Head of Data & Analytics

En head of data & analytics står i midten. Over sig har man en CDO, en CIO eller en direktør. Under sig har man et team, der skal levere tal, som andre kan handle på.

Rollen er en leverancerolle. CDO'en beslutter retningen og kæmper om budgettet i direktionen. En head of data & analytics får det til at ske i praksis: kvartalsplan, teamet, kravene og de dashboards, folk faktisk åbner.

Teamet er typisk 5-15 personer. Ofte en blanding af dataanalytikere, BI-udviklere, analytics engineers og et par data engineers. I mindre virksomheder er man både leder og den, der selv retter den kritiske rapport fredag eftermiddag.

Typiske opgaver

• Prioritere mellem opgaver fra salg, marketing, økonomi og produkt, når alle har travlt
• Sige nej til ad hoc-udtræk og få folk over på faste rapporter i stedet
• Eje det semantiske lag: én definition af omsætning, churn og aktiv bruger
• Rydde op i dashboards, der er bygget af en tidligere kollega og aldrig blev slettet
• Køre 1:1-samtaler, lønsamtaler og oplæring af juniorer
• Rekruttere analytikere og vurdere, hvornår et konsulenthus er billigere end en fastansættelse
• Afklare krav med forretningen: hvad skal tallet bruges til, og hvilken beslutning ændrer det
• Lave review af SQL og dbt-modeller, når teamet er småt
• Følge op på fejlede kørsler og forklare, hvorfor ledelsesrapporten kom en time for sent
• Måle brug: hvem åbner rapporterne, og hvilke bør lukkes ned

En almindelig arbejdsdag
Dagen starter tit med en besked fra økonomi. Et tal i ledelsesrapporten ser forkert ud. En time går med at finde ud af, at en kollega har ændret en filtrering i sidste uge.

Så standup med teamet, hvor to opgaver er blokeret af manglende svar fra en systemejer. Til frokost kommer marketingchefen forbi og vil have et hurtigt træk til en kampagne. Det er ikke hurtigt, og det skal prioriteres mod noget andet.

Eftermiddagen bruges på en kravafklaring med produkt, et review af en dbt-model og forberedelse af næste kvartals plan. Måske en samtale med en kandidat til en analytikerstilling.

En stor del af jobbet er forventningsstyring. Man siger nej mange gange om ugen — og skal stadig være den, folk kommer til.

Hvad rollen ikke er

• En CDO arbejder med datastrategi, dataejerskab og governance på direktionsniveau
• En CIO har ansvar for it-systemer og drift
• En lead data engineer ejer pipelines og platform, ikke analyserne
• En analysechef i en klassisk BI-afdeling har ofte snævrere fokus på rapportering

Grænsen til CDO'en er den vigtigste. Har du mandat til at ændre, hvordan hele virksomheden ejer data, er du reelt i en CDO-rolle. Har du ansvar for et team og en leveranceplan, er du head of data & analytics. Mange danske virksomheder har kun den sidste.

Brancher i Danmark

• E-handel og detail — kampagner, sortiment, lager og kundeadfærd
• SaaS og scaleups — produktdata, churn, aktivering og A/B-test
• Banker, pension og forsikring — kunderapportering og styringstal til ledelsen
• Medier og forlag — læsertal, abonnementer og annoncedata
• Medicinal og produktion — produktionsdata, kvalitet og leveringsevne
• Fagforeninger, a-kasser og interesseorganisationer — medlemsdata og segmentering
• Kommuner og regioner — ledelsesinformation og nøgletal til politisk niveau

Hvad er svært ved jobbet
Man har ansvar for tal, man ikke selv skaber. Kvaliteten afhænger af, hvordan sælgere udfylder felter i CRM, og hvordan produktion registrerer data. Det kan man kun påvirke gennem andre.

Teamet er også en udfordring. Dygtige analytikere keder sig, hvis alt er ad hoc-træk. Bliver de kun brugt som udtrækskontor, siger de op inden for et år.

Endelig ligger persondata tæt på. Dashboards med medarbejder- eller kundedata må ikke bare deles bredt. EU's databeskyttelsesforordning (GDPR) kræver, at adgang er begrænset til dem, der har brug for den, og Datatilsynet har haft flere sager om for brede adgange og om produktionsdata i testmiljøer. Det er teamlederens ansvar at holde styr på det i det daglige.

Der findes ingen uddannelse, der hedder head of data & analytics. Man bliver det efter typisk syv til tolv års erfaring med data — og efter at have vist, at man kan lede andre.

Typiske uddannelsesbaggrunde

• Cand.merc. eller cand.oecon., ofte med linjefag i analyse eller finansiering
• Matematik-økonomi, statistik eller datalogi fra KU, AU, AAU, SDU, DTU eller ITU
• Ingeniør med tal- og modelleringstyngde
• Datamatiker på to år, ofte suppleret med top-up til professionsbachelor på halvandet år

En bachelor tager tre år, en kandidat to år oveni. Ifølge UddannelsesGuiden, som drives af Uddannelses- og Forskningsministeriet, ligger adgangskravet på de tekniske uddannelser typisk på matematik A, mens datamatiker kræver matematik B. Kravene varierer mellem institutionerne, så tjek den enkelte uddannelse.

