Hvorfor tidsregistrering ikke vil redde byråets marginer

Galen Low: Hvis noen lytter og organisasjonen deres ikke har en datakultur, hvor lang tid vil det ta å ta igjen forspranget?

Marcel Petitpas: Det første steget er å få klarhet i rammeverket. Du kan ikke ta beslutninger om hvilke verktøy du skal bruke, hvordan du skal bruke dem, hva du skal spore og hva du ikke skal spore, med mindre du vet hvilke måltall du skal følge med på.

Du må vite nøyaktig hvordan disse måltallene skal beregnes. Hvordan du skal definere hvert objekt innenfor hvert måltall, og hva dette måltallet forteller deg om virksomheten når det går opp eller ned.

Galen Low: Hvis du driver et byrå, hvordan avgjør du innenfor dette rammeverket hvilke tiltak som faktisk vil gi størst effekt på driftseffektiviteten?

Marcel Petitpas: Vi tenker på dette som byråets profitt-svinghjul, og svinghjulet har fire trinn. Nummer én er antakelsene dine. Nummer to er de faktiske resultatene, og disse to tingene utgjør til sammen den kvantitative tilbakemeldingssløyfen. Den forteller deg hvor det finnes et avvik, og hvilket måltall i virksomheten vi må flytte på.

Galen Low: Hvis du jobber med drift, må du være svært datakompetent, svært dataorientert og datadrevet, mer teknisk eller mer som en ingeniør – eller er også det en feilslutning?

Marcel Petitpas: Det kommer et tidspunkt i nær fremtid hvor du vil kunne bygge og administrere en liten datapipeline uten å måtte være ekstremt teknisk eller en supernerd på data. Det som fortsatt vil være sant, er imidlertid –

Galen Low: Velkommen til podkasten Digital Project Manager – programmet som hjelper ledere innen leveranser med å jobbe smartere, levere raskere og lede bedre i KI-alderen. Jeg heter Galen, og hver uke går vi inn i virkelige strategier, nye verktøy, utprøvde rammeverk og en og annen krigshistorie fra prosjektfronten. Enten du styrer massive transformasjonsprosjekter, håndterer KI-arbeidsflyter eller bare prøver å holde kaoset under kontroll, har du kommet til rett sted. La oss sette i gang.

I dag snakker vi om forholdet mellom lønnsomhet, drift og data. Mer spesifikt: Når er det riktige tidspunktet for å sikre at dataene dine er tilstrekkelig ryddige til at du kan forstå lønnsomheten, og hvordan kan du ta igjen forspranget hvis du allerede føler deg på etterskudd med hele greia rundt KI-forsterket, datadrevet drift?

Med meg i dag har jeg Marcel Petitpas, grunnlegger og administrerende direktør i Parakeeto, og også min foretrukne person når det gjelder lønnsom, datadrevet drift av byråer – og når det gjelder å forklare lineær regresjon for meg som om jeg var fem år. Marcel og teamet hans fungerer som bindeleddet mellom en deltidsøkonomidirektør og en deltidsdriftsdirektør som samarbeider for å få byrået ditt til å vokse forutsigbart gjennom bærekraftig og lønnsom drift.

Marcel har også vært overalt i det siste. Han holdt innlegg på Agency Growth Event Summit, All-In Agency Summit, Mirren AI 2025, Consulting Success Live 2025 og flere arrangementer med Agency Management Institute. Han er også programleder for Agency Profit Podcast, som hver uke publiserer samtaler med byråledere og bransjeeksperter.

Marcel, takk for at du blir med tilbake i programmet i dag.

Marcel Petitpas: Galen, det var fantastisk å se deg gjøre den introduksjonen. Du var så fokusert. Det var helt utrolig. Vi satt og pratet bak kulissene, og så gikk du bare inn i sonen. Takk for at du inviterte meg. Det er en glede å være her, og takk for den flotte opptredenen nettopp.

Galen Low: Takk for komplimentene. Jeg er faktisk KI hele tiden. Marcel bygde meg. Marcel, du har vært med i programmet før. Du har deltatt på arrangementer med oss. Jeg elsker å ha deg med fordi jeg synes du har et helt unikt og pragmatisk perspektiv på hvor byråer og virksomheter generelt er på vei når det gjelder datakompetanse, datadrevet drift og hvordan dette henger sammen med verdi. Du går faktisk rett på sak.

Marcel Petitpas: Jeg setter pris på at du sier det. Det er noe jeg merkelig nok bruker uforholdsmessig mye tid på å tenke på og snakke om, og jeg er veldig heldig som får gjøre det. Jeg har selv fått skitne hender gjennom sju år med faktisk implementering av dette i byråer, og jeg tror det er der jeg – særlig i sammenheng med prosjektledelse – har noen perspektiver som går imot konvensjonell visdom når det gjelder hva som er beste praksis.

Fordi jeg har sett hvor de forgylte håndjernene finnes – beslutningene vi tar som virker fornuftige, men som i praksis aldri fungerer fordi de er for vanskelige.

Galen Low: Det liker jeg. Ja. Vi fortsetter å bruke en spillebok som på en måte er ødelagt, bare fordi den finnes. Forgylte håndjern, virkelig. Jeg tenkte at vi kunne begynne med å få ett stort og brennende spørsmål ut av veien – noe kontroversielt som alle vil vite svaret på – og deretter zoome ut og snakke om tre ting.

For det første vil jeg snakke om datahygiene og hva man skal gjøre hvis det føles som om byrået allerede har gått glipp av toget. Deretter vil jeg snakke om hvordan rene data og KI konkret kan gi en målbar effekt på lønnsomheten, og hvordan man kan vurdere og prioritere driftseffektivisering basert på effekt.

Til slutt tenkte jeg at vi kunne utforske hvor langt kaninhullet går for byråer. På mange måter har byråspillet endret seg fullstendig. Jeg vil gjerne snakke om hvilke ferdigheter og strukturer byråer må se på for å lykkes i dataens og KI-ens tidsalder. Store temaer. Men hvordan høres dette ut for deg?

