriske bidrag fra litteraturen om IS-modeller, da DeLone og McLean udviklede første version af D&M IS Success Modellen i 1992. Deres hypotese var, at succes er afhængig af flere faktorer, og at det er op til den enkelte forsker at vælge den afhængige variabel. Men korrelationerne var ikke empirisk underbyggede. De fleste teorier og undersøgelser omhandlende succes med IT-implementering vælger kun et succeskriterium (DeLone og McLean, 1992). Styrken ved DeLone og McLeans model er, at den inddrager multiple faktorer. I 2003 udviklede forskerne en ny model baseret på forskning, hvor andre ISforskere havde undersøgt korrelationerne mellem de forskellige dele af modellen. På den baggrund udarbejdede DeLone og McLean en revideret model, der er illustreret i nedenstående figur:
 

Modellen består af 6 variable: informationskvalitet, systemkvalitet, servicekvalitet, intenderet brug, faktisk brug, brugertilfredshed og merværdi, der alle er direkte eller indirekte relaterede. I den oprindelige version påpeger DeLone og McLean, at der ikke er en variabel, der er bedre end en anden, men at valget afhænger af, hvilken optik der vælges i studiet, f.eks. teknologi, metode mv. (DeLone og McLean, 1992). I forskernes artikel fra 2003 har de både opdateret modellen og anvendt den i praksis. Her fastslår DeLone og McLean (2003): »Net benefits are the most important success measures as they capture the balance of positive and negative impacts.« I den oprindelige model fra 1992 var modellen opdelt i individuel samt organisatorisk indvirkning (DeLone og McLean, 1992). I den reviderede model blev dette ændret til merværdi, idet et IT-system kan have merværdi for den enkelte bruger, gruppe, organisation, industri, kunde, for samfundet mv.

I Figur 1 ses modellens variable og deres indbyrdes forhold. Ser man på konstruktionerne og deres indbyrdes forhold, kan modellen tolkes på følgende måde: BI kan evalueres i form af informationskvalitet, systemkvalitet og servicekvalitet; disse egenskaber påvirker intenderet brug, faktisk brug og brugertilfredshed. Brugeren vil opnå forskellig merværdi ved at bruge systemet, som påvirker brugertilfredsheden og den videre brug af systemet.

Derfor er virksomhedernes udfordring at skabe en merværdi ved brug af Business Intelligence for at opnå en succesfuld implementering af værktøjet. Hvis medarbejderne og ledelsen føler en høj merværdi, vil de anvende BI, og det betyder, at merværdi for hele virksomheden også forøges.

2. Dimensionaliseret merværdi

I begrebet merværdi ligger der implicit en tanke om forbedring. Eksemplificeret ved denne artikels fokus på BI kan merværdi, eller forbedring om man vil, ses i forhold til ikke at have adgang til en bestemt BI-rapport, eller slet ikke at have BI til rådighed i virksomheden. Ud fra en teoretisk kontekst er det en simpel antagelse, at hvis virksomheden er i stand til at sikre en skabelse af merværdi igennem tilgængelige BI-løsninger, så vil de potentielle brugere i virksomheden også anvende disse løsninger. Merværdi kan derfor forstås som den effekt, BI har på medarbejdere, ledelse, arbejdsgrupper og organisationen, men i det store perspektiv også på industrien og samfundet. Denne merværdi, eller effekt, bliver ofte målt som organisatorisk performance, oplevet anvendelighed samt påvirkning af arbejdsprocesser (Petter og McLean, 2009).

I praksis er det en udfordring for virksomhederne at måle merværdien af BI-løsninger. I afsnit A1 blev undersøgelsen af virksomhedernes merværdi af IT-systemer omtalt. Den var placeret på en 5.-plads ud af 6 mulige i forhold til virksomhedernes forventninger til afkast af ITinvesteringer. Spørgsmålet er, om denne relativt lave placering skyldes, at det ikke kan betale sig at investere i IT, eller at det er meget vanskeligt at identificere det finansielle afkast af IT-investeringer i det hele taget? Vores forslag er således, at merværdi nødvendigvis bør forstås ud fra et mere holistisk perspektiv, når det drejer sig om IT-løsninger generelt og mere specifikt BI-løsninger. Begrundelsen herfor er, at denne IT-løsning netop sammenbinder de forskellige ITsystemer på tværs af organisationen i modsætning til de transaktionsbaserede systemer, der oftest kun dækker afgrænsede forretningsprocesser.

Et eksempel på merværdien af IT-løsninger kan gives med implementeringen af et regnskabssystem. Det er ikke sikkert, at investeringen i et sådant vil give et positivt finansielt afkast de første år efter implementering. Dette kan skyldes implementeringsomkostninger, effektivitetsnedgang indtil medarbejderne lærer at anvende systemet mv. Til trods for dette vil de færreste regnskabschefer mene, at det er mere effektivt at bogføre i en gammeldags kassekladde end i et regnskabssystem.

