Business Intelligence

Finding new technology or new approaches to solve problems is not an easy task within any organization. Embracing the idea of a POC - Proof of Concept - can give valuable information about how well a solution fits your organization before you go all-in, saving you a lot of trouble in the long run. But it is no easy feat and it will consume some resources and money from your organization - you want to avoid a vendor-controlled “show-an-tell”!

Det är inte ofta man blir så där riktigt positivt överraskad i BI-världen. Det har hänt några gånger tidigare i mitt liv exempelvis när Oracle databasen lanserades, när kimball lanserade stjärnschemat med dimensionsmodellering, när ETL-verktygen möjliggjorde felhantering, SCD och snabb dataladdning med enkelt gränssnitt, när kuber slog igenom med partitioner, MDX och DAX, när analytiska funktioner lanserades direkt i databasen, när BLOB och XML stödet utökades i databasen, när inmemory förändrade prestanda och indexstrukturer med Qlikview, när dataprep verktygen lanserades, när datalager automatisering började tillämpas med Wherescape och när självbetjänad BI tog över marknaden med Tableau.

Snowflake’s Cloud Data Warehouse functionality opens an entire new field in the BI Industry, making previously complex DB tasks into simple everyday actions. Even if you don’t think that cloud stuff is for you there still might be some perks to have a look at beyond the Big Five of Cloud Computing: Cost Efficiency, Simplicity, Capacity, Scalability and Maintainability.

Förenkla din vardag med ett CRM system. Har du hamnat i Excel träsket? Vill du spara tid och få mer pengar i din plånbok? Vill du bli mer effektiv och uppnå dina mål snabbare?

Lots of exiting is going on at Knowit Decision Gothenburg. We are looking forward to what 2018 will bring with new colleagues and many exiting business opportunities. Now when we have expended our team and it will be an incredible opportunity to show or excitement around digitalization and technology even more.

Lige nu breder de administrative robotter sig som en steppebrand i mange organisationer.

De kan indføres uden at programmere og uden at it-afdelingen ved det, fordi de arbejder på bruger-interfaces lige som mennesker. Men der er brug for it-funktionen til at sikre bedre governance.

Vi har talt og skrevet ufatteligt meget om, at robotterne kommer.

Enhver topleder med respekt for sig selv har tænkt godt og grundigt over digital transformation og nye digitale forretningsmodeller.

Diskussionen har sjældent været konkret og handlet om noget, som man kan sætte i gang i dag og have kørende om fire uger.

Robotiseret proces-automatisering er præcis dét.

Robotterne er bare software, som man køber og ”lærer op”, og derefter får man automatiseret et givent stykke tastearbejde.

Den typiske opgave involverer flere forskellige it-systemer, hvor robotten foretager de tastetryk, som medarbejderen ellers skulle have gjort.

Påvirker ikke it-infratsruktur

For nylig har flere forsikringsselskaber talt om, at ”robotter” bidrager til fine årsresultater og effektiviseringer med flere hundrede medarbejdere.

De taler præcis om den administrative robot, som lærer hvad medarbejdere gør, og derefter gør det samme. Bare hurtigere og mere fejlfrit.

Og hvis processen gentages mange gange sparer man en masse penge.

Vi ser disse administrative robotter brede sig som en steppebrand i både offentlige og private virksomheder, fordi de effektiviserer, sparer tid, løfter arbejdsglæde, og selvfølgelig fordi de er så nemme at implementere.

De griber ikke ind i it-infrastrukturen, fordi de udelukkende erstatter menneskefingre på tastatur og mus.

Men det er bare ikke ensbetydende med, at vi ikke skal have en samlet tænkning og governance i forhold til dem.

Indiskutabel ROI

Det er altså helt lokale, afdelingsspecifikke argumenter, som driver udbredelsen af disse robotter.

ROI’en er indiskutabel høj, og den opstår i et meget simpelt regnestykke: Sparet tid til rutineopgaver minus opstartsomkostninger og software. Altså direkte måleligt i den enkelte afdeling.