Det høres ut som en veldig morsom stund. La oss gå inn i det. Supert. La oss sette i gang. Her er mitt store, hårete spørsmål. Jeg vil si at gode, rene data – dette har jeg lært av deg – uten tvil er nøkkelen til å kunne oppnå lønnsom, datadrevet drift av et byrå. Men hvis noen lytter og organisasjonen deres ikke har en datakultur eller er i nærheten av å ha data organisert på noen meningsfull måte, hvor lang tid vil det ta å ta igjen forspranget?

Og finnes det en måte å fremskynde prosessen på uten å være hensynsløs?

Marcel Petitpas: Svaret er ja. Det som gjør meg så trist med mange av kundene vi ender opp med å jobbe med etter at de har brukt årevis på å prøve å lukke dette gapet, er at det store flertallet forsøker å løse problemet ved å la halen logre med hunden.

Og dette gjelder særlig, tror jeg, mange av dem som lytter til programmet. Jeg mener ikke at det er deres feil. Jeg tror helt ærlig at programvareindustrikomplekset på en måte har betinget dem til å tro det. Det begynner med programvaren, prosjektstyringen, tidsregistreringsdataene og regnskapsdataene, men dette er de siste stegene i prosessen og de minst viktige. Det kommer nok til å overraske folk at jeg sier det, men du trenger ikke tidsregistreringsdata for å få 80 prosent av innsikten i resultatene dine.

Det første steget er å få klarhet i rammeverket. Dette er litt abstrakt, men for å sette det inn i praktiske termer: Du kan egentlig ikke bruke noen av dataene dine eller ta beslutninger om hvilke verktøy du skal bruke, hvordan du skal bruke dem, hva du skal spore og hva du ikke skal spore, med mindre du vet hvilke måltall du skal følge med på.

Du må vite nøyaktig hvordan disse måltallene skal beregnes. Du må vite nøyaktig hvordan du skal definere hvert objekt innenfor hvert måltall, og hva dette måltallet forteller deg om virksomheten når det går opp eller ned. For å gi et praktisk eksempel: Det er flott å sitte rundt styrebordet og si at vi skal måle kapasitetsutnyttelse.

Det er noe helt annet å si: Hva betyr dette egentlig for oss? Hva er en fakturerbar time, og hva er kapasitet? Hvordan definerer vi disse tingene? Hva er inkludert, og hva er ikke inkludert? Hva teller? Hva teller ikke? Hva er logikken som faktisk omdanner data til denne fremstillingen av kapasitetsutnyttelse?

Og forstår vi fullt ut hva som får tallet til å gå opp og ned, hva det betyr for virksomheten vår, hvordan det påvirker beslutningene våre og hvorfor vi bryr oss om det i utgangspunktet? Hva vil endre seg i beslutningene våre hvis vi har dette tallet foran oss og ser at det går opp eller ned?

Så det er faktisk det første steget. Den gode nyheten er at dette ikke krever programvare, data eller at du må vente på å samle inn data. Dette er bare beslutninger du kan ta. De er ikke enkle å ta, men vi har forsøkt å gjøre det enklere ved å publisere rammeverket vårt for hvordan vi mener du bør måle disse måltallene, og hvilke måltall du bør måle, slik at det er offentlig tilgjengelig.

Så det vil jeg si er steg én. Det finnes også et annet steg som heller ikke krever ny informasjon, og som jeg synes det er viktig å snakke om. Men jeg skal gi deg et øyeblikk til å slippe til, for jeg kunne fortsatt i de neste 60 minuttene, det vet du.

Galen Low: Og det hadde jeg vært helt fornøyd med.

Men én ting jeg liker, er at jeg kanskje bevisst forsøker å lede vitnet litt, i den forstand at jeg tror mange som lytter tenker: Herregud, vi må ta igjen forspranget. Vi må kjøpe programvare, og vi må begynne å registrere tid med én gang. For da får vi et utgangspunkt med data, men vi er fortsatt måneder og måneder unna å være i nærheten av å ha brukbare data som vi kan bruke til å styre lønnsomheten.

Det er den typen ufrivillige reaksjon man får når man føler seg på etterskudd som byrå. Så jeg liker virkelig at programvare ikke er svaret. Jeg lurer på om du kan gi meg et eksempel, særlig når det gjelder kapasitetsutnyttelse. For jeg tror kapasitetsutnyttelse er et perfekt eksempel på disse forgylte håndjernene.

Fordi det gir så god mening. Jeg har ansatt disse menneskene. Forretningsmodellen min er å selge tjenester per fakturerbare time. De bruker enten mesteparten av tiden på å tjene penger, eller så gjør de ikke det. Hvis de ikke gjør det, kollapser marginene mine. Jeg kan tape penger. Jeg utnytter ikke talentet jeg har hentet inn.

Og det virker så naturlig å si at dette er et godt måltall. Men det som fikk meg til å stoppe opp, var spørsmålet om hva som får det til å gå opp og ned. Det er en så kompleks ligning for folk som sier: Marcel, kom igjen. Hva annet skal jeg følge med på? Kapasitetsutnyttelse må jo være det. Hvilke myter avliver du eller støter du på som faktisk er feilslutninger, og fører det fortsatt til at man følger med på kapasitetsutnyttelse, men på en bedre måte fordi man har stilt de riktige spørsmålene? Eller bør man droppe det?

Marcel Petitpas: Nei. Rammeverket vårt inkluderer kapasitetsutnyttelse som et måltall, men måten vi beregner det på, er sannsynligvis ikke den samme som de fleste andre ville brukt. Jeg kan snakke om det. Jeg kan snakke om hvordan vi definerer kapasitetsutnyttelse, men det er vanskelig å gjøre isolert, fordi du ikke kan forstå hvorfor vi tok beslutningene vi tok om kapasitetsutnyttelse før du forstår hvordan vi måler gjennomsnittlig faktureringssats, hvordan vi måler prosjektmarginer og hvordan dette skiller seg fra måten vi måler marginer på byrånivå, samt hvordan vi tenker på kostnad per time.

Sannheten er at vi ser på dette som et helt rammeverk – forholdet mellom måltallene og virksomheten, og mellom måltallene og hverandre. Vi har tenkt gjennom dette hele veien, testet det med hundrevis av byråer over sju år og arbeidet oss gjennom alle særtilfellene. Jeg kunne gått gjennom definisjonen min av kapasitetsutnyttelse, som er leveringstimer.

