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.
Många verksamheter har således inte hittat nycklarna som gör data till bolagets nya kärnverksamhet. Trots att bolag som Google, Amazon, Facebook, Apple och Microsoft jobbar aktivt med detta och har blivit extremt framgångsrika och högt värderade beroende av detta.
Istället läggs kraften på föråldrade affärssystem vilka överlever tack vare att controllers och andra lägger mycket manuellt arbete ovanpå systemet i Excel och annat. Fokus läggs på viktiga sammanställningar som kräver mycket tid och konsolidering innan det kan skickas runt i organisationen.
Att vi hamnat där beror delvis på att vi lever i quickfix-lösningarna och självutbildningens tidevarv och att vi inte ser värdet i datat på ett övergripande sätt och orka ta tag i integration, datalagret och digital automatisering. Att googla hur man gör är enkelt, snabbt och kraftfullt men det bara ger svar på en specifik fråga. En annan viktig anledning är att handarbete i Excel fortfarande uppfattas som rent och enkelt. Detta för att alla kan det och för att man normalt har licens samt att Excel ger möjlighet att både mata in, beräkna, ändra och bygga något spontant.
Att utveckla arbetssätt och automatisera flöden och köpa in nya produkter för att utveckla området kräver en tydligare strategi, ett större syfte, mer pengar kortsiktigt och en helhetsbild av verksamheten vilken är svårare att få fram och underhålla.
Detta kräver också omfattande utbildningsinsatser och än så länge ett stort tekniskt kunnande. Många möten i verksamheten är också väldigt operativa där krav plötsligt ställs vilket genererar dessa snabba-lösningar.
Så hur löser vi detta att få nytta av vår data på ett nytt och effektivare sätt?
Knowit har på några av de stora satt upp ett advanced analytics competence center. Här finns möjlighet att se på bolaget utifrån ett data-science perspektiv. Nya möjligheter med Big Data, AI, machine learning och visualisering testas och utvärderas med start up tänk. Risken med denna lösning är dock att vi fortsätter att skapa små analysavdelningar som har ensamrätt att hantera vår data. Fördelen är att det händer något och att man samlar tung teknisk kompetens och seriöst tittar på sin data för att skapa nya tjänster med avancerad analys på ett övergripande och strukturerat sätt. Kan man med detta bli datadriven och få till verksamhetsnytta, ramverk och processer för att förutse och agerar förutseende eller skapa nya affärer har man kommit en bra bit på vägen. Jag tycker det är superbra att detta sker och att man får forskningspengar för innovation kring data.
En annan lösning som Knowit hjälper till med hos bolagen är självbetjänad analys till alla. Här låter man användarna själva utforska data, bygga ihop data och visualisera datat efter egen idé med nya egna verktyg och egen labb-tid. Detta ger bättre förståelse av datan och resulterar i ny användning och nya tjänster runt omkring den. Många av de nya verktygen från Microsoft, Alteryx, Qlik och Tableau stödjer detta på ett mycket bättre sätt än tidigare vilket nu gör att man nu kan automatisera många av de steg som tidigare manuellt gjordes i Excel . Några verksamheter låter även användarna publicera och dela sina helt egenskapade alster till alla andra användare i organisationen. Det som sedan skall återanvändas och förvaltas av BICC eller IT flyttas av dess administratör efter verifiering till en annan publik kvalitetssäkrad och förvaltningsbar area.
Självbetjänad analys uppfattas dock fortfarande av stora användargrupper som allt för komplext och att det suger för mycket energi och tid att hantera detta.
Därför händer det mycket inom automatiserad analys fronten med s.k augmented analytics. I flera verktyg föreslås grafer, topp tio sammanställningar, avvikelser och churn analyser, automatiserad forecast mm. Detta att låta datorn automatiskt genomföra analys och ge råd finns i Salesforce Einstain, IBM Watson men även i Microsoft PowerBI och Tableau.
Allt fler verktyg erbjuder även natural query language. Där kan du ställa frågor via Siri, Cortana eller skriva enkla frågor och snabbt som ögat få svar på ett snyggt och lättläst sätt.
Några andra verktyg exempelvis Paxata, Trifacta och UniFi försöker få till automatisk självbetjänande data förberedelser.
Med detta kan vi alltså även lösa quick fix frågorna på ett enkelt och snabbt sätt.
Så jag tror att får vi bara chansen att hjälpa ert bolag att lyfta blicken mot datat så kan eran verksamhet också tjäna mer pengar på den datan som ni samlar samtidigt som ni kan slippa Excel-träsken som kostar mycket tid och pengar.
Så nya verktyg gör att framtiden för dataguldgrävande nu ser allt ljusare ut!
/Håkan