Fag: Business Intelligence

Præsentationer af emnet: "Fag: Business Intelligence"— Præsentationens transcript:

1 Fag: Business Intelligence
Underviser: Jesper Thorlund Hold: År:

2 Dagens program 9.05 – 14.50 Indledning Pauser
Frokost – 12.15 Pause – 13.10 Pause – 14.05 Slut Introduktion til dette 3 dages kursus Introduktion til Business Intelligence (hvad og hvorfor) Koblingen mellem forretningsstrategi og Business Intelligence Leadinformation og laginformationer set i procesmæssig kontekst Strategi mapning og informationshjul på funktionsniveauet Kort om analyser – data, information og viden, data mining, statistiske tests og rapporter Kort om data warehouse og datakilder Præsentation af informationsstrategi case Dette er note vinduet 2

3 Introduktion Indledning
Disse slide kan bruges til input i forbindelse med undervisnings-situationer Vi forestiller os ikke at de skal være universelt dækkende, men er lavet ud fra nedenstående kriterier: Disse slides indeholder de modeller der udgør essensen af kapitlet Vi har i visse tilfælde foreslået øvelser Til nogle enkelte slides findes der nogle tekster i note vinduet Dette er note vinduet

4 Indhold Indledning Hvad er business Intelligence
Hvorfor er business intelligence vigtigt Hvad er et informations system Relationen mellem strategiske valg og informationer Dette er note vinduet

5 Hvad er Business Intelligence
Indledning Hvad er Business Intelligence To populære definitioner er: ”Beslutningsstøtte” og ”processen der sikre at de rigtige mennesker, ved de rigtige ting, på det rigtige tidspunkt” Det kan være om hvilke kunder, som man skal sende rykkere til (Kredit afdelingen) Det kan være hvilke reklamer man skal sende ud til hvilke kunder (CRM) Hvilke typer af ansatte der har meget sygefravær (HR) Det kan være informationer om, hvilke produkter og kundetyper man tjener mest og dermed skal fokusere på i fremtiden (Marketing) Bogens definition på BI er en sammentrækning af de to definitioner: ” Leveringen af den rigtige beslutningsstøtte, til de rigtige mennesker, på det rigtige tidspunkt ” Man kunne have tilføjet, med udgangspunkt i interne informationssystemer, da BI typisk trækker på data warehouses mv. Vi har dog i bogen valgt at se tingende i en generelt brede kontekst, da vi blandt andet forventer at grænserne mellem interne og eksterne informationskilder i fremtiden vil blive mere flydende.

6 Hvorfor er Business Intelligence vigtigt?
Indledning Hvorfor er Business Intelligence vigtigt? BI handler altså om at 'work smarter not harder'. I den vestlige verden kan vi ikke længere blot ansætte 20 personer mere, men må i stedet lave løbende procesforbedringer, og i det arbejde er det vigtigt at bruge informationer som basis for den innovation, der kan retfærdiggøre den højere løn og de højere levestandarder vi har i den vestlige verden. Vigtigheden af at forretnings processerne lever op til markedsstandarden Man kunne have tilføjet, med udgangspunkt i interne informationssystemer, da BI typisk trækker på data warehouses mv. Vi har dog i bogen valgt at se tingende i en generelt brede kontekst, da vi blandt andet forventer at grænserne mellem interne og eksterne informationskilder i fremtiden vil blive mere flydende. 6

7 Hvad er et informations system
Indledning Hvad er et informations system BI-afdelingen producerer informationer – det i sig selv er ikke værdiskabende, det er først når der rundt om i organisationen tages bedre beslutninger på baggrund af de nye informationer at der sker en værdiskabelse BI er derfor et informationssystem Det er altså mere end et data warehouses og IT der opsamler, gemmer og distribuerer informationer Det er mere end nogle mennesker der skaber information og viden Det er også nogle processer der bliver forbedret på baggrund af denne viden Dette er note vinduet

8 Hvad er et informations system
Indledning Hvad er et informations system Et informationssystem der er værdiskabende er derfor kendetegnet ved tre forhold: Informations systemer består derfor af noget teknologi der samler, opbevarer og distribuere informationerne Kan være elektronisk, men også være papir, papyrus eller menneskelige hjerner Nogle mennesker der forstå at skabe informationer og viden Det at man får et data warehouse, gør ikke i sig selv at man sælger flere sko, hvis man har en skobutik. Folk skal kunne forstå hvordan man bruger data warehouset og dets informationer Nogle forretningsprocesser der bliver optimerede via forbedrede beslutninger – i forhold til hvis der ikke havde været et informationssystem Folk skal også agere anderledes og bedre end de ellers ville i forbindelse med deres arbejde, for at der sker en værdiskabelse på baggrund af informationerne. Man siger at de skal forbedre deres arbejdsprocesser, det vil sige den måde de agerer på i forbindelse med deres arbejdsrutiner Dette er note vinduet