Det betyr all tid som brukes på kunder, uavhengig av om timene var «fakturerbare» eller ikke – det bryr vi oss ikke om. Disse leveringstimene deles på kapasiteten, som er all tiden du har kjøpt fra alle i måleperioden. For hele byrået betyr det alle, også personer som ikke gjør noe klientarbeid i det hele tatt.

Og det er 2080 timer per år. Noen kommer til å høre det og si at det ikke ville fungert for oss. Det kan være sant, fordi dere har tatt en rekke andre beslutninger om de øvrige måltallene, og dette gir kanskje ikke mening. Men jeg snakket faktisk med noen tidligere i dag som fortalte at ledergruppen hver uke sier at teamet deres er fullt utnyttet, men det stemmer egentlig ikke fordi halvparten av tiden som regnes som «fakturerbar», er intern tid. Den gir dem ingen inntekter.

Så de får et falskt positivt resultat. Eller dette andre teamet er mest utnyttet i august. Det er et falskt positivt resultat fordi de tar mye fri, basert på måten de tenker på kapasitet. Vi bør altså trekke fra tid som ikke er tilgjengelig.

Alt dette er for meg et signal om at samtalen om hvordan vi definerer kapasitetsutnyttelse, ikke fant sted etter en samtale om hvorfor. Hvilke beslutninger tar vi, og hvilke spørsmål prøver vi å besvare? Hvis den samtalen hadde kommet først, ville de umiddelbart sett at vi ikke kan trekke kapasitet fra hvis vi prøver å finne ut hva den økonomiske effekten av kapasitetsutnyttelse er, og hvordan den påvirker lønnsomheten.

For det ville vært problematisk. Uansett, jeg sporer av. Jeg tror den store fellen er at du kan utlede resultatene til byrået eller virksomheten din fra ett enkelt måltall. Folk prøver å gjøre kapasitetsutnyttelse til dette ene måltallet, eller de prøver å gjøre lønnsomhet på prosjektnivå til det ene måltallet.

Og jeg tror det siste er like problematisk, om ikke mer. Du kan ikke utlede lønnsomheten til hele byrået fra lønnsomheten til ett prosjekt. Å koble disse tingene sammen er etter min mening et fåfengt prosjekt og et enormt sløseri med tid og ressurser, og det svarer dårlig på alle spørsmål.

Galen Low: Det jeg liker med dette, er Douglas Adams-aspektet. De spør hva meningen med livet er, og svaret er 21, men det er fordi de egentlig ikke forsto spørsmålet til å begynne med. Slik ser jeg på kapasitetsutnyttelse etter forklaringen din. Greit, del én er rammeverket – å forstå hva du måler og hvorfor. Del to.

Marcel Petitpas: Del to vil jeg si er modellen og prognosen din. Dette er noe annet jeg tror blir oversett: La oss si at vi har definert hvordan vi skal måle kapasitetsutnyttelse. Det som vanligvis skjer etterpå, er at prosjektlederteamet blir ivrig, ruller ut prosjektstyringsverktøyet og presser alle til å følge rutinene. Tre måneder går, og de sier endelig at de har gode data. Kapasitetsutnyttelsen forrige måned var 54 prosent. Så står alle rundt og ser på hverandre og venter på at noen skal reagere, før de spør: Er det bra eller dårlig?

Igjen har du gått helt til slutten – det siste steget i prosessen – men du kan ikke få verdi ut av målingen fordi du aldri etablerte forventningen. Den gode nyheten er at det å fastsette forventningen kan være svært innsiktsfullt, og det kan fortelle deg hvor problemet ligger uten at du kjenner de faktiske resultatene.

Når du kommer til de faktiske resultatene, er de betydelig mer verdifulle fordi innsikt er en funksjon av forventninger målt opp mot virkeligheten. Steg to er derfor å bygge en modell av virksomheten din. Modellen er svært enkel. Vi begynner med det vi kaller en lønnstabell, som er en liste over alle på teamet, hvor mye de får betalt, hvor mange timer de jobber og hvor du forventer at tiden deres skal brukes.

Hvis du hadde ubegrenset med arbeid, hvor mye betalt fri de har. Deretter ser du på de faste kostnadene. Hva har du brukt på jurister, regnskapsførere, QuickBooks, abonnementer, kontor og alt det andre? Så ser vi på prisingen. Hva tar du faktisk betalt, og hva forventer du å tjene for hver time som brukes på klientarbeid på tvers av alt du selger?

Hvis du kombinerer disse tre informasjonssettene, bør du kunne finne ut hvor mye penger virksomheten kan tjene med dagens team dersom alt går slik vi planla. Hvor mye tid vil bli brukt på klientarbeid? Hva blir kapasitetsutnyttelsen?

Hvor mye vil vi bruke på faste kostnader? Hva blir bruttomarginen, og hva blir nettoresultatet? Hva er det best mulige utfallet? Dette gir grunnlaget for å spørre: Er dette bra? Er dette det vi forventer? Det er et viktig spørsmål, for noen ganger møter vi et firma som sier at de ikke klarer å bli lønnsomme, uansett hvor hardt de prøver.

Så gjør vi denne øvelsen og sier at grunnen er at dere planlegger å være ulønnsomme.

Galen Low: Interessant.

Marcel Petitpas: Og de sier: Å, riktig. Uansett hvor perfekt vi gjennomfører planen, vil vi fortsatt mislykkes. Det hadde faktisk ikke noe med gjennomføringen å gjøre. Vi hadde bare feil plan.

Det er altså steg to: Bygg en modell av virksomheten. Forstå hva den legger opp til, hvor mye slingringsmonn du har, og hvordan målene ser ut. Hvis du legger til ett siste datasett – en overordnet forståelse av prosjektene, hvor mye du skal få betalt, når de starter og slutter, og hvor mange timer du forventer – kan du begynne å se fremover og spørre om vi planlegger å tjene så mye inntekt som mulig.

Planlegger vi å holde teamet rimelig sysselsatt? Du kan løse rundt 70–80 prosent av lønnsomhetsproblemene uten å registrere tid eller prosjektdata, som er den dyreste og vanskeligste delen, bare ved å få klarhet i rammeverket og i antakelsene du gjør om virksomheten i dag.

Og ved å strukturere disse på en måte som bygger verdi. Dette er de første stegene vi tar med alle kunder, fordi du egentlig ikke kan ta beslutninger om noe av det som kommer senere før du har etablert grunnlaget og bestemt hvordan strukturen skal se ut. Den gode nyheten er at alt dette er gratis.