3. Dimensioner på merværdi

Det synes unuanceret kun at betragte merværdi af BI ud fra finansielle termer. Ligesom de senere års tilgang til virksomhedsstyring er blevet mere balanceret, foreslår vi her et mere holistisk syn på merværdi. Kaplan og Norton (2002) frembringer eksempelvis at »(...) økonomiske måltal er imidlertid utilstrækkelige til at guide og vurdere den rejse, informationstidsalderens virksomheder må foretage for at skabe fremtidig værdi gennem investering i kunder, leverandører, ansatte, processer, teknologi og innovation«. På samme vis kan man argumentere for, at vurdering af merværdien af BI nødvendigvis må foretages ud fra andre parametre end blot finansielle måltal. Dette hænger sammen med, at merværdien af funktionaliteten af BI skal måles i effekter på arbejdsgange og de beslutninger, som træffes, og disse kan oversættes til mange forskellige typer af effekter. Således er det ikke kun højere efficiens, og dermed større bundlinje, men også andre, blødere aspekter, såsom fordele for kunder og leverandører, som også bliver påvirket. Effekter opstår i hele virksomhedens værdiskabelsesapparat, fordi BI både er handlingsorienteret og procesorienteret.

Til denne artikels formål anvender vi en opdeling på dimensioner, som er bredt funderede i erhvervsøkonomien og feltet virksomhedsstyring. Disse dimensioner er typisk anvendt i præstationsmålingssammenhænge i Balanced Scorecard (Kaplan og Norton, 2002), Business Excellence (Kanji, 1998), Videnregnskaber (Mouritsen et al., 2002), Business Model Canvas (Osterwalder, Pigneur og Clark 2010) og andre moderne økonomistyringsværktøjer (Nielsen et al., 2002). De valgte dimensioner vil også blive anvendt i afsnit D, hvor vi analyserer, hvilken rapportering virksomhederne anvender BI til. Endvidere anvendes dimensionerne også senere i afsnittet, hvor vi analyserer, hvilken merværdi BI har for virksomhederne.

De finansielle aspekter er vigtige at have for øje, da en investering i BI i et langsigtet perspektiv bør være lønsom. Fokus på finansielle aspekter kan også være med til at forbedre afkastet, da måltal kan sikre, at omkostningerne holdes på et fornuftigt niveau.

Blandt eksterne relationer finder vi relationer til andre virksomheder, som er i direkte interaktion med virksomheden, såsom leverandører, samarbejdspartnere og business to business-kunder. I forhold til intenderet og faktisk brug af BI bør der i virksomheden være fokus på, at det både skal være en merværdi for disse eksterne relationer og virksomheden selv at anvende BI. Dette kunne for eksempel være i form af bedre koordinering, bedre udnyttelse af ressourcer og højere samarbejdstilfredshed.

I dette perspektiv er der fokus på, hvilken merværdi BI bibringer til de interne processer i virksomheden både i form af efficiens og effektivitet. Der an være tale om koordinering mellem interne afdelinger og deling af markedsintelligens fra forskellige kontaktflader i industrien.

Den fjerde dimension er et kompetence- og ressourceperspektiv, hvor fokus er på virksomhedens organisering og kultur, medarbejdernes kompetencer, samt udnyttelsen af de systemer og teknologier, der er til rådighed for virksomhedens værdiskabelse.

4. Merværdiens tre niveauer

DeLone og McLean (2003) påpeger, at merværdi kan forstås på flere niveauer, hvilket med fordel kan inddrages i modellen for dimensioneret merværdi. Boulding (1956) var blandt pionererne i introduktionen af multiple organisatoriske analyseniveauer. Imens han tog udgangspunkt i systemteorien, har andre forskere skævet til naturvidenskaberne efter inspiration. Således identificerer Nielsen og DaneNielsen (2010) fem analyseniveauer for organisationers værdiskabelse, nemlig individ, gruppe, afdeling, virksomhed og marked.

I forhold til problemstillingen i denne artikel finder vi det brugbart at skelne imellem tre niveauer i organisationen, for hvilke merværdi af BI er relevant: 1) den individuelle bruger af BI-løsningen, 2) på lederniveau som modtager af den beslutningsrelevante information som tilvejebringes og 3) på organisationsniveau, hvor bedre beslutninger understøttet af BI øger værdien som en helhed.

Hvert niveau af merværdi kan analyseres i relation til de fire dimensioner.

5. Modellen for dimensioneret merværdi

Merværdien af BI kan vurderes ud fra følgende dimensionerede model, som er konstrueret på baggrund af de to foregående afsnit: 

D. Faktorer for opnåelse af merværdi

I de ovenstående afsnit argumenteres for, at merværdi er et centralt begreb for at opnå succes med implementering af BI. I det nedenstående afsnit afdækkes konkrete merværdier ved brugen af Business Intelligence. I praksis vil merværdien af et IT-system inden for Information Systems genren (IS-genren) have mange lighedspunkter med merværdien af andre IT-systemer indenfor denne genre (DeLone og McLean, 2003). Et eksempel er, at hvis en standardrapport fra et ERP-system opfylder medarbejderens informationsbehov, så bliver merværdien ikke højere af, at de samme informationer remedieres i et Business Intelligence System. Dermed kan merværdien af de to systemer være den samme. Det, der skal legitimere implementering af BI i en virksomhed, er, at der kan opnås en anden merværdi end ved brug af andre IT-systemer, hvilket vil afdækkes i de næste afsnit.