9 Strategi og informationer
Indledning Strategi og informationer Bogens strategiske afsnit bygger primært på Treacy og Wiersema’s let tilgængelige artikel: Treacy, M. & Wiersema, F. (1993) Customer Intimacy and other Value Disciplines, Harvard Business Review, Jan/Feb Artiklen fortæller at virksomheder konkurrerer på dimensionerne: Process Excellence (effektive interne processer til produktion og levering af ydelserne til kunderne) Customer Intimacy (god forståelse af og nær relation med kunderne) Product innovation (være I stand til at kunne være markedsleder inden for nyskabelser/skabe nye behov) Man skal excellere i én til to samt mindst leve op til markeds standarderne i de resterende for at være succesfuld som virksomhed på et marked Til sammenligning siger eksempelvis Porter; at man kan være billig eller anderledes, samt være mere eller mindre fokuseret på et afgrænset segment hvis man skal være succesfuld som virksomhed.

10 Strategi og informationer
Indledning Strategi og informationer Diskuter om Treacy og Wiersemas artikel giver fornuft, kom med eksempler på virksomheder der tydeligt konkurrerer på én eller flere af de tre discipliner (f.eks. Dell, Acer, Apple, Telmore, TDC, Sonofon, CBB, traditionelle tøjbutikker, Hennes og Mauritz, Boss) Forslag til svar: Dell (OE, CI) Acer (OE) Apple (CI, OI) Telmore (OE) Sonofon (CI) CBB (CI, OE) Traditionelle tøjbutikker ( - ingen og ved at dø ud) Hennes og Mauritz (OE) Boss (CI)

11 Strategi og informationer
Indledning Strategi og informationer Diskuter hvilke informationer virksomheder vil være fokuseret afhængigt af hvilke af de tre dimensioner de konkurrer på Passer det overens med det du fandt for de ovenstående firmaer Dell konkurrerer på Customer intimacy og Operational Excellence (bestilling over internet, ingen lagre) Acer konkurrerer på Operational Excellence (pris) Apple (customer intimacy og især innovation) Forslag til svar: Dell (OE, CI) Acer (OE) Apple (CI, OI) Telmore (OE) Sonofon (CI) CBB (CI, OE) Traditionelle tøjbutikker ( - ingen og ved at dø ud) Hennes og Mauritz (OE) Boss (CI) Pointe: Den måde du fra strategisk niveau har valgt at konkurrere på, afgør de informationer du bør efterspørge 11

12 Indhold Kap 1. BI-modellen Gennemgang af BI-modellen
Hvorfor fejler så mange BI projekter? Dette er note vinduet

13 Gennemgang af BI-modellen
Kap 1. BI-modellen Gennemgang af BI-modellen Modellens faser gennemgås i bogens kapitler Kap. 2: Virksomhedens overordnede konkurrence situation og strategi sætter krav til hvorledes informationer skal organiseres indenfor og på tværs af virksomhedens funktioner Kap. 3: På baggrund af virksomhedens strategi sættes der informationskrav indenfor de enkelte funktioner i virksomheden, for at de kan løse deres pålagte opgaver Kap. 4: Hvordan skabes de konkrete data, informationer og den ønskede viden af analytikerne Kap. 5: Hvordan opbevares informationer over tid i et data warehouse Kap. 6: Hvilke datakilder levere typisk informationer til et data warehouse Dette er note vinduet

14 Kap 2. Virksomheds strategisk niveau
Indhold Relationen mellem virksomhedsstrategien og brugen af BI Se evt. også dokument der beskriver strategiskabelsesprocessen, klik på link nedenfor Dette er note vinduet

15 Kap 2. Virksomheds strategisk niveau
Relationen mellem virksomhedsstrategien og brugen af BI Modellen er forklaret på næste side Dette er note vinduet