Det eneste det krever, er tid. Og det krever bare informasjon du allerede har i hodet. Du har sannsynligvis bare ikke tatt deg tid til å legge den frem. Du trenger ikke programvare. Du trenger ikke vente seks måneder på at data skal samle seg opp. Du trenger ikke endre regnskapsprosessen din. Så den gode nyheten er at det faktisk ikke tar lang tid å ta igjen forspranget, fordi mye av dette er tilgjengelig for deg allerede nå.

Galen Low: Det er interessant, for det er gratis, men ikke enkelt. Med andre ord bygger noen av disse spørsmålene på kunnskap du kanskje allerede har. Men det vanskelige er faktisk å svare på spørsmålene, fordi du virkelig må se driften din i øynene. Jeg trodde egentlig du skulle si at man skulle tenke på hvor mye penger man maksimalt kunne tjene, og så innse at det var urealistisk fordi det var utopien.

Men du sa faktisk at planen din kanskje bare ikke er lønnsom, slik du driver virksomheten. Det er det som er så forfriskende fra mitt perspektiv som prosjektleder i et byrå. Vi er vant til å føle at hele byrået hviler på skuldrene våre. Det er som om vi er den økonomiske motoren. Vi betaler for alle som jobber med underskudd. Vi trenger nok margin til å være fakturerbare, vanligvis 80 prosent kapasitetsutnyttelse eller mer, og samtidig ha nok margin til å betale lønningene til administrasjonen, salgsteamet og alle andre.

Mens det andre du sa, slik jeg forstår det, er at det ikke bare kan handle om prosjektlønnsomhet. Det finnes en kostnad ved solgte tjenester-modell, og du må ta med alle og hva du planlegger å ha av fakturerbart arbeid, tilgjengelig arbeid eller penger du kan tjene.

Marcel Petitpas: Dette stemmer hundre prosent, og vi har sett det før. Vi har sett firmaer der hvert eneste prosjekt var svært lønnsomt, men firmaet som helhet var ulønnsomt fordi prosjektlønnsomhet bare er én av tre faktorer som avgjør lønnsomheten. Det kan ikke reduseres til det.

Jeg kunne solgt deg denne vannflasken for én million dollar og gjort det én gang hvert tiende år. Men hvis jeg deretter bruker 800 000 dollar i året på drift og markedsføring for å overbevise én person hvert tiende år om å kjøpe en vannflaske til én million dollar, spiller det ingen rolle at marginen min på flasken var 99,999 prosent.

Det er nyansen. Du må zoome ut og bygge en helhetlig modell av hele firmaet, og følge med på alle faktorene som påvirker tallet.

Galen Low: De Stanley-koppene er jo forretningsmodellen deres, ikke sant? Selge samleobjekter av noen vannmodeller med margin.

Marcel Petitpas: Ja. Og de er uknuselige.

Galen Low: Dette er sannsynligvis et godt utgangspunkt, for jeg ville zoome litt ut til noe du sa. Du beskrev det dere gjør i Parakeeto som at en deltidsøkonomidirektør og en deltidsdriftsdirektør hadde fått et barn sammen. Hvis vi ser bort fra alle implikasjonene rundt interessekonflikter og alle kultaktige konsertvitser: Hvordan kan ledere innen økonomi og drift koble seg tettere sammen for å begynne å bruke data til å analysere og følge med på lønnsomheten i et byrå – eller mer konkret ta disse beslutningene sammen og svare på disse vanskelige spørsmålene sammen?

Og er dette de viktigste aktørene, eller hvem andre må involveres i disse samtalene for å finne ut av rammeverket og modellen, og avlive eventuelle feiloppfatninger de har styrt etter fra et økonomisk og operativt perspektiv?

Marcel Petitpas: Jeg tror faktisk det går tilbake til de to første tingene jeg snakket om i det forrige svaret: samtalen om rammeverket og samtalen om virksomhetsmodellen.

Det henger uløselig sammen med de tre viktigste delene av virksomheten: den økonomiske delen, driftsdelen og til en viss grad nysalg. Når man setter seg ned og har en samtale sentrert rundt dette, tvinger det på en måte alle til å komme sammen og bli enige.

På mange måter gir det også et grunnlag for samtalen, fordi det bare er en matematisk formel. Det er ikke en mening. Det er ingens mening. Det er ganske enkelt matematikken og faktorene. Når de går opp eller ned, er dette det som endrer seg. Ingen kan egentlig avvise det. Det skaper grunnlaget for at alle kan si at hvis dette er forventningen, hvordan skal vi da måle oss mot den?

Alle må bidra til dette. Det tvinger deg til å se på tvers av avdelingene. Hvis vi skal kunne lage prognoser, må vi vite hva som kommer fra salg. Hvordan gjør vi det? Hvilken informasjon trenger vi? Hvis vi skal lage prognoser for kapasiteten vår, må vi forstå hvor mye tid som forventes brukt.

Hvis vi skal lage prognoser for økonomien, må vi forstå hva vi skal ta betalt for, hvordan kostnadene våre vil se ut, hvor mye som er våre penger og hvor mye som ikke er det. Hvis vi skal planlegge for lønnsomhet, må vi vite hvordan marginen ser ut.

På samme måte må vi på økonomisiden forstå hvordan teamet ser ut og hvordan ansettelsesplanen ser ut hvis vi skal sette budsjetter. Alt dette henger sammen, og du begynner å se på tvers av organisasjonen og spørre hvilken data vi trenger for å måle dette.

Svaret er nesten alltid en kombinasjon av driftsdata, fordi driftsdata kommer før økonomiske resultater, og økonomidata, fordi økonomidata i praksis er en svært nøyaktig oppsummering av det som har skjedd tidligere. For meg er derfor rammeverket, prognosen og modellen grunnlaget som tilbakemeldingssløyfene bygges på. Det er i tilbakemeldingssløyfene mye av samarbeidet på tvers av avdelinger finner sted.

Men hvis du ikke har et rammeverk og ikke forstår hvordan du bygger en modell, opplever du ofte at alle bare holder seg på sin egen banehalvdel. Det finnes et lite gap som aldri blir fylt, og det driver ledergruppen til vanvidd. Du ender opp med fullstendig frakoblede ting: måten vi tenker på å selge arbeid på, måten vi setter det opp i QuickBooks og fakturerer for det på, og måten det går inn i ClickUp på.