Vi har set den slags ”paddehatte-effekter” før, hvor lokale løsninger breder sig i forretningen som led i jagten på effektivitet.

It-afdelingen har historisk været vant til, at lokale ledere selv går ud og shopper kontorautomation, rapporteringsløsninger, cloud-ydelser og så videre.

Men der er en række standardargumenter for, at organisationen med fordel kan arbejde med en samlet styring og governance. Ikke mindst når vi taler robotter.

Effektivitet gennem styring

Robotterne går i stå, så snart et it-system ser anderledes ud. Hvis én af de ressourcer, som den skal bruge, kommer i en ny version, så kan den ikke længere løse sin opgave.

Alene af den grund kan det betale sig at robotten kommer ind på it-afdelingens teknologiske landkort, så robotten tilpasses med det samme i en planlagt cyklus, når ét af dens underliggende systemer ændrer sig.

Dertil kommer et indkøbsmæssigt synspunkt.

Den store organisation er ikke være tjent med, at hver afdeling køber sin egen software, så man mister den mulige storkunde-gevinst og kompetence-gevinst ved at samle sig hos én af det dusin leverandører, som globalt spiller en rolle inden for Robotiseret Process Automation. (RPA hedder det, for selvfølgelig har vi it-verdenen udstyret fænomenet med en tre-bogstavs-forkortelse).

Fem år blev nået på to

For to år siden gættede Gartner på, hvor langt vi ville være kommet med administrative robotter på fem år. Og nu har vi allerede bevæget os langt videre end Gartners forudsigelse.

I dag kan du ikke finde et konsulenthus med respekt for sig selv, som ikke står klar til at hjælpe virksomheder med at reducere rutinearbejde med disse robotter.

Derfor kan vi lige så godt først som sidst lave en samlet operating model, hvor vi kommer hele vejen rundt om drift, organisering, arkitektur, kompetencer, sikkerhed og jura.

Det er nemt at indføre disse robotter, for man er meget langt med et pilotprojekt på fire uger, og derfor kan de brede sig som svampe i skovbunden, før vi har set os om, og vinteren er over os med en stribe af forudsigelige problemstillinger, der skal adresseres.

Menneske og maskine

Selv om den administrative robot er en forholdsvis simpel teknologi, så rejser den alligevel en række mulige konfliktpunkter i forhold til medarbejderne og faglige organisationer.

Ind til videre er virksomhedernes erfaring, at medarbejderne er glade for at minimere rutinearbejdet foran skærmen, men mon ikke der på mellemlangt sigt kan opstå konflikter, der skal håndteres intelligent?

Hvordan ligger det med juridiske implikationer, når vi fjerner mennesker fra ligningen i processer, som vi opfatter som menneskelig aktivitet? Ind til videre løser robotterne forholdsvis simple og regelbaserede opgaver.

Men vi er ikke langt fra komplicerede problemer, især når den formodede teknologiske udvikling slår igennem i virkeligheden.

Det er netop helt logisk at kombinere den administrative robot med algoritmer og i næste omgang med decideret machine learning. Hvem har så ansvaret for kundekontakten/sagsbehandlingen/resultatskabelsen?

Den slags spørgsmål vil ligge på topledelsens bord, og en ringe håndtering vil koste omdømme i en størrelse, som langt overstiger en lokal effektiviseringsgevinst.

Eftersom Knowit är Tableau partner, har certifierade Tableau utbildare och certifierade Tableau utvecklare har vi tidigt fått möjlighet att testa det senaste alstret Maestro inom självbetjänad analys från Tableau. Då vi även är Alteryx partner och arbetar med Microsoft PowerBI så känner vi till konceptet och ser tydligt vad Tableau inspirerats av. Skillnaden med Maestro är att den känns Tableau och man känner så väl igen sig från Tableaus lättanvända användargränssnitt.