16 Kap 2. Virksomheds strategisk niveau
Relationen mellem virksomhedsstrategien og brugen af BI Adskilt: Data og BI-funktionen benyttes på ad hoc basis og uden systematisk kobling til strategien Tilpasset: BI-funktionen står for monitorering af de enkeltes funktioners målopfyldelse via Dash boards mv. Dialog: BI-funktionen monitorerer og analyserer på målopfyldelsen samt eventuelle afvigelser. BI-funktionen leverer også informationer til strategiskabelsesprocessen Holistisk: Informationer bruges systematisk som et middel til at skabe sig konkurrencemæssige fordele. Evnen til at kunne håndtere informationer anses som en central value driver for forretningen. Dette er note vinduet

17 Kap 2. Virksomheds strategisk niveau
Relationen mellem virksomhedsstrategien og brugen af BI Tilpasset: BI-funktionen står for monitorering af de enkeltes funktioners målopfyldelse via Dash boards mv. I forbindelse med strategien skabes nogle mål som BI-funktionen overvåger Dette er note vinduet

18 Kap 2. Virksomheds strategisk niveau
Relationen mellem virksomhedsstrategien og brugen af BI Dialog: BI-funktionen monitorerer og analyserer på målopfyldelsen samt eventuelle afvigelser. BI-funktionen leverer også informationer til strategiskabelsesprocessen Eksempelvis Balanced Scorecards (Kaplan og Norton) der kombinere det kundeperspektivet, det økonomiske perspektiv og de interne processer med hvordan man skal forandre virksomheden for at realisere strategien Dette er note vinduet

19 Kap 2. Virksomheds strategisk niveau
Relationen mellem virksomhedsstrategien og brugen af BI Holistisk: Informationer bruges systematisk som et middel til at skabe sig konkurrencemæssige fordele. Evnen til at kunne håndtere informationer anses som en central value driver for forretningen Competing on Analytics (Davenport) beskriver hvorledes virksomheder bruger informationer som en strategisk ressource Dette er note vinduet

20 Kap 3. Funktions strategisk niveau
Indhold Relation til forrige kapitel Informationshjul med lead og lag informationer Skabelsen af nye forretningsprocesser Optimering af eksisterende forretningsprocesser Sammenhænge mellem strategi og BI-tunge forretningsprocesser Dette er note vinduet

21 Kap 3. Funktions strategisk niveau
Relation til tidligere kapitler Sidste kapitel satte fokus på hvordan informationer bruges på et overordnet strategisk niveau I dette kapitel ser vi på strategi på funktionsniveau, i eksemplet er der nævnt tre funktioner/ forretningsprocesser Dette er note vinduet 21

22 Kap 3. Funktions strategisk niveau
Informationshjul med Lead og lag informationer Lead information Til at kunne opstarte nye processer og forbedre processer GPS eksempel (Hvordan kommer jeg derhen?) Krydssalg (hvad sælger sammen) ”Hvad skal jeg gøre i morgen?” Lag information Monitorerer processer (KPI og BPM) GPS eksempel (Hvor langt er jeg nået?) Se på salgstal (KPI) ”Hvordan gik det?” Dette er note vinduet Lead Proces Lag

23 Kap 3. Funktions strategisk niveau
Optimering af eksisterende forretningsprocesser Denne model handler om hvordan man kan gemme og analysere på lag-informationerne, og af denne vej lære om sammenhænge for at kunne forbedre eksekveringen af processerne Man bruger lag-informationer til at skabe lead-informationer Skaber man fundamentalt nye processer, går man tilbage til Rockart modellen Dette er note vinduet Eksempler?

24 Kap 3. Funktions strategisk niveau
Skabelsen af nye forretningsprocesser Rockart modellen fortæller, hvordan man kan identificere informationsbehovet i forbindelse med en strategi, også kaldet skabelsen af en informationsstrategi Funktionen får nogle mål, for at opfylde disse laves en strategi, de kritiske succes faktorer identificeres (de ting der er afgørende for at den overordnede strategi vil lykkes) og dermed hvilke informationer der er kritiske Der skelnes mellem lead og lag-informationer Lead-informationer er forudsætningen for at vi kan eksekvere strategien Lag-informationer måler på om vi når de strategisk givne mål Dette er note vinduet Eksempel 24

25 Kap 3. Funktions strategisk niveau
Sammenhænge mellem strategi og BI-tunge forretningsprocesser Denne model viser sammenhængen mellem strategiske valg og hvilke konkrete BI-tunge forretningsprocesser der må forventes at komme i fokus Dette er note vinduet