Alt er forskjellige språk. Det er ikke rart at vi ikke kan måle noe. Dataene stemmer jo ikke overens.

Galen Low: Jeg liker det. Modellen og rammeverket er det som bringer folk sammen. Jeg har opplevd dette lille gapet, der alle går inn i styrerommet og blir enige om den strategiske planleggingen. Vi har dataene, planen og målet, men puslespillbrikkene passer ikke sammen og språket er forskjellig. På neste kvartalsvise virksomhetsgjennomgang sier alle at det ikke er deres feil, men økonomiavdelingens eller HR-avdelingens feil.

Jeg liker ideen om at rollen deres er å samle alle fra de ulike avdelingene rundt en felles forståelse av modellen og rammeverket, slik at dere kan se helhetlig på virksomheten ved hjelp av data som sannsynligvis allerede finnes.

Marcel Petitpas: I større organisasjoner, der det finnes en driftsdirektør, en økonomidirektør og en administrerende direktør, sørger vi for at alle er samkjørte. Deretter lar vi dem bruke tiden på det stedet der de har størst påvirkningskraft, noe som ikke er å sitte i regneark og finne ut hva i all verden som foregår. Det er å gjøre noe med situasjonen, med en forståelse av at alle vet hva de bør fokusere på.

I mindre organisasjoner, som ikke har tilstrekkelig størrelse til å ha en økonomidirektør eller driftsdirektør, gjør vi det samme for den mest senior personen i hver av disse avdelingene. Det er vanligvis det innleide regnskapsfirmaet på økonomisiden og den senior prosjektlederen eller prosjektlederen som nettopp fikk en driftstittel fordi man følte at man trengte en slik rolle, og vedkommende var tilgjengelig og virket flink.

Og administrerende direktør, som vanligvis ikke startet virksomheten for å håndtere noe av dette. De er fageksperter. Det handler om å ta på seg denne rotete mellomdelen slik at alle andre kan få klarhet i hva de må gjøre – og så gjøre det.

Galen Low: Det er interessant, for jeg har jobbet i flere nisjebyråer der dette absolutt er tilfellet. Administrerende direktør er grunnleggeren. De likte digital teknologi, å bygge ting, nettsteder og apper. De likte design, og plutselig er de administrerende direktør uten å ha vært det før.

De er ikke utdannet som administrerende direktør. De blir med i en klubb med andre administrerende direktører for å lære av dem. Men det vil naturligvis finnes gap rundt hva som kan og bør gjøres, og rundt driften. Jeg har sett flere tilfeller der noen sier at du sikkert kan lede driften, og så er du plutselig driftsdirektør.

Jeg liker ideen om at det er greit, fordi alle er på en eller annen læringsreise. Men vi trenger en plan for å bygge denne forståelsen, fylle gapene og drive samtalene fremover, slik at vi lærer av hverandre og tar gode beslutninger for virksomheten sammen.

Marcel Petitpas: Det er verdt å merke seg at jeg altfor ofte har sett at den mest senior prosjektpersonen nærmest blir beordret til å bli driftsleder. Kanskje det er det de ønsker, men de går inn i rollen og så sier administrerende direktør plutselig at de må finne ut av lønnsomheten. Det er en urealistisk forventning, og de blir satt opp for å mislykkes.

Dette er ikke et sideprosjekt. Det er et svært vanskelig problem å løse hvis du aldri har løst det før og ikke har noe rammeverk. Det er krevende og krever teknisk dataekspertise – kanskje ikke dataingeniørkompetanse, men i det minste dataanalyse og datavitenskap.

Det krever også svært god økonomiforståelse, og det er urealistisk å forvente at en person som har jobbet seg opp gjennom prosjektledelse, skal kunne gjøre dette. En annen ting som er viktig, er at prosjektlederbakgrunnen kan bli en ulempe, fordi de fleste prosjektledere har blitt belønnet for å være svært presise og detaljerte.

Det er nettopp dette som ofte hindrer dem i å lage gode rapporter på ledernivå. Paradoksalt nok lykkes rapportering på dette nivået vanligvis når vi gir slipp på mye av presisjonen vi forveksler med nøyaktighet. Et godt eksempel er at den riktige måten å lage en kapasitetsprognose for designavdelingen fire måneder frem i tid ikke er å tildele 700 oppgaver til enkeltpersoner i prosjektstyringsverktøyet.

Det er ikke en god vei. Det er som å bruke spisepinner til å stable sandkorn for å bygge sand. Det kommer ikke til å fungere. Men hvis du har prosjektlederbakgrunn, er det sannsynligvis dit tankene dine først går: La meg stable alle disse små blokkene i prosjektstyringsverktøyet, fordi det er det eneste du har kjent.

Galen Low: Selv om vi har berørt dette temaet i andre episoder, er perspektivet mitt helt annerledes nå som det har gått litt tid, særlig i KI-alderen. Jeg er glad for at du tok det dit, for det er akkurat dit jeg ville.

Jeg kjenner mange som har havnet i en driftsrolle og tenker at de kan gjøre alt Marcel sier, men at de nå må ansette en dataforsker. Jeg har sett det skje: Vi ansetter noen og sier at de har ansvaret for data, fordi jeg ikke har noen forståelse for data og ikke vet hvor jeg skal hente det fra.

Men den personen forstår ikke det større bildet – hvilke data som faktisk skal samles inn og hvordan de skal pakkes inn. Da blir det i praksis blinde som leder blinde. Er det slik at noen kan bli satt opp for å mislykkes hvis de skal løse lønnsomhetsligningen uten å ha fått opplæring eller gjort det før?

Når man tenker på det, er det ganske naturlig. Hvis det var enkelt, ville alle drevet en lønnsom virksomhet. Når vi knytter dette til dataforståelse, tallene og nøyaktighet, men ikke nødvendigvis presisjon: Er det nå et minimumskrav at du som driftsansvarlig må være svært datakompetent, dataorientert og datadrevet, mer teknisk eller mer som en ingeniør – eller er det også en feilslutning?

