<img src="https://secure.leadforensics.com/133892.png" alt="" style="display:none;">

Flera lyfter fram ”data discovery”, ett begrepp som myntades av Gartner 2011, som den just nu enskilt mest relevanta trenden vad gäller genomslag och förändring på BI-marknaden. Aktörer inom detta segment (till exempel Tableau och Qlik) är givetvis inte sena med att hänga på i lovsången och att förstärka den i egensyfte. Traditionella BI-plattformsleverantörer som SAP och IBM inkorporerar alla sina varianter på temat i sina produktsviter. Den sammantagna bilden och riktningen kan tolkas som att discovery definierar framtiden för BI och att den traditionella BI-plattformen inte längre har relevans i en modern BI-arkitektur. Riktigt så är det dock inte. Vad är vad? Hur skall man egentligen reagera på denna trend i egenskap av BI-ansvarig? Vi börjar med att reda ut begreppen.

Vad är en BI-plattform?

En BI-plattform kan definieras som en BI-arkitektur bestående av funktionalitet för integration (gemensamt behörighetskoncept, metadata, objektmodell, query-motor etc.), tillhandahållande av fördefinierade rapporter, dashboards och subset av validerad data som användaren själv kan vrida och vända i. En BI-plattform kan också omfatta funktionalitet för OLAP-analys och prediktiva modeller. Här sker ett samspel mellan flertalet funktionaliteter och applikationer som, i den bästa av världar, integrerar med varandra sömlöst och har ett gemensamt utseende. Plattformen (ofta med ett underliggande centraliserat datalager) kommer, i den form vi känner den idag, att under en överskådlig framtid fortsatt att svara på bulken av bolagens rapporterings- och analysbehov. Här är datan (förhoppningsvis) tvättad, integrerad, validerad och presenterad enligt definierade regelverk. Tryggt och stabilt. Men också begränsat.

Vad är data discovery?

Data discovery är en typ av BI-arkitektur som fokuserar på utforskning av data på ett interaktivt sätt, ofta genom visualisering i olika former av grafer och vyer som skapar en tydlighet som är lätt att kommunicera. Discovery är ett, i många sammanhang, bra komplement till en BI-plattform, då konceptet adresserar nya sätt att ta sig an och interagera med data, men ersätter den sällan. Begreppet är associerat med self service-termen, som syftar till självbetjäning, det vill säga att användare på egen hand, utan central IT-hjälp, ges möjlighet att såväl skapa underlag för en analys samt utföra och dela den.

Olika approacher

Arbetsprocesserna som förknippas med respektive arkitektur skiljer sig också åt. Se bilden nedan. Denna högst konceptuella jämförelse vittnar om att vi här talar om att data angrips ur två olika perspektiv för att täcka in flera målgrupper och flera analysbehov.

bipilar

Kontroll vs. Frihet

Med tanke på det senaste decenniets diskussioner om trögheten kopplat till framtagande av rapport- och analysunderlag åt beslutsfattare, så är det uppfriskande att dessa strukturer nu ifrågasätts. Discovery-frågor utmanar en organisation där BI vanligen ägs och kontrolleras av IT-avdelningen och förknippas med komplexa, centrala strukturer där principer kring försiktighet och långa utvecklingscykler får råda på bekostnad av kreativitet och snabba svar. Att ge fri access till data och analys kräver dock god kunskap om datakällorna samt ordning och reda i databaserna. Eftersom det data som granskas inte nödvändigtvis behöver vara validerat av IT, så ökar risken att de analyser som genomförs, och att slutsatser som dras, är direkt felaktiga. Detta reducerar målgruppen och ställer samtidigt krav på nya underhållsrutiner, arkitektur, datakvalitet och behörigheter.

Governed data discovery

Oavsett om man implementerar ett discovery-verktyg eller inte, så driver diskussionen kring dess förekomst på frågan kring hur BI kan och bör användas för att ge maximal nytta. Det väcks frågor runt agila arkitekturer och organisationer, ansvarsförhållanden, ägandeskap och processer. Väljer man att implementera, så är det viktigt att definiera hur ansvaret fördelas mellan IT- och affärssida samt tydliggöra processer för underhåll. Vem är ansvarig för att analysen i slutändan är korrekt utförd? Hur säkerställs att analyserna kan spridas och återanvändas på ett säkert sätt? Utan så kallad "governed data discovery" uppstår anarki, och det är sällan till gagn för någon part.

Mycket att vinna för en mogen organisation

Genom att på ett kontrollerat och genomarbetat vis implementera en discovery-lösning i tillägg till en traditionell plattform, så kan analytiker ges direkt access till data och funktionalitet som plattformsanvändarna vanligen inte når. Genom enkelheten, följsamheten och den reducerade komplexiteten som brukar förknippas med dessa verktyg, får de större utrymme för det kreativa arbetet kring den faktiska analysen. Om man som organisation är mogen att ta sig an data discovery och ta tag i de frågeställningar som medföljer, så kan det tillföra ett stort mervärde.

Diskutera detta inlägg

Rekommenderad läsning

Ur din data kan du med rätt anrikning, precis som sten och malm, utvinna renaste guld! Vi omger oss med oceaner av data – det är nu dags att du och din organisation tar hand om potentialen och börjar vaska fram de insikter som på många sätt utgör den nya tidens valuta.
Vår Marketing Manager, Katarina, besökte STHLM Tech Fest och summerar vad som präglar den mest innovativa grenen inom svenskt näringsliv just nu.
Du sköna nya värld! Äntligen har tekniken kommit ikapp våra högt ställda förväntningar på rika användarupplevelser och nyskapande affärsmodeller. Dessutom finns idag en kritisk massa bland konsumenterna med höga krav på digitala lösningar. Hur använder man då den nya tekniken för att sätta sig i förarsätet av utvecklingen?
Är du en av dem som funderar på att ge kunderna något extra och starta ett lojalitetsprogram? Här kommer våra fyra tips på vad du ska fokusera på för att kickstarta satsningen.
När du väljer nyckeltal för att mäta ditt arbete med kundlojalitet är det viktigt att du kombinerar emotionella, beteende- och monetära mätpunkter. Det är därför CLV, RFM och NPS ger en samlad bild av dina kunder. Vad betyder då dessa nyckeltal och hur används de?
right-arrow share search phone phone-filled menu filter envelope envelope-filled close checkmark caret-down arrow-up arrow-right arrow-left arrow-down