26 Indhold Data, information og viden Analytikernes rolle indenfor BI
Kap 4. Analytisk niveau Indhold Data, information og viden Analytikernes rolle indenfor BI De 3 spørgsmål Dette er note vinduet

27 Data, information og viden
Kap 4. Analytisk niveau Data, information og viden Grundlæggende definitioner: Data er bærer af information – data findes eksempelvis i data warehouses og beskriver typisk en transaktion, handling, status mv. Informationer er data aggregeret op på et niveau så det kan basis for beslutningsstøtte, i form af rapporter, KPI’er, alerts mv. Viden er informationer der har været analytisk bearbejdet, således det indeholder en prioritering af informationerne, anbefalinger, konklusioner mv. Dette er note vinduet

28 Analytikernes rolle indenfor BI
Kap 4. Analytisk niveau Analytikernes rolle indenfor BI Fungere som sammenkoblingen mellem det forretningsdrevne og det teknisk drevne miljø Dette er note vinduet

29 Analytikernes rolle indenfor BI
Kap 4. Analytisk niveau Analytikernes rolle indenfor BI I modellen lægger vi op til at analytikernes leverancer kan opdeles i: Rapporteringsmæssige Statistiske Data miningmæssige Derfor kan modellen også fremstilles som vist nedenfor, hvor de forskellige funktioner får forskellige typer af analytiske leverancer Dette er note vinduet

30 Kap 4. Analytisk niveau De 3 spørgsmål Afhængig af modtagernes kvantitative analytisk niveau, kan den ene af de to nedenstående modeller præsenteres: Spørgsmål 1: er det data manager kompetencer eller egentligt kvantitative analytiske kompetencer der efterspørges Spørgsmål 2: er det hypotesedrevne eller data drevne teknikker der efterspørges Spørgsmål 3: er det sammenhængen mellem én given afhængig variabel og en række andre, eller er det formålet at afdække former for strukturer i data Dette er note vinduet

31 Kap 4. Analytisk niveau De 3 spørgsmål Afhængig af modtagernes kvantitative analytisk niveau, kan den ene af de to nedenstående modeller præsenteres: Spørgsmål 1: er det data manager kompetencer eller egentligt kvantitative analytiske kompetencer der efterspørges Spørgsmål 2: er det hypotesedrevne eller data drevne teknikker der efterspørges Spørgsmål 3: er det sammenhængen mellem én given afhængig variabel og en række andre, eller er det formålet at afdække former for strukturer i data Dette er note vinduet

32 Kap 4. Analytisk niveau Rapportering Rapportering (beskrivende statistik) præsenteres informationer og det overlades til brugeren af disse at lave tolkningen Rapportering bygger typisk på en delmængde af det tilgængelige data der krydstabuleres (salg per uge per region) Dette er note vinduet

33 Rapportering Typer af rapportering
Kap 4. Analytisk niveau Rapportering Typer af rapportering Engangsrapporter (Ad hoc) Manuelt opdaterede rapporter (Begrænset varighed) Automatiserede rapporter – On demand (standard rapportering) Automatiserede rapporter – Event driven (informationer opsøger brugeren – kritiske informationer) Rapporter skal referere til hinanden for at sikre én version af sandheden Dette er note vinduet

34 Kap 4. Analytisk niveau Statistik Afsøgning af sammenhænge mellem variable på baggrund af forudgående hypoteser Nedenfor er der kun tale om parvise test, klik evt. på linket for at læse yderligere Dette er note vinduet

35 Kap 4. Analytisk niveau Data mining Trin 1: Man udvikler nogle modeller på nogle modelleringsdata Trin 2: Man tester hvilke model der giver det bedste resultat ud fra kriterier så som: Modellen kan tolkes Modellen er god til at forudsige Trin 3: Man scorer et data sæt – sætter modellen i produktion Dette er note vinduet

36 Data mining Processen kan være langsommelig
Kap 4. Analytisk niveau Data mining Processen kan være langsommelig Selve modelleringen tager kun nogle få procent af den samlede tid i forbindelse med etableringen af en ny data mining process Når processen er etableret tager den kun lidt tid at opdatere modellerne Dette er note vinduet

37 Kap 4. Analytisk niveau Data mining Oftest bruges data mining i forbindelse med prædiktion af fremtidige hændelser: Hvilket kunder vil forlade os hvornår og hvorfor Hvilke kunder vil købe hvad og på hvilket tidspunkt Hvilke motorer vil gå i stykker på hvilket tidspunkt og hvorfor Hvilke nye kunder er kreditmæssigt risikable Hvad er den forventede pris på et produkt om et år Dette er note vinduet