The straight line to a Data Warehouse success have never been longer. The last decade has seen new analytic tools handling unprecedented amounts of data and placing the power of discovery at your fingertips. But the twists and turns of modern frontend tools puts a higher pressure on an agile and stable backend.

Hur ser det ut för er BI i höst? Är det AI, machinelearning, algoritmer, big data och analys eller robotics som står högst på agendan? Jag vet att det finns ett väldigt stort intresse för detta och att många vill applicera detta i verksamheten men man vet inte hur det skall gå till. Därför händer det ändå inte så mycket av det där ute. Några testar genom att genomföra ett examensarbete eller låta någon konsultfirma som Knowit genomföra en POC men efter det stannar arbetet tyvärr ofta av.

Som alltid på våren är det full aktivitet i våra uppdrag samtidigt som alla helger och sommaren är i antågande!

Analys av ledarna PowerBI och Tableau i Gartners Magic Quadrant for Business Intelligence and Analytics Platforms 2017.

Jag lovade i mitt förra inlägg om SQL Server MDS att jag skulle komma med exempel och script för att hanteringen av MDS skulle bli lika agil och deploybar som all annan kod. I dagens avsnitt så visar jag hur vi skapar ett T-SQLscript för en Entitet. Scriptet som skapas är det som vi deployar sedan. Vi har alltså en källa (MDS-UTV) som vi vill deploya till en destination (MDS-TEST/PROD).
I detta exempel så förutsätter jag att MDS-modellen redan är skapad i destinationen.
Då så, dags att kavla upp ärmarna och dyka ner i T-SQL:

-- Kör detta script på (källan)
-- Genererar T-SQL för MDS Entitet på en miljö som skall deployas till en annan
-- Modellen finns på bägge miljöerna, här deployar vi endast en specifik Entitet med tillhörande SubscriptionView

Året har börjat mycket bra med hög fart inom de flesta områdena på Knowit Decision.  BI har blivit hett när alla företag/verksamheter har insett att digitaliseringen är förändringsdrivande och bra för dem.

är en plattform för att hantera organisationens masterdata, men frågan jag ställer mig är om man kan infoga MDS i sin agila och automatiserade BI-miljö?

Jeg optræder dagligt som rådgiver for ledere og virksomheder. Jeg møder ofte spørgsmål om værdien ved at benytte rådgivere og konsulenter. Gode spørgsmål som jeg herunder vil give mit perspektiv på.

Göteborgs cykeldelningssystem, Styr & Ställ, är både välanvänt och omtyckt med fler än 2 miljoner uthyrningar totalt. Dock finns det en hel del brister. Dels innebär den stora mängden uthyrningar att det också krävs en stor insats för att förflytta använda cyklar från de mest populära målen till de mest populära startpunkterna. Detta görs idag genom att med små lastbilar köra runt för att flytta cyklarna från ena sidan av staden till den andra. Min kollega, Fredrik, skrev för ett tag sedan ett ingående inlägg om just omfördelningen och att den faktiskt innebär att det är klart mer miljövänligt att ta spårvagnen än cykeln, om man tar hänsyn till koldioxidutsläppen från lastbilarna som flyttar cyklarna, intressant!

Bostadsmarknaden är något som vi alla påverkas av och som den senaste tiden definitivt varit i ropet. Framförallt i storstäderna har det varit extra stor diskussion, med bostadsköer på flera år och ständigt stigande bostadspriser. Under sommaren har jag använt avancerad analys för att grotta ner mig och skapa mig en bättre bild av vad som händer på bostadsmarknaden i Göteborg. Det blev en djupdykning. Utöver att guida er genom den analys som jag gjort kommer jag också presentera ett antal tips och tricks, som kan öka förutsättningen för att göra en bra bostadsaffär.