Baggrunden betyder mindre end i rene specialistroller. Kommer du fra økonomi eller marketing og har lært SQL undervejs, er du et stærkt bud. Du kender allerede spørgsmålene, forretningen stiller.

De almindelige veje ind

• Senior dataanalytiker, der får to juniorer under sig og vokser ind i rollen
• BI-udvikler eller analytics engineer med mange år i samme datalandskab
• Data engineer, der skifter fra teknik til ledelse
• Business controller, som byggede rapporteringen op og tog SQL med sig
• Konsulent fra et analyse- eller BI-hus, der vil bygge noget fast ét sted
• Marketing- eller produktanalytiker i en scaleup, hvor teamet vokser under en

Den første ledelsesstilling kommer ofte internt. Man kender systemerne, definitionerne og de mennesker, der ejer kildedataene. Det er svært at komme udefra til et lille team, fordi troværdigheden i starten bygger på, at man selv kan svare på et fagligt spørgsmål.

Hvad springet til leder kræver
Det er et reelt skifte. Din værdi måles ikke længere på dine egne analyser, men på teamets. Mange savner det håndværk, de var gode til.

Tre ting bliver afgørende:

• At kunne prioritere åbent, så forretningen forstår hvorfor deres opgave venter
• At kunne rekruttere og holde på folk i et fag med mange jobskifter
• At kunne oversætte mellem forretningens sprog og teamets tekniske virkelighed

Efteruddannelse
Kortere lederforløb giver mere end endnu et teknisk kursus. Relevante emner er personaleledelse, forhandling og forandringsledelse. Kurser findes blandt andet på CBS, Aalborg Universitet og hos brancheorganisationer. En hel MBA er sjældent nødvendig i denne rolle — den bliver først relevant, hvis målet er CDO eller direktion.

Certificeringer
Certificeringer vejer mindre her end i specialistroller, men de holder faglighed ved lige. Almindelige valg er Microsoft Certified: Power BI Data Analyst Associate, dbt-certificering, Databricks- eller Snowflake-certificeringer og Azure-grundcertificeringer. Navne og eksamenskoder ændrer sig løbende, så tjek udbyderens egen side før tilmelding.

Er faget lovreguleret?
Nej. Titlen er ikke beskyttet, og der kræves hverken autorisation eller certificering for at lede en dataafdeling. Ansvaret for lovlig behandling af persondata følger stillingen alligevel, fordi teamet dagligt håndterer kunde- og medarbejderdata under EU's databeskyttelsesforordning.

Karrierevejen videre
Næste skridt er typisk CDO, datachef med bredere mandat eller direktør for et forretningsområde. Nogle går den anden vej og bliver principal analyst eller selvstændig rådgiver, fordi de savner det faglige arbejde. Begge dele er almindelige.

Hvis du skal hyre en
Spørg konkret ind til prioritering. Bed kandidaten fortælle, hvordan en uges opgaver blev fordelt, og hvad der blev sagt nej til. Spørg også til udskiftning i teamet og til en rapport, de fik lukket ned. En kandidat, der kun taler om værktøjer og platforme, har sandsynligvis ikke ledet et team igennem en travl periode.

En head of data & analytics arbejder tættere på værktøjerne end en CDO. De fleste kan stadig selv skrive en forespørgsel og finde fejlen i en model.

Analyse og visualisering

• Power BI er det mest udbredte i danske virksomheder, ofte fordi Microsoft 365 allerede er der
• Tableau, Qlik Sense eller Looker i virksomheder med anden historik
• Excel — stadig det værktøj, forretningen vender tilbage til

Modellering og transformation

• SQL i alle varianter, brugt dagligt af hele teamet
• dbt til transformationer, test og dokumentation af definitioner
• Et semantisk lag, hvor omsætning og churn er defineret ét sted
• Python eller R til dybere analyser, prognoser og segmentering

Platform

• Microsoft Azure og Fabric, Snowflake, Databricks eller Google BigQuery
• Apache Airflow eller lignende, drevet af data engineers i eller uden for teamet
• Git og code review, også når teamet mest består af analytikere

Produkt- og adfærdsdata

• GA4, Amplitude eller Mixpanel i virksomheder med app eller webshop
• Værktøjer til A/B-test, hvor teamet ofte ejer opsætning og aflæsning
• CRM-data fra Salesforce, HubSpot eller Dynamics som kilde

Ledelse af arbejdet

• Jira, Azure DevOps eller Trello til at gøre køen af ønsker synlig
• Et fast indgangspunkt for anmodninger, så opgaver ikke kommer via Teams-beskeder
• Enkel måling af brug: hvilke rapporter åbnes, og hvilke er døde

AI-assistenter skriver i dag en del af koden og udkast til analyser. Det flytter teamets tid mod kravafklaring, definitioner og kvalitetssikring. Til gengæld stiller det højere krav til, at nogen kan gennemskue et forkert svar, der ser rigtigt ud.