38 Kap 4. Analytisk niveau Data mining Bruges også i forbindelse med det man i ’gamle dage’ ville kalde eksplorative teknikker Data reduktion, typisk PCA (afdækning af samvariationsmønstre i data) Klynge analyser (gruppering af profiler der minder om hinanden) Vi har valgt at lægge diverse former krydssalgs- og opsalgsmodeller i denne kategori Dette er note vinduet

39 Kap 5. Data warehouse niveau
Indhold Fordele ved at Data Warehouse Opbygningen af et Data Warehouse Tilgange til et Data Warehouse Eksempler på Front Ends Dette er note vinduet

40 Kap 5. Data warehouse niveau
Fordele ved et Data Warehouse Sammenstiller information – fælles standarder på tværs af virksomheden Skaber overblik over hvilke data der er tilgængelige – samle informations øerne Skaber historik Sikrer data kvaliteten Dette er note vinduet Brugbarhed og tilgængelighed

41 Kap 5. Data warehouse niveau
Opbygningen af et Data Warehouse Data flyder fra kildesystemerne og op til BI-portalerne Dette er note vinduet

42 Kap 5. Data warehouse niveau
Tilgange til Data Warehouset Analytikerne har mange adgange til DW De almindelige brugere af rapporter mv. bruger standardiserede front ends Dette er note vinduet

43 Kap 5. Data warehouse niveau
Eksempler på Front-Ends Front ends er det som vi i forrige kapitel betegnede som rapporter – tolkningen overlades til brugerne Dette er note vinduet

44 Kap 5. Data warehouse niveau
Eksempler på Front-Ends Front ends er det som vi i forrige kapitel betegnede som rapporter – tolkningen overlades til brugerne Dette er note vinduet

45 Indhold Eksempler på kildesystemer Prioritering af kildesystemer
Kap 6. Kilde systemer Indhold Eksempler på kildesystemer Prioritering af kildesystemer Optimal lagring Optimal sammenstilling Dette er note vinduet

46 Eksempler på kildesystemer
Kap 6. Kilde systemer Eksempler på kildesystemer Billing systemer Dunning systemer. Inkasso systemer CRM systemer Produkt og forbrugsinformationer Kundeinformationer Virksomhedsinformationer Kampagnehistorik Web logs Spørgeskemaanalyser gennemført over tid HR-informationer informationer Produktionsinformationer Opsamling af KPI’er Data mining resultater Informationer fra ERP-systemer Dette er note vinduet

47 Prioritering af kildesystemer
Kap 6. Kilde systemer Prioritering af kildesystemer Informationsstrategier definere hvilke informationer der skal opsamles I praksis skeler man også til deres tilgængelighed/data kvalitet mv. Over tid sourcer man flere og flere af informationerne – dette er en løbende proces Dette er note vinduet

48 Kap 6. Kilde systemer Optimal lagring Afhængigt af hvad man skal bruge de lagrede informationer til kan informationerne gemmes mere eller mindre optimalt Dette er note vinduet

49 Optimal sammenstilling
Kap 6. Kilde systemer Optimal sammenstilling Ved at sammenstille data korrekt opnås der synergier på tværs af data kilder Vi kan sammenstille internet adfærden med stamdata om kunderne – forbedret beslutningsstøtte Dette er note vinduet

50 Kap 7. BIKC Indhold Hvad er et BIKC Relationen til den tekniske del af organisationen Kompetencerne i et BIKC Organisering af et BIKC Ambitionerne med et BIKC Dette er note vinduet

51 Kap 7. BIKC Hvad er et BIKC Et BIKC er et forum, hvor i der indgår analytiske -, forretningsmæssige - og IT-kompetencer (synergier skabes) Hvilket tilsammen skal sikre BI den nødvendige gennemslagskraft i en organisation Etablere videnshjul, hvilket er en metafor for de løbende leveringer af informationer til forretningsprocesserne – som beskrevet i BI-modellen, herunder uddannelse af brugerne Dette er note vinduet

52 Relationen til den tekniske del af organisationen
Kap 7. BIKC Relationen til den tekniske del af organisationen Først afdækker man hvilke informationer der skal frembringes – informations strategi Herunder hvorledes data og informationer skal transporteres omkring i organisationen – Informations system strategi/system arkitektur Derefter kan man identificere den rigtige teknologi – informations teknologi strategi Dette er note vinduet