1. Transformationsprocessen fra data til viden

Inspireret af Davenports (2000) model, der illustrerer processen dataindsamling og den transformation, der sker til viden og resultater, analyserer vi, hvilke elementer der skal være til stede, for at virksomhederne oplever merværdi ved implementering af BI. Modellen består af tre trin: kontekst, transformation og merværdi.

I den første fase bliver det analyseret, på hvilket modenhedsstadie BI er implementeret i virksomheden. Alt afhængig af modenhedsstadie vil virksomhedens organisation omkring BI være forskellig.

Den anden fase er den proces, hvor data bliver transformeret til viden. Med udgangspunkt i den eksisterende litteratur analyseres ud fra de 4 dimensioner Finansielle aspekter, Eksterne relationer, Internt procesperspektiv samt Kompetence- og ressourceperspektiv, hvordan data kan transformeres til analyser, der er målrettet virksomhedens forretning.

I den sidste fase analyseres det også ud fra litteraturen, hvordan virksomheder opnår merværdi ved anvendelse af BI ud fra de førnævnte 4 dimensioner. Davenport understreger, at det kan være vanskeligt at undersøge, hvilke ikke-finansielle merværdier der leder til finansiel merværdi, men det vil være hensigtsmæssigt, at dette undersøges. Dette vil sikre, at indsatsen sker, hvor der er finansiel merværdi (Davenport, 2000).

2. Fase 1: Kontekst – modenhedsfaser ved implementering af BI

For at kunne analysere merværdien ved Business Intelligence er det væsentligt at få afdækket, i hvilke forskellige modenhedsfaser teknologien kan implementeres i organisationerne. Begrebet modenhed er et stadie, hvor teknologien er »komplet, perfekt eller klar«. For at en virksomhed når til dette stadie, skal den gennemgå forskellige faser (Lahrmann et al., 2011).

Som en guideline til denne transformationsproces er der udviklet modenhedsmodeller, der definerer og kategoriserer niveauet af organisatorisk kompetence. Jo højere på modenhedsskalaen en Business Intelligence implementering er, des højere merværdi vil blive realiseret (Watson, Ariyachandra og Matyska, 2001). Alligevel er det væsentligt, at modenhedsniveauet for teknologien passer til virksomhedens modenhedsniveau, og det er her, udbyttet af Business Intelligence vil være højest (Hribar Rajterič, 2010).

Der er udviklet flere modenhedsmodeller til Business Intelligence, og en af dem, som ligger op ad praksis, er Wayne Eckersons TDWI’s Business Intelligence Model. De enkelte faser bliver evalueret ud fra Område, Sponsor, Finansiering, Værdi, Arkitektur, Data, Udvikling og Levering (Eckerson og Gonzales, 2012). I både den oprindelige model og den reviderede model er der 5 faser. I denne artikel anvendes de nye termer fra den reviderede udgave af TDWI’s Business Intelligence Model.

I de nedenstående afsnit beskrives de væsentligste karakteristika for de enkelte faser.

I dette udviklingstrin har virksomhederne et rapporteringssystem, der fungerer og består af statiske rapporter, eksempelvis statiske rapporter i et ERP-system. Begrænsningen er, at rapporteringen er ufleksibel og bundet til det enkelte system. Det, der får virksomheden til at bevæge sig fra dette stadie til det efterfølgende stadie, er brugernes efterspørgsel efter fleksible rapporter. Den måde, det sker på, er ved, at brugerne selv begynder at opbygge datakilder (Eckerson, 2004; Eckerson, 2005; Eckerson og Gonzales 2012).

Efter brugerne har erkendt deres behov for fleksibel rapportering, begynder de at opbygge et regneark eller databaser, defineret af Eckerson (2004) som »spreadmarts«. Hver enkelt brugers system består af data og regler, men der er ikke sammenhæng mellem brugernes forskellige systemer. Fordelen er, at man opnår den øgede fleksibilitet, som blev efterspurgt, ulemperne er, at der ofte kommer forskellig og modstridende ledelsesinformation i virksomheden. Konsekvensen kan være, at beslutningsprocessen bliver hæmmet fremfor fremmet i organisationen (Eckerson, 2004; Eckerson, 2005; Eckerson og Gonzales, 2012). 

Der er en stor kløft for en virksomhed at skulle flytte sig fra de to første udviklingstrin til det tredje udviklingstrin, Gentagelsen. Mange virksomheder begynder på udviklingstrin 3 ved at opbygge få datamarter. Men de kommer ikke til det tredje stadie på grund af dårlig planlægning, dårlig datakvalitet, modstand mod forandringer i organisationen samt fordi det er vanskeligt at få medarbejderne til at skifte fra »spreadmarts« til Business Intelligence. De virksomheder, der formår at overvinde disse udfordringer, overgår til næste udviklingstrin, Gentagelsen (Eckerson og Gonzales, 2012).