"Good things come in small packages". This saying was disturbingly topical when I last week at the leading Nordic CRM conference Dialogkonfereansen spoke to a senior executive of a large financial services company. He was very talented and successful. He explained how multiple processes affects the customers, described the challenge of training the employees in new and complex products, and indicated that the in-house silos in the organisation caused problems, and he told me that their current target is to move the power of decision-making to the employees that are close to the customers.

Digitaliseringen har gjort data till vår tids naturresurs som organisationer behöver kunna omvandla till insikter och affärsvärde för att överleva i en allt hårdare konkurrens. Det ställer enorma krav på organisationers Business Intelligence (datadrivet beslutsstöd) att leverera nya lösningar för att skapa ökat affärsvärde. Det finns också en inneboende konflikt i att å ena sidan konsekvent leverera pålitliga rapporter och analyser på ett effektivt sätt, samtidigt som exempelvis nya externa datakällor integreras och radikalt nya lösningar ska experimenteras fram. Innovation är svårt att genomföra utan att kompromissa med pålitlighet och säkerhet i existerande BI-landskap.

Har du lagt märke till lastbilarna som kör runt cyklar för Styr & Ställ i Göteborg? De ser till att det finns cyklar där vi behöver dem och lediga platser dit vi vill cykla. Utan lastbilarna skulle cyklarna snart sluta rulla. Du trodde kanske att Styr & Ställ var miljövänligt? Göteborgs Stad lyfter gärna fram cykeluthyrningen som "ett sätt att hjälpa till att skydda miljön och minska utsläppen av växthusgaser". Men är det verkligen så? I detta inlägg dyker vi än djupare i avancerad analys och visar hur data science kan användas för att granska omfördelningen av cyklar. Hur mycket omfördelning görs idag och hur går det till? Vilka utsläpp genererar detta? Kan man göra omfördelningen smartare eller finns det alternativ? Detta sista inlägg rundar av vår serie där vi visar hur data science och avancerad analys kan förbättra din verksamhet – i praktiken.

Nu ska vi se hur data science ser ut på djupet och kan hjälpa till att bygga en smart stad. Vi tar steget vidare från förra inläggets översiktliga analys och visar hur en geografisk analys av cykelstationerna i Styr & Ställ i Göteborg kan se ut. Detta inlägg är en del av vår serie om data science i praktiken. Läs gärna först inledningen och tillgänglighetsanalysen vilka ger perspektiv och visar var data kommer från.

För att visa hur en data scientist kan arbeta och vad avancerad analys är i praktiken tittar vi i denna serie närmare på Göteborgs cykeluthyrning Styr & Ställ. Avancerad analys kan ibland upplevas som väldigt komplext arbete med data. Uppgiften för en data scientist är därför inte bara teknisk problemlösning utan även att göra nyttan tydlig och enkel att förstå. Därtill är "science" viktigt för att resultatet ska bli trovärdigt och spårbart (bra forskning kan repeteras för att bekräftas).

Efter inlägget The Data Scientist har många frågat efter mer detaljer, hur gör man i praktiken? Vi vill passa på att dela ett belysande exempel på advanced analytics i en serie inlägg.

Med avseende på mitt gedigna intresse så är det svårt att i en bloggserie hålla tillbaka och verkligen ta det från början. Men jag hoppas att första delen kanske väckt lite intresse och att du har googlat och läst om några DIY projekt. Förmodligen har du översvämmats av produkter, kodexempel och långa forumstrådar i ämnet och vet inte riktigt var du skall börja. Som jag nämnde i förra inlägget så är det första steget i att bekanta sig med dessa prylar att få en lysdiod att blinka (vilket motsvarar kodarens ”Hello World”), jag tycker vi börjar med det steget och tittar närmare på en liten fantastisk pryl som kanske tilltalar dig.