53 Kompetencerne i et BIKC
Kap 7. BIKC Kompetencerne i et BIKC Synergier opstår ved at sammenstille de relaterede kompetence områder Dette er note vinduet

54 Organisering af et BIKC
Kap 7. BIKC Organisering af et BIKC Forankres BIKC som en stabsfunktion, giver det muligheder for en strategisk rolle Skabes BIKC som en virtuel organisation, giver det i større grad performancemæssige muligheder Dette er note vinduet

55 Ambitionerne med et BIKC
Kap 7. BIKC Ambitionerne med et BIKC Hvor er vi og hvor vil vi hen? Søger man en forbedret performance – vandret Søger man et strategisk initiativ - lodret Dette er note vinduet

56 Kap 8. Vurdering af projekter
Indhold Strategisk projekt eller ikke Estimering af værdien af projekter Estimering ud fra et procesperspektiv Kvalitative beskrivelser af projekter Projektet i en større sammenhæng Overblik Dette er note vinduet

57 Kap 8. Vurdering af projekter
Strategisk projekt eller ikke En måde er at sætte de forskellige projekter ind i en cost-benefit matrice Store projekter bør kunne forankres strategisk Er projektet ikke strategisk, sker prioritering ud fra en business case Dette er note vinduet

58 Kap 8. Vurdering af projekter
Estimering af værdien af projekter Cost-benefit analysen kan overordnet laves ud fra: Engangsomkostningerne ved implementeringen af den nye løsning Forskellen i de løbende omkostninger ved den nye løsning Den merværdi den nye løsning giver for de interne brugerne af systemet/kunderne De besparelser er der opnås ved at skifte til den nye løsning Se også SIPOC eksemplet Dette er note vinduet

59 Kap 8. Vurdering af projekter
Estimering ud fra et procesperspektiv Forskellen mellem de to processer i bogen fremkommer i denne SIPOC Før Dette er note vinduet Efter

60 Kap 8. Vurdering af projekter
Kvalitative beskrivelser af projekter Alternativ kvalitativ beskrivelse God hvis der er store usikkerheder ved beregningerne Fokus på de strategiske elementer Dette er note vinduet

61 Kap 8. Vurdering af projekter
Projektet i en større sammenhæng Se projektet i en større sammenhæng, findes der en naturlig udviklingsvej på længere sigt, så underbyg den (think big, start small, deliver quickly) Dette er note vinduet

62 Kap 8. Vurdering af projekter
Overblik Kapitlets elementer relateret til hinanden Dette er note vinduet

63 Kap 9. BI i fremtiden BI i fremtiden Fremtiden byder op optimering på individniveau som en del af den overordnede optimering af forretningsprocesser Dette er note vinduet

64 Kap 9. BI i fremtiden BI i fremtiden Bogens definition på BI er:” Leveringen af den rigtige beslutningsstøtte, til de rigtige mennesker, på det rigtige tidspunkt ” Vi tror på af kvaliteten af beslutningstøtten bliver bedre Vidensniveauet i de leverede informationer er højere, hvilket vil sige at informationerne er prioriterede efter vigtighed, samt mere løsningsorienterede (ikke blot at der er et problem, men også hvad de tre mest relevante løsninger kan være). Desuden forventes det at informationerne forudsiger fremtidige hændelser med en større præcision De rigtige mennesker bliver individuelt informeret om, hvad de hver især kan gøre for at optimere de overordnede forretningsprocesser de levere i forhold til Vi tror på at levering af informationerne leveres hurtigere eller i større grad på et mere individuelt tilpasset tidspunkt Dette er note vinduet

65 Kap 9. BI i fremtiden BI i fremtiden Vi tror på, at det som kan synes som et skræmmebillede med informationer der styrer vores adfærd, i fremtiden vil blive set som en velkommen service, der hjælper individer med at prioritere deres tid og giver et liv, hvor man kan fokusere yderligere på kreative beslutninger og situationsbestem fordybelse, samt mindre stress Vi tror på at BI fortsat ud i fremtiden vil sikre, at vi kan arbejde SMARTERE frem for HÅRDERE, hvis vi som nation ud i fremtiden, fortsat skal kunne sikre os en velfærd, der ligger over den som man eksempelvis ser i Kina Dette er note vinduet