I dette udviklingstrin anskaffer virksomheden en Business Intelligence-rapportering, hvor medarbejderne kan »drill up and down« i data og analysere trends og historiske relationer mellem data. I større organisationer opstår decentraliserede datawarehouses, som fungerer inden for hver division, men ikke på koncernniveau. Datakilderne er fortrinsvis fra transaktionssystemerne (Eckerson, 2004; Eckerson, 2005; Eckerson og Gonzales, 2012).

I overgangen fra dette udviklingstrin til næste udviklingstrin, Ledelsen, opstår igen store udfordringer, og mange virksomheder når ikke videre. Hvis der sker ændringer i ledelsen eller virksomheden, bliver ledelsesrapporteringsprojekterne ofte nedprioriteret, og dermed stagnerer virksomhedens implementering på udviklingstrin 3. Der kan også opstå udfordringer, når et regionalt datawarehouseprojekt overgår til et koncernprojekt, idet divisionerne har forskellig semantik, der ikke er standardiseret, forskellige beregninger mv. Dette kan være en udfordring at få konsolideret. Hvis virksomheden formår at løse ovenstående udfordringer, overgår de til udviklingstrin 4, Ledelsen, hvor Business Intelligence går fra at være et projekt i de enkelte divisioner til at omfatte hele koncernen (Eckerson og Gonzales, 2012).

I dette udviklingstrin konsolideres Business Intelligence i koncernen. Der sker en professionalisering af ledelsesrapporteringen, idet projekter og metoder standardiseres, desuden hyrer man ofte eksterne konsulenter i dette udviklingstrin. Business Intelligence får en afdeling eller en gruppe af medarbejdere, som har et fokusområde. Der sættes fokus på at etablere et centraliseret datawarehouse, hvor datakilderne er de mange forskellige systemer i virksomheden, og dette muliggør rapportering på tværs af divisioner. I stedet for den mere ufleksible rapportering, implementeres der dashboards, som muliggør tilpasning af rapporter til den enkelte medarbejder (Eckerson, 2004; Eckerson, 2005; Eckerson og Gonzales, 2012).

De virksomheder, der befinder sig på dette niveau, opdeler Business Intelligence-kompetencer inden for teknik og forrentning, og udviklingen kommer tilbage til organisatoriske enheder gennem Centers of Excellence. Der er 3 vigtige karakteristika: distribueret udvikling, dataservice og udvidet virksomhed. Brugerne får tilpasset deres rapporter og KPI’er. Dette sker ved, at en central afdeling har ansvar for dataindsamling, kvalitet mv., mens udviklingen af rapporter er overladt til udviklere i de enkelte forretningsenheder. Denne udvikling understøttes af en serviceorienteret arkitektur (SOA) samt dygtige udviklere. Antallet af Business Intelligence-brugere forøges meget i dette udviklingstrin. De oplever, at Business Intelligence tilvejebringer en høj værditilvækst, hvilket afspejler en forøgelse af forretningsværdien og konkurrencefordele (Eckerson, 2004; Eckerson, 2005; Eckerson og Gonzales, 2012).

3. Fase 2: Transformation – fra data til analyse

I transformationsfasen sker der en omdannelse af data til analyse, der kan understøtte beslutningsprocessen i virksomheden. Med udgangspunkt i litteraturstudier har vi undersøgt, hvilke typer Business Intelligence-analyser virksomheder ofte benytter. Dette er ud fra en generisk tilgang, i praksis afhænger det af, hvilket modenhedsniveau implementering af BI er på i virksomheden. Der er identificeret 3 forskellige grupperinger af analyser: strategisk, kunder og forretningsprocesser (Panian, 2009; Davenport og Harris, 2007; Hawking, Foster og Stein, 2008; Raisinghani, 2004). De nedenstående 4 dimensioner er beskrevet tidligere i afsnit C2.

Formålet med denne type analyse er at forøge effekten af den strategiske, taktiske og operationelle planlægning. Først og fremmest kan BI anvendes til at informere medarbejdere og ledelse omkring realiseringen af virksomhedens målsætninger på forskellige niveauer. Endvidere kan det anvendes til at tilvejebringe information omkring trends i virksomheden, f.eks. vækst i økonomiske nøgletal. Analyserne kan også anvendes til at identificere de bedste produkter og medarbejdere med laveste og/eller højeste sygefravær. Afslutningsvis kan virksomheden også anvende BI til at benchmarke divisioner/afdelinger på forskellige KPI’er, f.eks. medarbejderfravær, personaletilfredshed, finansielle nøgletal mv.

Formålet med denne type analyse er at etablere eller forbedre relationer med eksterne samarbejdspartnere. Sælgerne kan få specifik viden omkring deres kundeportefølje, dette kan f.eks. være udviklingen i omsætning og indtjening pr. kunde fra økonomisystemet sammenholdt med data fra CRM-systemet omkring salgspipeline. Et andet eksempel er kundetilfredshedsanalyser i forhold til virksomhedens praksis. Dette kunne være tilfredshed sammenlignet med leveringstider. Et andet parameter kan være identifikation af trends, dette kan være stigende eller afvigende salg i forskellige produkter, eller hvilke produkter kunderne bundler, når de foretager indkøb. Denne viden kan bruges til mersalg.