Vill du ha bättre balans mellan arbete och fritid? Då är data scientist det absolut bästa jobbet, enligt den amerikanska tidskriften Forbes rankning. Dessutom menar de att data scientist var den 8e bäst betalda tjänsten 2015. Yrket har fått ett ordentligt uppsving de senaste åren och i hajpen med Big Data utsetts till århundradets sexigaste yrke. Vissa letar febrilt efter en riktig data scientist som kan få fart på den avancerade analysen men de verkar lika sällsynta som enhörningar. För den som dyker djupare i begreppet blir det snart tydligt att definitionerna går isär och mycket bara är prat och fluff. Men det finns en viktig kärna i begreppet som vi vill fånga och förmedla. Data scientists har en viktig roll att spela och är här för att stanna. Låt oss titta närmre på vad som skiljer en data scientist från en business analyst, vilken bakgrund och karaktär en data scientist har, samt hur de driver utvecklingen.

Vårt seminarium om Advanced Analytics på Knowit Decision i Göteborg lockade många och blev snabbt fullbokat. Lokalerna fylldes av intresserade med frågor kring Big Data och hur man får det att hända på riktigt. Vi fick igång en riktigt bra diskussion och här kommer en summering och översikt även för er som tyvärr inte fick plats denna gång.

Data lake har seglat upp som ett nytt begrepp, är det en hype, en fluga eller kan det vara användbart för mig?
Jag ska försöka förklara konceptet data lake eller datasjö, och jag tänker spara mer tekniska utlägg till kommande bloggposter.

Ingen kan väl ha missat att intresset för Internet of Things (IoT) växer enormt och spås bli (är redan?) nästa stora happening. Enligt de kloka och visa så är 2016 året då det börjar på riktigt och redan 2020 spås det finnas 25+ miljarder uppkopplade ”saker” (Gartner 2015). Siffrorna går isär beroende på vem man frågar, men det ger en fingervisning på vart det bär hän. Ett exempel är Ericsson som nyligen släppte deras IoT Accelerator, en paketering av mjukvaror och tjänster som hjälper företag att enkelt komma igång med IoT. IBM har sin Watson IoT-plattform, Amazon har AWS IoT och Microsoft har sin Azure IoT Suite med flera. Man märker ganska snabbt att draget finns där och dessa företag kommer att tjäna en slant på sina plattformslösningar framöver. Tillsammans med utvecklingen av plattformar, nya produkter, analysverktyg, statistiska och prediktiva metoder samt teknikutvecklingen med bland annat 5G som transportmedia, så är det inte konstigt att många ser den naturliga kopplingen med molnet, big data och IoT.

För många är Hadoop den lösning man först tänker på för Big Data. Visst är det ett intressant verktyg men det finns ingen färdig lösning som passar alla behov. Det behövs en bra översikt innan man väljer en viss teknik.

Vi har gjort flera olika projekt inom avancerad analys och vill gärna dela våra erfarenheter. Det kan gå riktigt snabbt att komma igång och finns ingen anledning att vänta. Låt oss berätta om ett framgångsrikt projekt där ett företag gjorde resan och upptäckte helt nya affärsområden – värdebyggande avancerad analys.

Efter en lång tid med modeordet Big Data har fler och fler börjat se värdet i vad man kallar Advanced Analytics. Skillnaden här är att datamängden i sig är irrelevant – det är informationen och nyttan som står i centrum. Jag har själv träffat många företag som inte alls känner igen sig i Big Data: "det där är något för Facebook och Google, vi har inga petabyte här!" Men när man visar konkreta fall med avancerad analys (där tekniken kanske är hämtade från Big Data-världen) blir nyttan tydlig och intresset stort. På Knowit ser vi hur våra kunder har allt att vinna på att bli än mer data-drivna. Vi vill gärna dela våra erfarenheter och insikter inom området, så låt oss börja med vad avancerad analys är.

I dag påbörjas en ny blogg-serie kring vårt arbete med Big Data/Avancerad analys. Vi kommer i en serie inlägg belysa detta ämne från flera olika håll.