Marcel Petitpas: Jeg tror vi står i et svært vanskelig skjæringspunkt akkurat nå. Datadrevet drift vil bli et minimumskrav for små virksomheter, men det finnes et tomrom rundt dette i dag. Den lille skitne hemmeligheten om Parakeeto er at hele tesen vår handler om å ta datadrevet drift, som lenge har eksistert på bedriftsnivå, og forutse at den vil bevege seg nedover i markedet. Vi prøver å pakke den inn på en svært meningsstyrt måte for en bestemt gruppe mennesker, slik at den blir tilgjengelig til en overkommelig kostnad.

Forretningsmodellen vår er i praksis at vi er et lite datadriftsteam som er pakket inn på en mer elegant måte. Problemet er at et byrå med én million dollar i omsetning ikke kan opprette en Databricks-konto og betale abonnementet og de tekniske personene som må bygge løsningen.

Det finnes egentlig ingen Databricks for små virksomheter. Men verktøyene kommer og blir stadig mer kapable. Derfor tror jeg at du i nær fremtid vil kunne bygge og administrere en liten datapipeline uten å måtte være ekstremt teknisk eller en supernerd på data.

Det som fortsatt vil være sant, er at du må forstå rammeverket og hvordan du bruker det på virksomheten din. Det finnes ingen vei utenom å begynne med slutten i tankene. Alle verktøyene, dataene og regnearkene – selv om du er dataforsker eller dataingeniør – blir en blindvei og bortkastet tid hvis du ikke vet hva du måler, hvorfor du måler det og nøyaktig hvordan du skal definere det.

Galen Low: For driftsansvarlige som lytter nå og tenker at Marcel beskrev meg, og at de ikke vet hvordan de skal arbeide baklengs fra slutten, hvor bør de begynne? Hvordan kan de fylle gapet? Eller bør de bare komme seg ut av karrieren nå?

Marcel Petitpas: Nei. Dette er interessant. Det finnes et spørsmål om hva som skjer med prosjektledere når KI blir en realitet. Jeg tror faktisk prosjekt- og kundeledelse er blant de mest skjermede fagområdene i disse virksomhetene, og når man fjerner mye av gjennomføringen, er dette noe av arbeidet med høyest verdi i firmaene.

For å svare direkte på spørsmålet ditt: Hvor begynner de? En skamløs anbefaling er å starte med Agency Profit Toolkit. Rammeverket finnes der, og det er gratis. Det er enkelt, men ikke lett, som du sier. Det er derfor folk ansetter oss for å lede dem gjennom prosessen med å installere dette i virksomheten.

Hvis du vil vite hvilke måltall som finnes, hvordan de beregnes og hvilke definisjoner objektene har, har jeg gjort alt dette tilgjengelig gratis. Det er der jeg ville begynt.

Galen Low: Jeg elsker det. Jeg skal skifte spor litt, fordi du nylig gjorde et intervju med teamet mitt i Digital Project Manager.

Jeg legger lenke til det i shownotatene. Det var flott. Vi dekket mye, og noe av det vi kom inn på, som jeg tror henger sammen med dette, er at mange ser på lønnsomhetsligningen i sammenheng med KI akkurat nå og tenker at virksomheten er bygget på dollar per time, altså fakturerbare timer.

Vi måler kapasitetsutnyttelse. KI er her nå og lover driftseffektivisering som skal gjøre oss lønnsomme. Det skal tidoble eller hundreoble lønnsomheten vår. Men det er så mange ting man kan gjøre. Det er enten døden ved tusen små kutt, eller så velger man én ting og håper på det beste.

Jeg kan bruke KI til å samle inn kontekst som eksempel – å samle alle delene fra ulike verktøy slik at man ikke bruker tid på det. Men jeg vil gå rett til hovedspørsmålet: Hvis du driver et byrå og alle er overveldet av hvor mange alternativer og bruksområder som finnes for KI, hvordan avgjør du innenfor dette rammeverket og denne modellen hvilke tiltak som faktisk vil gi størst effekt på driftseffektiviteten? Og er dette i det hele tatt en vei til lønnsomhet, slik du ser det?

Marcel Petitpas: Absolutt. Jeg har sett KI påvirke alle de fire faktorene som kan flytte lønnsomheten i et byrå. Jeg tror faktisk du kommer til å like svaret, og prosjektlederne som lytter kommer til å like det, fordi det er svært praktisk.

Vi tenker på dette som byråets profitt-svinghjul. Svinghjulet har fire trinn. Nummer én er antakelsene dine. Nummer to er de faktiske resultatene. Disse to tingene utgjør den kvantitative tilbakemeldingssløyfen. Hva trodde du skulle skje, hva var planen, og hva skjedde faktisk? Det forteller deg hvor avviket mellom forventningene og det faktiske resultatet ligger.

Det forteller deg hvilket måltall i virksomheten du må flytte. Det finnes egentlig bare fire valg. Når du vet hvilket måltall du må flytte, har du rapporter og møter med teamet der dere sier at dette er måltallet vi må flytte. Deretter idémyldrer dere som team om hva dere kan gjøre for å flytte det.

Vi kan snakke om tiltakene som flytter måltallene. Når dere har diskutert ideene, bør det bli tydelig hvilke raske gevinster eller kostnadseffektive tiltak dere har. Dette er ikke nye ting, og jeg trenger ikke forklare det til prosjektledere. Når dere har bestemt dere, gjennomfører dere tiltakene, gjentar svinghjulet og fortsetter til måltallet endrer seg. Deretter skifter dere fokus. I en perfekt verden blir dette en kontinuerlig muskel i virksomheten.

Galen Low: Kunne vi brukt innsamling av kontekst som eksempel fra ende til ende? La oss si at det finnes et avvik mellom forventet lønnsomhet og faktisk lønnsomhet.

Teamet sier at de bruker så mye tid på å lete etter ting på tvers av verktøy, og at dette gjør at de ikke blir ferdige innenfor estimatene. Jeg har på meg prosjektlederhatten nå, så det vi må gjøre er å bruke mindre tid på å samle inn ressurser fra alle steder, og da blir vi mer lønnsomme.

Men før vi begynner å se på lønnsomheten igjen i dette svinghjulet, tenker jeg instinktivt at vi må måle hvor mye tid vi sparte ved å slippe å samle inn alle ressursene fra ulike verktøy. KI tar over. Så husker jeg det du sa tidligere om at prosjektledere liker presise data, og at dette ikke alltid betyr at dataene blir nøyaktige.