Formålet med denne kategori af analyser er at kunne analysere de enkelte forretningsprocesser og foretage forbedringer herudfra. Analyserne tilvejebringer fortrinsvis viden og erfaring, der kan bruges ved lancering af nye produkter. Det kan også være data vedrørende den enkelte forretningsproces, eksempelvis tiden fra kunden giver en ordre, til varen er leveret, og fakturaen er betalt.

Typiske analyser inden for denne kategori er ledelsesinformation til HR. Dette kan eksempelvis være en afdækning af medarbejdernes tilfredshed sammenholdt med fraværsdata. Det kan også være en analyse af, hvor høj en omkostning den enkelte medarbejder er for virksomheden sammenholdt med vedkommendes produktivitet.

4. Fase 3: Merværdi – hvad opnår virksomhederne?

Indledningsvis kan det konstateres, at ikke alle organisationer opnår merværdi ved at implementere BI. Alligevel er der studier, som har afdækket den merværdi, nogle organisationer har opnået.

Et eksempel er fra sundhedssektoren i Florida, USA. Udfordringen, som implementeringen af BI løste, var, at der på den ene side var store mængder af data i sundhedssektoren, mens beslutningstagerne ikke udnyttede dem optimalt. Ved at implementere BI opnåede man merværdi ved, at tiden, fra data var indsamlet og analyseret til at beslutningstagerne kunne anvende dem blev kortere. Desuden blev nogle processer også automatiseret, således det blev automatisk at kunne levere KPI’er for befolkningens sundhed (AlHazme, Rana, and De Lucca 2014).

Et case-studie fra Continental Airlines i USA viser, at BI kan skabe merværdi ved at forøge indtjeningen, når der implementeres BI baseret på realtime data. Ved at kunne træffe hurtige operationelle beslutninger kan de spare omkostninger ved f.eks. at ændre gates eller omdirigere bagage (Anderson-Lehman et al. 2004).

Jourdan, Rainer og Marshall (2008) peger på, at det er vanskeligt at kvantificere forretningsmæssig merværdi af de forbedre beslutninger, der er truffet på baggrund af BI. Smith og Crossland (2008) konkluderer i deres studie, at selv om organisationer ikke kan måle værdien helt konkret, så tilfører BI alligevel merværdi.

Grundlæggende kan virksomhedens nettoresultat forbedres på to måder, enten i form af øget omsætning eller ved omkostningsreduktion. Ved at anvende BI peger undersøgelser på, at virksomhederne kan opnå en højere omsætning samt en bedre indtjening (Elbashir, Collier og Davern, 2008). En af årsagerne er, at viden muliggør en mere optimal prissætning af produkterne i forhold til konkurrenterne (Panian, 2009).

Det er interessant, at de fleste undersøgelser peger på, at BI kan bidrage til en reduktion i virksomhedens omkostninger (Hannula og Pirttimaki, 2003). Der bliver ofte henvist til to typer af omkostninger. Den ene er omkostninger i forbindelse med håndtering af kunder, f.eks. reducerede marketingomkostninger, idet salg og markedsføring kan målrettes mere præcist ved hjælp af BI. Endvidere peges der på reducerede omkostninger ift. forskellige processer, eksempelvis tilvejebringelse af analyser, hvor standardiserede BI-processer betyder, at der skal bruges mindre tid på at udarbejde ad hoc-analyser. Et tredje eksempel er reduktion i omkostningerne ved transaktioner med forskellige samarbejdspartnere (Elbashir, Collier og Davern, 2008).

Det er ofte understøttelser af analyser til sælgere, der fremdrages i litteraturen om merværdien af BI. Først og fremmest kan BI-analyser reducere tabt salg, idet data fra forskellige datakilder muliggør en tæt overvågning og opfølgning på de enkelte kunder. Ydermere muliggør analyserne også at identificere de mest profitable kunder, reducere antallet af ikke profitable kunder og afstemme anvendte rabatstrukturer med omkostningstrækkene fra bestemte kundetyper. Det er også muligt at analysere og identificere de enkelte kunders behov, hvilket betyder, at det er muligt at foretage mersalg. En af de store merværdier er en forbedret konkurrencefordel i forhold til konkurrenterne (Panian 2009; Elbashir, Collier, and Davern 2008).

Det overordnede tema for procesperspektivet er, at BI tilvejebringer mere effektive processer. Først og fremmest oplever virksomhederne, at de har lettere adgang til information og analyse. Dette fokus på information og analyse betyder, at datakvaliteten i de øvrige IT-systemer forbedres. Dermed kan beslutningstagerne træffe hurtigere beslutninger, hvilket fører til tidsbesparelser. Desuden viser undersøgelser også, at virksomheden oplever en bedre koordination mellem dem og deres samarbejdspartnere, hvilket eksempelvis resulterer i, at lagrene kan reduceres, og at tiden fra ordre til levering er kortere (Panian 2009; Elbashir, Collier, and Davern 2008; Hannula and Pirttimaki 2003).

