Checkdat Academy

Arbetsmetoder

Strukturerade arbetsmetoder är skillnaden mellan projekt som lyckas och projekt som kämpar med informationshantering. Här delar vi de metoder vi har utvecklat och förfinat.

Tillbaka till Academy

4 artiklar i denna kategori

Artikel 1

Checkdat Method

Vår systematiska metod för informationsstyrning, från analys till kontinuerlig förbättring.

Metodens fem steg

Checkdat Method är vår beprövade metod som bygger på fem steg: Nulägesanalys, Informationsstruktur, Implementering, Kvalitetssäkring och Uppföljning. Metoden är utvecklad genom hundratals infrastrukturprojekt och anpassad för den svenska branschens specifika utmaningar.

Steg 1: Nulägesanalys

Vi kartlägger befintliga informationsflöden, processer och systemlandskap. Genom intervjuer med nyckelpersoner, granskning av befintliga dokument och observation av faktiska arbetsflöden identifierar vi brister och förbättringspotential. Resultatet är en nulägesrapport med konkreta rekommendationer.

Steg 2-3: Struktur och implementering

Utifrån nulägesanalysen definieras informationskrav, leveransplaner och klassifikation anpassat till projektets behov och beställarkrav. Sedan etableras arbetsflöden i CDE, granskningsrutiner konfigureras, modellkoordineringsprocesser sätts upp och automatiserade kvalitetskontroller implementeras.

Steg 4-5: Kvalitet och uppföljning

Kontinuerlig övervakning av dataleveranser, avvikelsehantering och statusrapportering säkerställer att processerna fungerar i praktiken. Uppföljningsfasen analyserar resultat, dokumenterar lärdomar och driver systematisk processutveckling inför kommande skeden och projekt.

Viktiga insikter

Fem steg: Analys → Struktur → Implementering → Kvalitet → Uppföljning
Baserad på erfarenheter från hundratals infrastrukturprojekt
Börjar alltid med nulägesanalys för att förstå specifika utmaningar
Kontinuerlig förbättring är inbyggd i metoden

Artikel 2

Kravanalys och informationsbehov

Identifiera rätt information i rätt skede för effektiv projektleverans.

Varför kravanalys är grunden

Utan tydliga informationskrav levereras antingen för lite eller för mycket information, båda alternativen skapar problem. För lite information leder till beslut på bristfälligt underlag. För mycket information skapar onödig arbetsbelastning och gör det svårare att hitta relevant data. Kravanalys handlar om att hitta rätt balans.

Process för kravanalys

Börja med att identifiera beslutstillfällen i projektet. Vid varje beslutstillfälle: vilken information behövs för att fatta ett välgrundat beslut? Arbeta bakåt från beslutet: vem kan producera informationen, hur lång tid tar det, och vilka beroenden finns? Resultatet är en kravmatris kopplad till projektets milstolpar.

Informationskrav per skede

I förstudie behövs övergripande information för att bedöma genomförbarhet. I systemhandling krävs tillräcklig detalj för att välja lösning. I bygghandling behövs fullständig information för att bygga. Informationskraven ska eskalera gradvis, inte hoppa från grovt till extremt detaljerat mellan skeden.

Dokumentation och kommunikation

Informationskraven dokumenteras i ILP och kommuniceras till alla leverantörer. Varje krav ska vara mätbart, det ska gå att verifiera om kravet är uppfyllt eller inte. Undvik vaga formuleringar som 'tillräcklig detalj' och specificera istället LOD/LOI-nivåer, format och innehållskrav.

Viktiga insikter

Kravanalys förhindrar både informationsunderskott och -överskott
Utgå från beslutstillfällen, vilken information behövs för varje beslut?
Informationskrav ska eskalera gradvis mellan skeden
Formulera mätbara krav, undvik vaga formuleringar

Artikel 3

Kvalitetssäkring av projektdata

Rutiner för löpande kontroll och avvikelsehantering i informationsflödet.

Kvalitet som process

Kvalitetssäkring av projektdata är inte en engångsinsats, det är en löpande process som pågår under hela projektet. Det handlar om att systematiskt verifiera att levererad information uppfyller ställda krav och att avvikelser hanteras strukturerat.

Automatiserade kontroller

Moderna CDE-plattformar och BIM-verktyg möjliggör automatiserade kvalitetskontroller: namnkonventioner, metadata-fullständighet, kollisionskontroller och formatvalidering. Automatisering fångar fel tidigt och avlastar manuella granskare. Men automatiserade kontroller ersätter inte mänsklig granskning, de kompletterar den.

Manuell granskning

Manuell granskning fokuserar på det som maskiner inte kan bedöma: teknisk korrekthet, rimlighetsbedömning och helhetsbild. Granskare bör ha tydliga checklistor och kriterier. Granskningen dokumenteras med datum, granskare och resultat. Använd BCF för modellrelaterade anmärkningar.

Avvikelsehantering

När avvikelser identifieras ska de klassificeras (kritisk, viktig, mindre), tilldelas ansvarig, ges åtgärdstid och följas upp. Dokumentera alla avvikelser centralt, mönster i avvikelser avslöjar systematiska brister som kan åtgärdas med processförbättringar istället för enstaka korrigeringar.

Viktiga insikter

Kvalitetssäkring är en löpande process, inte en engångsaktivitet
Kombinera automatiserade kontroller med manuell granskning
Dokumentera all granskning med checklistor och BCF
Analysera avvikelsemönster för att driva processförbättring

Artikel 4

Processutveckling med data

Använda mätdata från informationsflödet för kontinuerlig förbättring.

Datadrivna beslut

Genom att mäta informationsflödets prestanda kan vi identifiera flaskhalsar, trender och förbättringsmöjligheter. Relevanta mätvärden inkluderar: leveransprecision (andel leveranser i tid), granskningstid (genomsnittlig tid från leverans till godkännande), avvikelsefrekvens (antal avvikelser per leverans) och omarbetningsgrad.

KPI:er för informationshantering

Definiera 3 till 5 nyckeltal som mäts löpande: leveransprecision (mål >90%), genomsnittlig granskningstid (mål <3 dagar), andel godkända vid första granskning (mål >80%), och CDE-användningsgrad (mål 100%). Presentera KPI:er visuellt i månatliga statusrapporter.

Lessons learned

Vid varje skedeavslut eller milstolpe: samla erfarenheter strukturerat. Vad fungerade bra? Vad kan förbättras? Vilka processer behöver justeras? Dokumentera i ett format som kan återanvändas i kommande projekt. Lessons learned som bara sparas i en mapp ingen läser är meningslösa | bygg in dem i mallar och processer.

Kontinuerlig förbättring

Använd PDCA-cykeln (Plan-Do-Check-Act) för processutveckling. Planera förbättring baserat på data, genomför ändringen, mät resultatet, och standardisera om förbättringen fungerade. Små, kontinuerliga förbättringar ger större effekt över tid än stora, sällan genomförda omorganiseringar.

Viktiga insikter

Mät informationsflödets prestanda med relevanta KPI:er
Leveransprecision, granskningstid och godkännandegrad är centrala mätvärden
Bygg in lessons learned i mallar och processer, inte bara dokument
Använd PDCA för systematisk, datadriven processutveckling

Behöver du hjälp med arbetsmetoder?

Vi hjälper er att implementera strukturerad informationshantering i era projekt.

Kontakta oss Fler ämnen i Academy