Da tenker jeg: Hoppet jeg rett til at vi skal spare tid, måle hvor mye tid vi sparer ved å bruke KI, og bruke det som en ledende indikator på om dette faktisk vil gjøre oss mer lønnsomme?

Marcel Petitpas: Nei, du tenker faktisk på dette på riktig måte. Dette henger sammen med modellen.

Modellen er i praksis bare en stor matematisk ligning. Når et byrå skal bli mer lønnsomt, finnes det to overordnede ting du kan gjøre. Du kan redusere de faste kostnadene, eller du kan øke det vi kaller leveransemargin, som andre kan kalle bruttomargin.

Nesten ingen byråer har et problem med faste kostnader. Etter å ha sett på over 300 av dem kan jeg si at det bare er en håndfull som faktisk hadde et slikt problem. Det er nesten aldri problemet. Du tror kanskje ikke på det fordi resultatregnskapet ditt ikke er strukturert riktig og alt blir kalt faste kostnader. Men når du ser på resultatregnskapet på det jeg mener er riktig måte, finnes det et tydelig skille mellom at vi bruker for mye på faste kostnader, noe som nesten aldri skjer, og det egentlige problemet: at vi ikke tjener inntektene våre effektivt nok.

Dermed er leveransemarginen eller bruttomarginen ikke sterk nok. Det finnes tre måter å forbedre dette på. Nummer én er å forbedre den gjennomsnittlige faktureringssatsen. Den er en funksjon av hvor mye penger vi tjente og hvor mange timer det tok å tjene dem.

Del de to tingene på hverandre, så ser du hvor mye penger vi omtrent tjente for hver time innsats. Hvordan øker du dette? Du kan enten ta mer betalt uten å endre tidsbruken, eller beholde prisen og finne ut hvordan du kan gjøre jobben på kortere tid.

Det er en måte du kan måle effekten på. Den andre delen er kapasitetsutnyttelse: Hvor stor andel av tiden vi kjøper fra teamet, brukes faktisk til å tjene den gjennomsnittlige satsen? Den tredje delen er gjennomsnittlig kostnad per time: Hvor dyr er en time med arbeid i gjennomsnitt?

Hvis du bruker KI på all denne innsamlingen av kontekst, kan det faktisk påvirke alle tre måltallene. Kanskje det tar 20 prosent mindre tid å få jobben gjort. Da øker den gjennomsnittlige faktureringssatsen med 20 prosent. Kapasitetsutnyttelsen kan også øke litt fordi dere klarer å få mer gjort og holde teamet travlere når det er mindre kontekstbytte.

Det tredje er at det kanskje ikke lenger kreves like mye skjønn, fordi all konteksten finnes på ett sted og KI kan trenes til å analysere dataene og gi et resultat. Vi trenger ikke lenger en senior person til å gjøre alt. En junior person kan gjøre jobben fordi det tunge arbeidet allerede er utført.

Formelen for lønnsomhet er derfor gjennomsnittlig faktureringssats multiplisert med kapasitetsutnyttelse, som gir hvor mye penger du tjener. Gjennomsnittlig kostnad per time multiplisert med antall utførte leveringstimer er kostnaden. Du kan måle den absolutte økningen i inntekter, den absolutte reduksjonen i kostnader og den relative forbedringen i lønnsomhet ved å gjøre denne enkle matematikken.

Så du tenker faktisk på dette på helt riktig måte. Det er derfor det er så viktig å ha en modell, for du kan ikke gjøre denne matematikken uten å vite hva modellen din er og hvordan du tenker på dette.

Galen Low: Det gir mening nå. Når det gjelder modellen og det å satse på tiltak, kan et byrå bruke den samme modellen når de har rangert ti alternativer og vet at de ikke kan investere i alle? Kan man si at vi forventer 20 prosent større effektivitet fordi vi slipper å samle inn ressurser fra mange forskjellige verktøy, og at dette gir ett resultat, mens et annet alternativ kanskje bare gir 15–18 prosent effektivitetsgevinst?

Men du sa også at vi ofte er dårlige til å estimere. Det finnes også en virkelighetsdel. Kan modellen brukes til å avgjøre hvor man skal investere?

Marcel Petitpas: Ja, det tror jeg. Men det er ikke så enkelt som å se på ti alternativer, se på effekten de har på ulike måltall og velge det som har høyest absolutt avkastning.

Grunnen er at det finnes en rekkefølge mellom de tre faktorene: gjennomsnittlig kostnad per time, gjennomsnittlig faktureringssats og kapasitetsutnyttelse. Hvis du har muligheter på alle tre områdene, finnes det et riktig svar på hva du bør ta først, deretter og til slutt for å oppnå resultater.

Du bør alltid begynne med kapasitetsutnyttelse, deretter gå til gjennomsnittlig faktureringssats og til slutt gjennomsnittlig kostnad per time. Tenk på det slik: Hvis jeg har et rør med vann som renner inn i et reservoar, og problemet er at vi trenger mer vann gjennom røret, hjelper det ikke å gjøre røret større og mer effektivt hvis bare halvparten av kapasiteten i røret brukes.

Jeg ser dette hele tiden hos firmaer som går i fellen med å øke prisene, bli mer effektive og kutte kostnadene, mens kapasitetsutnyttelsen er svært lav. Den effektive satsen og lønnsomheten på prosjektene endres kanskje, men tallet i resultatregnskapet endrer seg ikke.

Det spiller ingen rolle hvor lønnsomme prosjektene dine er i denne sammenhengen. Du realiserer ikke gevinsten fordi kapasitetsutnyttelsen ikke er høy nok. Selv om dette teoretisk skaper en mer lønnsom modell, er det ikke riktig rekkefølge hvis målet er å få avkastning ned på bunnlinjen.

Derfor begynner vi med å finne ut hvilket måltall vi skal prioritere. Deretter snakker vi om hva vi kan gjøre for å få akkurat dette måltallet på riktig nivå. Når kapasitetsutnyttelsen er der vi ønsker, går alt vi gjør for å forbedre den gjennomsnittlige faktureringssatsen rett til bunnlinjen.