Virksomheder, der har implementeret BI, oplever, at der er en stigning i medarbejdernes viden, samt at denne viden bliver delt på tværs af organisationen. Desuden oplever medarbejderne, at BI muliggør fleksible rapporter, der kan tilpasses deres behov, hvilket understøtter deres arbejde i hverdagen. Afslutningsvis har virksomheder, der har implementeret BI, også oplevet, at f.eks. økonomiog IT-medarbejdere får mere interessante arbejdsopgaver, idet sammenstilling af data og analyser er standardiseret, således at deres arbejde går fra at være mere driftsfokuseret til at være mere udviklingsfokuseret (Elbashir, Collier og Davern, 2008; Hannula og Pirttimaki, 2003; Jooste, van Biljon og Mentz, 2013).

5. Diskussion af faktorer for opnåelse af merværdi

Ovenstående analyse fokuserer på, hvilke faktorer der er væsentlige for at virksomheder opnår merværdi ved implementering af BI. Virksomhedernes måling af merværdi skal ikke udelukkende baseres på finansielle målinger, men bør udgøres af en mere dimensionaliseret betragtning. Der er ingen tvivl om, at BI kan tilvejebringe merværdi, men det afhænger af, hvilken kontekst teknologien bliver implementeret i, da dette er forudsætningen for, hvilke analyser der kan udarbejdes i transformationsprocessen. Jo lavere modenhedsniveau, des mindre komplicerede og sammenhængende analyser kan der udvikles, idet datagrundlaget og IT-infrastrukturen ikke er etableret. Derfor er det vigtigt, at transformationsprocessen bliver analyseret ud fra alle 4 dimensioner og ikke kun ud fra et finansielt aspekt. Således har virksomhederne fokuseret på, at BI er mere end et rapporteringsværktøj, der kan remediere økonomiske data, og at det skal bruges til alle typer rapportering og med brug af flere datakilder.

I et litteraturstudium af Jourdan, Rainer og Marshall (2008) ses udbyttet af BI at være det område, hvor der forskes mindst, da området kun udgjorde 6 % af den samlede forskning i BI inden for IS-området.

Denne artikel er baseret på den eksisterende forskning og litteraturstudier, der afdækker, at forskningen inden for BI fortrinsvis er fokuseret på store virksomheder, hvorimod små og mellemstore virksomheder overses (Azvine, Zheng og Nauck 2005). I den litteratur, der allerede er udgivet, eksisterer der et hul i forskningen, da små og mellemstore virksomheder kun adresseres sporadisk af eksisterende forskning (Olszak og Ziemba, 2012). Ud fra et dansk perspektiv vil det være interessant med mere empirisk forskning inden for merværdien af Business Intelligence i små og mellemstore virksomheder. Dette fordi vores virksomhedsstruktur fortrinsvis består af virksomheder med disse karakteristika, og der eksisterer en afvejning mellem udviklingstrin i modenhedsmodellerne og virksomhedsstørrelserne.

En svaghed ved nærværende analyse er, at det ikke har været muligt at identificere sammenhængen mellem virksomhedens modenhedsniveau, transformationsproces og merværdi ud fra et organisations-, leder/beslutningstager samt BI-brugeraspekt. Det er ikke muligt på nuværende tidspunkt at gøre det ud fra eksisterende litteratur.

På baggrund af ovenstående er næste fase i relation til nærværende artikel at foretage empiriske studier, der vil udfylde de identificerede huller i forskningen, således at virksomhederne kan implementere BI med højest mulig merværdi.

E. Konklusion og perspektivering

Artiklens formål er at analysere, hvordan virksomheder opnår merværdi ved at implementere BI. Således har det ikke her været intentionen at bidrage med ny indsigt omkring, hvad BI i sig selv er, men derimod at give indsigt i, hvordan vi kan forstå og arbejde med at opnå merværdi fra BI. Forskningen viser nemlig, at hvis der skal peges på en enkelt faktor, som betyder en succesfuld implementering af BI, så er det merværdi. Først og fremmest skal merværdien opleves af den enkelte medarbejder, da det påvirker det faktiske og intenderede brug af IT-systemet. Og når systemet bliver anvendt, så opnår virksomheden samlet set også merværdi.

Artiklens bidrag til forskningen er en dimensionaliseret merværdimodel, idet merværdi ikke blot skal anskues ud fra et økonomisk synspunkt, men i et mere holistisk perspektiv. Dertil anvendes de 4 perspektiver: Finansielle aspekter, Eksterne relationer, Internt procesperspektiv samt Kompetence- og ressourceperspektiv i kombination med 3 niveauer i virksomhederne: Organisation, Leder/beslutningstager samt BI-bruger. Dette giver en matrix bestående af 12 felter, hvori merværdien kan måles. Formålet er, at virksomhederne opnår et mere balanceret syn på merværdi, fordi der opstår en forsinkelse fra implementering af BI, til virksomheden opnår en højere indtjening, hvilket er målet på langt sigt.

