Mange selskaper jobber fortsatt med å tilpasse seg de nye retningslinjene på grunn av COVID-19. Noen selskaper jobber enda for å håndtere de siste årenes nedgang, mens andre prøver å håndtere forstyrrelser i forsyningskjeden.
Ser vi på årets business intelligence, data og analyse trender ser vi at virksomheter fortsatt jobber for å posisjonere seg for fremtiden og at de jobber med grunnlaget for deres databruk. Som i 2020, så har heller ikke 2021 vært en år med store hype-trender. I stedet så fokuserer virksomheter på de grunnleggende årsakene til sine utfordringer, slik som datakvalitet, samt at de tar for seg den helhetlige etablering av en datadrevet kultur.
BARC har spurt 2.396 brukere, konsulenter og leverandører om deres syn på hva som vil bli de viktigste BI trendene i 2021. Rapporten viser derfor hvilke trender som for tiden anses å være viktige av en bred gruppe fagpersoner innen BI og analyse. Svarene deres gir en omfattende gir innsikt i utviklingen i BI-markedet og fremtiden for BI.
Datakvalitet og master data management har blitt rangert som de viktigste trende fem år på rad nå. Dette er i tråd med funn fra andre Barc-undersøkelser, som gjentatte ganger viser at selskaper stadig har utfordringer med utilstrekkelig datakvalitet.
La oss ta en titt på hver enkelt trend:
1. Master data management/datakvalitet
Viktigheten av datakvalitet og master data management kan forklares veldig enkelt: BARC påpeker at det er en enkel grunn til at akkurat datakvalitet og data management trender i markedet, nemlig at de riktige beslutningene kan kun baseres på data som er korrekt og oppdatert. Man må altså kunne stole på at dataene er riktig for å kunne ta gode beslutninger.
Målet med master data management er å samle inn og dele data, som kunde-, leverandør- eller produkt-masterdata, på tvers av flere systemer. Les mer om data management her.
2. Datadrevet kultur
En av de største endringene i dagens forretningsverden er transformasjonen fra isolert og prosjektorientert databruk til en mer bredt datadrevet virksomhet. Datadrevet betyr i denne sammenhengen at alle beslutninger og prosesser i en virksomhet er basert på data. Organisasjoner endrer strategien sin fra at kun noen få utvalgte skal ha tilgang til data og innsikt, til at data blir spredt ut i hele organisasjonen slik at alle kan ta datadrevne beslutninger. Data må bli en del av identiteten til organisasjonen. De ansatte har et felles mål om å forbedre og utvikle organisasjonen og seg selv, ved hjelp av data.
Les mer: Hvordan skape en datakultur?
Få et dypere innblikk i årets trender. Last ned rapporten til Barc for å lese om alle trendene.
3. Data governance
I motsetning til BI- eller analysestyring, som handler om å utarbeide og presentere data for styringssystemer for forretning, fokuserer data governance (styring av data) på selve dataene i disse systemene. Datastyring er nødvendig som en mekanisme for datastrategi. En god datastrategi tar for seg hvordan forretningsstrategi blir oversatt til data og analyse.
Data governance kreves for å implementere en datastrategi, og inneholder regler og rammeverk for å håndtere, overvåke og beskytte data, samtidig som man tar hensyn til mennesker, prosesser og teknologi. Å etablere data governance er en langsiktig bestrebelse. Først og fremst krever det en tydelig og bevisst ledelsesbeslutning på hvordan man skal jobbe med og bruke data.
Last ned gratis e-bok: Data governance do’s and don’ts: The 12 labors of the data governance hero
4. Datafunn og datavisualisering
Datafunn handler om å oppdage mønstre og/eller avvik i data. Datavisualisering handler om hvordan man presenterer data, til riktige mennesker, på riktig tidspunkt. Denne trenden fokuserer derfor på tilgjengeliggjøring av data.
Utviklingen innenfor datafunn og datavisualisering skjer særlig på to områder. Forbedring av brukerveiledning og automatisering er øverst på agendaen for mange av leverandørene i denne bransjen. Man benytter i større grad maskinlæring for å veilede analytikere og for å automatisere oppgaver gjennom alle trinn, fra forberedelse av data til visualisering. I tillegg blir funksjoner for datafunn i økende grad bygget inn i analyse- og BI-plattformer, slik at data enkelt kan deles med hele virksomheten.
5. Self-Service Analytics
Self-service Analytics har lenge vært på ønskelisten til mange virksomheter, og har fortsatt høy prioritet. Brukere krever at data er tilgjengelig når som helst, hvor som helst og på hvilken som helst enhet.
Virksomheter fokuserer ikke lenger utelukkende på å tilby muligheter for self-service. De ønsker også å demokratisere datatilgangen samtidig som de sikrer jevn og høy kvalitet på dataene og resultatene.