Digitaliseringen som vi är mitt inne i skapar enorma mängder data varje sekund och ny teknik för att omvandla rå data till förädlad information dyker upp hela tiden. Ett typiskt tecken på en bransch i snabb förändring. Vad vi ser är ett paradigmskifte där förra seklets teknologi och angreppssätt för att samla in, strukturera och presentera data håller på att kompletteras med något som är mer anpassat efter de förutsättningar som kommer i digitaliseringens kölvatten. Röken har inte lagt sig än och ingen vet med säkerhet vilka av dagens trender som kommer vara förhärskande på andra sidan.

Jag har varit på den årliga Tableau-konferensen för premium partners. Mycket trevligt folk och entusiastiska talare.

Eftersom kunden alltid har rätt och inte alltid önskar datalager så gäller det för oss leverantörer att klara av att leverera analys/rapportlösningar utan detta.

I think it´s time for me to go through my list of Tableau advantages. You can do a lot of them in other tools like Qlik, OBIEE, PowerBI, Watson and Lumira but mostly it isnt that simple.

Efter att ha genomfört ett antal Tableau kurser(fundamentals och advanced) är det dags att sammanfatta mina intryck av vad deltagarna gillar mest.

På Knowit Decision använder vi olika molnlösningar både för våra kunder och för oss själva. Huvudskälet till detta är oftast pris/prestanda och att det är så enkelt att starta upp tjänsten.

When Bill Gates released BASIC for MSDOS he was shocked that people started to use it for enterprise solutions. I get the same feeling when I start building a data warehouse/data mart with PowerBI.com

Microsoft har nu(2015-07) lanserat en ny paketering av molntjänsten PowerBI för gör det själv analys på svenska.

Ofta när man kommer till en ny kund så har de tydliga uppföljningsbehov. Det viktigaste för kunden är att bli av med analys i källsystemet/legala systemet samt automatisera laddning och distribution. Några vill också få helt nya insikter och ett tydligt beslutsstöd.

Denna vecka har jag deltagit i flera möten avseende datalager och dess modellering. Inom detta område finns allt fler skolor och idéer.  I en lösning diskuterades hur en Qlikview lösning skiljer sig från en dimensionsmodelleringsbaserad. I ett annat uppdrag kom krav på en specialrapport till datalagret där varje rad skall beräknas för sig. Hur löser man detta på bästa sätt?

Anledningen till att vi dragit igång detta engagemang är att vi ser verksamhetsnytta med flera verktyg.

Jag har arbetat en del med Microsoft och Excels nya fantastiska självbetjänande konsolideringsverktyg med datatvätt PowerQuery. Jag tycker det är enormt bra att man kan koppla ihop olika Excel blad och dess innehåll så enkelt. Jag har använt det både för att få ihop budget, prognos, verksamhetsplanering, olika data från kunder och olika data från nätet.

Just nu sitter jag med i projekt där man arbetar med sin digitala resa och all information som den innehåller. Vanligtvis när jag arbetar med frågor som dessa har vi landat i en BI-strategi. I den beskrivs den gemensamma måbilden och dess roadmap utifrån verksamhetens informationsbehov och nuläget. Att få till en genomtänkt prioriterad hantering av BI är viktigt och det har genomförts av de flesta.

När man bygger sina datalager så bör man ha ett tänk som mynnar ut i en arkitektur för hur saker ska byggas ihop.
Arkitekturen ska ge svar på frågor, som kan vara:

En av de vanligaste frågorna som figurerar när man diskuterar nya verktyg, men som sällan besvaras på olika hemsidor eller är på demonstrationer är:

Att Twitter är viktigt för nyhetsrapportering och politik känner säkert de flesta till. Carl Bildt, Niklas Svensson och Emanuel Karlsten är några sådana välkända profiler som ger oss nyhetsläget i realtid. Många företag försöker också använda kanalen för att sprida information och kunskap om sina produkter. Dessa är roliga att följa så länge de inte bombardera en med samma marknadsinformation hela tiden utan mer bjuder på sig själva.