Artiklens bidrager til praksis med forslag til, hvordan virksomheder skal implementere BI for at opnå en højere merværdi. En gennemgang af de forskellige typer af BI-analyser peger på, at virksomhederne skal have implementeret BI på et udviklingstrin fra 3 til 5 for at kunne få en høj merværdi. Det vil sige, at de som minimum har et BIrapporteringssystem, hvor man kan »drill up and down« i data, trendanalyse samt historiske relationer. Der skal også være et eller flere datawarehouses, hvor data i relationelt format omformes til et eller flere stjerneskemaer. Det ideelle niveau er udviklingstrin 5, hvor data konsolideres på koncernniveau, og en central afdeling har ansvar for dataindsamling, kvalitet mv. På baggrund af disse data kan rapporteringen brugertilrettes til den enkelte medarbejder. Dette skaber høj brugertilfredshed, der igen påvirker merværdien, hvilket jo er intentionen med brug af BI.

I praksis skal virksomheder have en vis størrelse, for at det er rentabelt at kunne have en BI-organisation, der er beskrevet i udviklingstrin 5. Derfor er det også vigtigt, at de økonomiske måltal bibeholdes i den dimensionaliserede merværdi-model, således at investeringerne i BI også står mål med den opnåede merværdi. 

Litteraturliste

Alter, Steven (2004). A Work System View of DSS in Its Fourth Decade in Deci- sion Support Systems, v38, n3, pp. 319.327.

AlHazme, Raed H.; Rana, Arif M.; De Lucca, Michael (2014). Development and Implementation of a Clinical and Business Intelligence System for the Flori- da Health Data Warehouse in Online Journal of Public Health Informatics, v6, n2.

Anderson-Lehman, Ron; Watson, Hugh; Wixom, Barbara H. (2004). Continental Airlines Flies High with Real-Time Business Intelligence in MIS Quarterly Executive, v3, n4, pp. 163-176.

Azvine, Behnam; Zheng, Cui; Nauck, Detlef D. (2005). Towards Real-Time Business Intelligence in BT Technology Journal, v23, n3, pp. 214-225.

Baars, Henning; Kemper, Hans-George (2008) Management Support with Structured and Unstructured Data – An Integrated Business Intelligence Frame- work in Information Systems Management, v25, n2, pp. 132-148.

Chen, Hsinchun; Chiang, Roger HL; Storey, Veda C. (2012) Business Intelligence and Analytics: From Big Data to Big Impact in MIS Quarterly, v36, n4, pp. 1165-1188.

Chen, Injazz J. (2001) Planning for ERP Systems: Analysis and Future Trend in Business Process Management Journal, v7, n5, pp. 374-386.

Danmarks statistik (2014) IT-Anvendelse I Virksomheder 2014. Danmarks Statistik.

Davenport, Thomas H. (2000) Mission Critical: Realizing the Promise of Enterprise Systems. Boston HA; Harvard Business School Press.

Davenport, Thomas H.; Harris, Jeanne G. (2007) Competing on Analytics: The New Science of Winning. Boston, Mass; Harvard Business School Press.

Dehning, Bruce; Richardson, Vernon J. (2002) Returns on Investments in Information Technology in Journal of Information Systems, v16, n1, pp. 7-30.

DeLone, William H.; McLean, Ephraim R. (1992) Information Systems Success: The Quest for the Dependent Variable in Information Systems Research, v3, n1, pp. 60-95.

DeLone, William H.; McLean, Ephraim R. (2003) The DeLone and McLean Model of Information Systems Success: A Ten-Year Update in Journal of Management Information Systems, v19, n4, pp. 9-30.

Dewett, Todd; Jones, Gareth R. (2001) The Role of Information Technology in the Organization: A Review, Model, and Assessment in Journal of Management, v27, n3, pp. 313-346.

Eckerson, Wayne W. (2004) Gauge Your Data Warehousing Maturity in DM Review, v14, n11. 

Eckerson, Wayne W.: Gonzales, Michael L. (2012) TDWI Benchmark Guide In- terpreting Benchmark Scores Using TDWI’s Maturity Model. Renton; TDWI research.

Eckerson, Wayne W. (2005) The Keys to Enterprise Business Intelligence: Criti- cal Success Factors. The Data Warehousing Institute.

Elbashir, Mohamed Z.; Collier, Philip A.; Davern, Michael J. (2008) Measuring the Effects of Business Intelligence Systems: The Relationship between Business Process and Organizational Performance in International Journal of Accounting Information Systems, v9, n3, pp. 135-153.

Gartner (2015) Flipping to Digital Leadership – Insigths from the 2015 Gartner CIO Agenda Rapport, Gartner.

Hannula, Mika; Pirttimaki, Virpi (2003) Business Intelligence Empirical Study on the Top 50 Finnish Companies in Journal of American Academy of Business, v2, n2, pp. 593-599.

Hawking, Paul; Foster, Susan; Stein, Andrew (2008) The Adoption and Use of Business Intelligence Solutions in Australia in International Jounal of Intelligent Systems Technologies and Applications, v3, n4, pp. 327-340.