Les mer: Fleksibilitet med self-service BI
6. Modernisering av datavarehus
Det gamle datavarehus landskapet har blitt for komplekst til å kunne støtte smidig utvikling, og ofte er det for kostbart. I tillegg er implementeringsmodellen utdatert, fordi den ikke er designet og optimalisert for den måten man jobber med analytics i dag.
Stadig flere virksomheter forstår de nye utfordringene, og ser potensialet og mulighetene som følger med moderne datavarehus. En nyvinning innen datavarehusteknologi er datavarehusautomasjon, som sparer tid og effektiviserer arbeidet med ETL. Virksomheter begynner nå å se de store mulighetene som finnes med disse metodene.
Les mer: Deep Dive to Data Warehouse Automation
7. Smidig BI utvikling
Begrepet “smidig” har i økende grad blitt brukt i forbindelse med business intelligence de siste årene. Ofte brukes begrepet i forbindelse med utvikling av store IT-løsninger, men nå brukes det også i forbindelse med utvikling av datamodeller, rapporter, dashboards og visualiseringer. Smidig utvikling av BI prosjekter krever at forretningen og IT samarbeider godt.
De fleste som bruker begrepet ‘smidig BI’ bruker begrepet for å uttrykke sin forventning om at eldre, eksisterende BI-løsninger og BI-organisasjoner raskere skal støtte endringer i forretningsprossesser som balanserer mellom self-service og tradisjonell prosjektleveranse.
Smidig BI krever at virksomheten adopterer en iterativ tilnærming til utvikling, med et nært samarbeid mellom forretning og it. Mange virksomheter er ikke organisasjonsmessig klar for dette, og kanskje må noen orgnisasjonsstrukturer endres. Ideelt skal smidig BI utvikling også støttes av smidig prosjektledelse som iterativt styrer planlegging, kravinnhenting, og også automatisk testing.
Les mer om datavarehusautomasjon her.
8. Varslinger
Alerting, eller varsling på norsk, er ikke en ny funksjon innenfor analyse og BI, men i det siste har applikasjonen endret seg betydelig. Varsling har alltid hatt som mål å spare tid ved å sørge for at oppmerksomheten til brukerne har riktig fokus ved hjelp av notifikasjoner. Tilnærmingen krevde at man har en klar definisjon av hva som er relevant, og derfor har det ikke levd helt opp til hva som var lovet.
I nyere tid har varslinger blitt bedret ved at man har flyttet fra forhåndsdefinert relevans til maskinfremstilte anbefalinger basert på bruksmønstre.
9. Real-time Analytics
Hurtigere rapportering og analyse av data er en utfordring i mange selskaper. Det er et økende behov for å gjøre data tilgjengelige umiddelbart for å støtte raskere og faktabasert operativ beslutningstaking. Real-time analytics vil si nærmest umiddelbar behandling eller streaming av informasjon om virksomheten i sanntid. Man vil da kunne fange opp hendelser eller andre nye data umiddelbart etter de forekommer og de vil være klare for visualisering eller analyse.
Er du interessert i Real-time analytics? Sjekk ut våre tjenester her.
10. Data prep
Å kunne preppe dataene dine er en helt grunnleggende komponent for å oppnå gode resultater med BI. Data prep handler om prosessen der brukerne vasker, strukturerer og beriker data for bruk i analyser. Målet med data prep er å gjøre rådata til verdifull innsikt som kan brukes til å besvare konkrete forretningsspørsmål.
Stadig behov for data prep viser at oppgaven i økende grad er i ferd med å flytte seg fra IT til forretningsbrukere. Derfor er det viktig med et godt samarbeid mellom utviklingsressurser i IT og forretningsbrukere. Brukervennlige og intuitive verktøy som tilbyr automasjon basert på machine learning er viktig for å få effektivitet og kvalitet i data preppen. Viktigheten av data governance i denne prosessen kan ikke overvurderes.
Oppsummering
Trendene fra BARC sin undersøkelse viser at virksomheter er klare for å kunne administrere sine egne data og ta dem i bruk. I tillegg viser de at virksomheter er opptatt av høy datakvalitet og effektiv bruk av data. Oppsummert tilsier dette at virksomheter ønsker å gå utover det å kun samle inn så mye data som mulig, men at de ønsker å aktivt bruke data av god kvalitet for å kunne forbedre sine beslutninger. Dette støttes også av trenden om modernisering av datavarehusene.
Last ned årets BARC-rapport for å gå dypere inn i business intelligence-trendene for 2022. Rapporten gir en omfattende gir innsikt i utviklingen i BI-markedet og fremtiden for BI.