Vi får også et bedre utgangspunkt for å forbedre den gjennomsnittlige faktureringssatsen. Hvis vi må ha en prissamtale med en kunde, er det mye enklere når vi ikke er redde for å miste kunden fordi vi allerede er fullt belagt og har en ny kunde på vei inn. Hvis kunden forsvinner, kan vi bare erstatte dem. Hvis vi må redusere omfanget av leveransen, står vi også i en langt bedre praktisk posisjon til å gjennomføre tiltakene som vanligvis kommer opp i en samtale om gjennomsnittlig faktureringssats.

Den konteksten er viktig, utover den objektive vurderingen av potensiell avkastning.

Galen Low: Jeg elsker at det finnes en logisk rekkefølge i røranalogien. Jeg vil avslutte med å se fremover. Vi har snakket om å føle seg på etterskudd, ta igjen forspranget, hvor man skal begynne, programvare kontra rammeverk og en dypere forståelse av virksomheten.

Vi har snakket om KI og driftseffektivitet. Du jobber mye med byråer, og jeg vil stille et bredt spørsmål. Fra mitt ståsted virker det som om nesten alle byråer nå er i en transformasjon eller under press for å transformere seg. Noen satser stort på KI som en del av tjenestetilbudet. Andre begynner å bygge datadrevet beslutningstaking inn i prosessen.

Hvis vi spoler fem år frem, hvordan ser et lønnsomt byrå ut om fem år?

Marcel Petitpas: Det er interessant, for det er vanskelig å si hvordan det ser ut på et taktisk nivå. Hvilke tjenester selger de? For 20 år siden kunne du neppe forutsagt at det skulle finnes en hel industri for å kjøre Facebook-annonser. Facebook eksisterte ikke engang. Vi ville aldri sett det komme.

Men dette vet jeg sikkert: Forretningsmodellen som går ut på å utnytte forskjeller i arbeidskraft, kommer ikke til å forsvinne med det første. Det er en av de eldste bransjene i menneskelig sivilisasjon. Den har eksistert for alltid. Etter min mening er den det mest effektive mediet i økonomien for å fylle hullene som oppstår når ting endrer seg.

Ekspertise er en svært fleksibel ressurs som effektivt løser problemer i markedet. Jeg tror ikke ekspertise forsvinner. Det jeg tror skjer og kommer til å fortsette å skje, er at marginpresset vil øke i mange av bransjene innen profesjonelle tjenester.

Dette har pågått en stund, men jeg tror alle er ekstra oppmerksomme på det nå fordi vi har opplevd omtrent 20 års modenhet i dette markedet i løpet av de siste seks årene. Det startet med pandemien, da prisene på lokalt talent økte med 30–40 prosent på tvers av ferdighetskategorier. Samtidig så vi en fullstendig globalisering av konkurransen over natten.

Kostnadene for lokalt talent gikk opp, noe som skapte marginpress, mens prispresset også økte fordi et firma i Øst-Europa kunne gjøre arbeid som lignet ditt, ta en tredjedel av prisen og fortsatt være lønnsomt.

Da spør du hva i all verden du skal gjøre. Plutselig bryr ikke firmaet seg om at du er i New York, fordi alle jobber hjemmefra uansett. Det var et kvantesprang i bransjens modning når det gjelder fallende marginer. Nå har KI kommet inn i samtalen, og vi kan alle se hvor dette går.

Jeg tror marginene i bransjen vil fortsette å falle over tid. Det er ganske enkelt en konsekvens av at alle bransjer modnes, og derfor øker også graden av raffinement som kreves for å drive denne typen virksomhet.

Noen ting kommer derfor til å skje. Som mindre firma må du ha kontroll på dette og større økonomisk innsikt hvis du vil overleve, fordi markedet ikke vil være like tilgivende. Det vil ikke være like mye gratis penger i omløp, med mindre du befinner deg i en helt ny, banebrytende bransje med lavt tilbud og høy verdi.

Jeg tror også vi kommer til å se en oppsplitting av forsyningskjeden. Det ser vi i de fleste bransjer med svært lave marginer, som dagligvarehandel og flyselskaper. Du kan ikke være administrerende direktør i et flyselskap uten å kjenne tallene dine godt, fordi du bare har tre prosent margin å spille på.

Når du tenker på flyreisen, kjøpte jeg billetten fra Air Canada, men de lagde ikke maten, rengjorde ikke flyet, driver ikke flyplassen og utfører ikke vedlikeholdet. Alt er satt ut, og alle aktørene i forsyningskjeden er svært spesialiserte i driften sin.

Det er den eneste måten de kan hente ut en margin på. Jeg tror byråer i stadig større grad vil bevege seg i samme retning. De må være ekstremt disiplinerte når det gjelder økonomi og drift. Jeg tror mange som lytter, og som bare ønsker å lage fine ting, krymper seg når de hører dette.

Men jeg tror dessverre dette er virkeligheten bransjen går mot.

Galen Low: Jeg liker perspektivet om at dette skjer i andre bransjer. Det er ikke unikt, og det skjedde ikke bare på grunn av KI. Det begynte i byråverdenen for seks år siden fordi

Marcel Petitpas: Det har pågått i hundre år, men det går mye raskere nå.

Galen Low: Ja. Den marginen.

Marcel, dette har vært fantastisk. Før jeg lar deg gå, hvor kan folk lære mer om deg?

Marcel Petitpas: Gå til parakeeto.com. Der finnes det massevis av gratis ressurser, blant annet parakeeto.com/toolkit. Hvis du vil fordype deg, lære om måltallene og hvordan du installerer dem, finnes alt der uten kostnad.

Hvis du liker podkaster, kan du lytte til Agency Profit Podcast. Hvis du vil snakke direkte med meg, er LinkedIn det beste stedet. Koble deg til og send meg en direktemelding. Jeg vil gjerne høre fra deg.

Galen Low: Fantastisk. Jeg legger alle lenkene i shownotatene. Takk igjen. Jeg setter stor pris på det.

Marcel Petitpas: Takk, Galen. Det var en glede.

Galen Low: Det var alt for dagens episode av Digital Project Manager-podkasten. Hvis du likte samtalen, må du abonnere der du lytter. Hvis du vil ha enda mer praktisk innsikt, casestudier og spillebøker, kan du gå til thedigitalprojectmanager.com.

Til neste gang – takk for at du lyttet.