Herschel, Richard T (2012) Organizational applications of business intelligence management: emerging trends.

Hershey, PA; Business Science Reference. Hribar Rajterič, Irena (2010) Overview of Business Intelligence Maturity Models in Journal of Contemporary Management Issues, v15, n1, pp. 47-67.

Isik, Oyku; Jones, Mary C.; Sidorova, Anna (2011) Business Intelligence (BI) success and the role of BI capabilities in Intelligent Systems in Accounting, Finance and Management, v18, n4, pp. 161-176.

Jooste, Chrisna; Biljon, Judy van; Mertz, Jan (2013) Usability Evaluation Guidelines for Business Intelligence Applications in Proceedings of the South Afri- can Institute for Computer Scientists and Information Technologists Confe- rence, pp. 331-340.

Jourdan, Zack; Rainer, R. Kelly; Marshall, Thomas E. (2008) Business Intelli- gence: An Analysis of the Literature in Information Systems Management, v25, n2, pp. 121.131.

Kanji, Gopal K. (1998) Measurement of Business Excellence in Total Quality Management, v9, n7, pp. 633-643.

Kaplan, Robert S.; Norton, David P. (2002) The balanced scorecard: sådan byg- ges bro mellem vision, værdier og strategier. København; Børsen.

Københavns Kommune (2012) Møde i Borgerrepræsentationen 31. maj 2012. Læst fra http://www.kk.dk/edoc-agenda/14300/b1bfe2c0-c7db-461f-96d0- 2d51c1adf3c4/135bbd85-0c90-494f-ad86-1196ecab4220#_ftn1.

Lahrmann, Gerrit; Marx, Frederik; Winter, Robert; Wortmann, Felix (2011) Business Intelligence Maturity: Development and Evaluation of a Theoretical Model in System Sciences (HICSS), 2011 44th Hawaii International Confe- rence, pp. 1-10.

Madson, Richard O. (1978) Measuring Information Output: A Communication Systems Approach in Information & Management, v1, n4, pp. 219-234.

Melville, Nigel; Kraemer, Kenneth; Gurbaxani, Vijay (2004) Review: Information technology and organizational performance: an integrative model of IT business value in MIS Quarterly, v28, n2, pp. 283-322.

Nielsen, Christian; Dane-Nielsen, Henrik (2010) At analysere forretningsmodellen og værdiskabelseshistorien: Et Casestudium af et iværksætterprojekt i Controlleren, Børsen.

Olszak, Celina M; Ziemba, Ewa (2012) Critical Success Factors for Implementing Business Intelligence Systems in Small and Medium Enterprises on the example of Upper Silesia, Poland in Interdisciplinary Journal of Information, Knowledge, and Management, v7, pp. 129-150. 

Osterwalder, Alexander; Pigneur, Yves; Clark, Tim (2010) Business Model Ge- neration: A Handbook for Visionaries, Game Changers, and Challengers. Hoboken NJ; Wiley.

Panian, Zeljko (2009). Return on Investment in Business Intelligence in Small and Mid-Sized Businesses in Proceedings of the 11th WSEAS international conference on Mathematical methods and computational techniques in elec- trical engineering, pp. 132-137.

Pedersen, Torben Bach (2015) Managing Big Multidimensional Data in EGC 2015 Revue Des Nouvelles Technologies de l’Information RNTI-E-28, pp.3- 6.

Petter, Stacie; McLean, Ephraim R. (2009) A Meta-Analytic Assessment of the DeLone and McLean IS Success Model: An Examination of IS Success at the Individual Level in Information & Management, v46, n3, pp. 159-166.

Raisinghani, Mahesh S. (2004) Business Intelligence in the Digital Economy: Opportunities, Limitations, and Risks. Hershey PA; Idea Group Pub.

Sandal, Jesper S. (2013) Business Intelligence Hjælper Med at Afsløre Socialt Bedrageri. Læst på http://www.version2.dk/artikel/business-intelligence- hjaelper-med-afsloere-socialt-bedrageri-54148.

Shannon, Claude Elwood; Weaver, Warren (1948) The mathematical theory of communication. Urbana; University of Illinois Press.

Smith, Derek; Crossland, Maria (2008) Realizing the Value of Business Intelli- gence in In Advances in Information Systems Research, Education and Prac- tice, v274, pp. 163-174.

Watson, Hugh J. (2009) Tutorial: Business Intelligence-Past, Present, and Futu- re in Communications of the Association for Information Systems, v25, n1, pp. 488-511.

Watson, Hugh J.; Wixom, Barbara H. (2007) The Current State of Business Intel- ligence in Computer, v40, n9, pp. 96-99.

Watson, Hugh; Ariyachandra, Thilini; Matyska, Robert J. (2001) Datfa Ware- housing Stages of Growth in Information Systems Management, v18, n3, pp. 42-50.

Whitehorn, Mark (2006) The Parable of the Beer and Diapers. Læst på http://www.theregister.co.uk/2006/08/15/beer_diapers/.