Trender för Datadrivna organisationer

Topic: Bimodal IT

Pehr Benderix
30.03.2016

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.

Företag behöver dock agera nu för att inte hamna efter. Data är vår tids naturresurs och företag som förstår det och lär sig att förädla den till värdefulla insikter för att driva och utveckla sin affär kommer vara ledande imorgon. Här listas några trender och ”buzzwords” som förändrar branschen just nu, som datadrivna organisationer bör hålla ögonen på.

Capture2

Bimodal IT”

Gartner menar att vi rör oss mot en era där IT-organisationer delas upp i två typer för att möta de nya krav som har uppstått i och med samhällets digitalisering och demokratiseringen av tillgången till data. Typ 1 representeras av traditionell IT där fokus ligger på driva affärskritiska system effektivt och stabilt. Typ 2 representeras av nya verktyg och agila arbetssätt för att utforska ny teknologi och skapa innovativa lösningar med ett ”fast-to-market-tänk”.

What Gartner’s Bimodal IT Model Means to CIOs

 

”The Data Lake” – Data Warehouse som ensamt koncept är ute!

En värdefull reservoar med obearbetad data. Tillåter organisationer att spara och processera all typ av data som de vill analysera på ett och samma ställe. Data kan vara av olika format och struktur, uppdateringsfrekvens och storlek. Konceptet är fortfarande relativt nytt och obeprövat men attraherar många organisationer som är trötta på att ändlöst sträva efter Kimball eller Inmons utopiska Data Warehouse-designs som lösningen för all beslutsstöd. Inte minst Google och Facebook har omfamnat idén vilket ju måste ses som ett tecken på att det är här för att stanna.

Data Lake Principles and Economics

 

Data rör sig mot molnet. Med det så förändras standarder för dataintegration och API:er. Molnet möjliggör också för fler organisationer att använda sig av Big Data (stora volymer av data, strömmande data och ostrukturerad data) i mycket större utsträckning. Google Big Query och Amazon Redshift har en dramatisk tillväxt och traditionella databasleverantörer som Teradata och IBM kämpar för att inte missa tåget.

Tableau Webinar: Utforska Big Data med Amazon Redshift

 

ETL blir personlig. En vanlig jämförelse är att den genomsnittlige analytikern spenderar 80% av tiden på att massera, slå ihop, dela upp data på olika sätt och endast 20% av tiden förläggs till att faktiskt skapa nya insikter. Verktyg såsom Alteryx, Paxata, Trifacta, Informatica Rev, Oracle Big Data Preparation möjliggör för analytiker att snabbt och intuitivt förbereda data utan investera stort i ett traditionellt ETL-verktyg och utan att vara en hejare på att koda.

The Importance of End-User Data Preparation

Alteryx demo: Tableau Integration- Cleansing and Preparing Data

 

SQL vs. NoSQL. Säga vad man vill, men NoSQL-databassystem som MongoDB, Couchbase och Casandra gör ett tydligt avstamp i branschen och tar mer och mer mark i förhållande till klassiska RDBMS. Med dynamiska scheman och förmågan att skala horisontellt (flera noder istället för större databasserver) kan de enklare managera ostrukturerad och voluminös data.

What's better for your big data application, SQL or NoSQL?

Business Intelligence

Bloggen för Business Intelligence.