Framtidens Business Intelligence – del 1 – Översikt

By | september 2, 2014

Detta är del 1 i min miniserie om Framtidens Business Intelligence. Övriga delar finns här.

Gartner och TDWI (The Data Warehousing Institute) har spanat in i framtiden och förklarat ett antal områden som ”heta” just nu.

Business Intelligence framtidstrender 2014

Klicka på bilden för en förstoring.

Ökat fokus på ”Data Discovery”

Användarna av Business Intelligence blir alltmer avancerade och efterfrågar mer avancerade analysmöjligheter och intelligens i beslutsstödssystemen. Vissa kallar detta för ”Data Discovery”. Oavsett vad vi kallar det så går utvecklingen mot att användarna skall kunna göra mer och mer ad-hoc sökningar efter information själva.

Strömmande data

Alltmer data samlas in från strömmande datakällor, t ex sensorer som sitter på maskiner, realtidsinformation om aktiehandel eller GPS-sändare på bilar. Dessa genererar väldigt stora datavolymer eftersom hastigheterna är mycket höga. Det finns också krav på att kunna reagera snabbt på mönster i denna information. Nya produkter har vuxit fram inom så kallad Complex Event Processing (CEP) för att klara dessa realtidskrav.

Big Data

Förväntningarna och hajpen är extremt hög kring Big Data. Hittills har det dock varit mer snack än verkstad. Samtidigt har tekniken mognat och priserna gått nedåt vilket har sänkt tröskeln rejält för vilka som kan ha nytta av Big Data. 2016 skall det slå igenom enligt spåkulan.

Ostrukturerad Data

Om vi bara håller oss till intern data och strukturerad data så missar vi väldigt mycket värdefull information och beslutsunderlag. Våra ekonomi- och affärssystem visar bara en begränsad bild av vad som händer och framförallt får vi viktig information försent. För att hantera ostrukturerad data måste vi använda nya metoder och vara beredda på att det inte alltid är samma tillförlitlighet.

Intelligentare sökning av information

Tekniken utvecklas nu mot en ny typ av sökmotorer som inte bara pekar ut websidor och dokument, utan kan bearbeta och presentera information. Man skriver helt enkelt på vanlig engelska vad man vill veta och får ett svar på engelska med eventuella tillhörande tabeller och diagram. En slags assistent alltså som söker igenom både interna databaser och globala informationskällor såsom Wikipedia. Låter det som science fiction hämtat ifrån Star Trek? Eller är kanske denna teknik är närmare än många tror?

Krav på snabbare BI-leveranser

En gång i tiden så hade beställarna tålamod med Data Warehouse-projekt som tog 1-2 år (ibland ännu längre om det blev förseningar). Numera finns det leverantörer som profilerar sig som att de kan leverera lösningar på bara ett par dagar. Oftast levererar de dock det som är enklast att plocka fram snarare än ett kvalitetssäkrat beslutsunderlag som utgår från det som är den viktigaste informationen. Dock är det allt viktigare att kunna jobba mer agilt och göra snabba delleveranser. Det har också kommit nya verktyg som automatiserar bort tidsödande manuellt ”monkey work” så att utvecklarna kan leverera resultat mycket snabbare. Kunderna kommer därför också förvänta sig högre produktivitet.

Data Scientist

En ny yrkestitel har uppfunnits: Data Scientist. Ärligt talat kan nog ingen exakt definiera denna titel. Det handlar om en person som är specialist på att gräva fram kunskap (förädlad information). Det är en multikonstnär som kan ha kompetens inom matematik, statistik, machine learning, programmering, mönsterigenkänning, signalbehandling, data warehousing, visualisering, sannolikhetsmodeller, etc. Man kan säga att en Data Scientist befinner sig längre till höger i bilden nedan medan vanliga Business Intelligence-användare befinner sig längre till vänster.

Data Scientist

Klicka på bilden för en förstoring.

I en undersökning av vilka verktyg som analytiker använder (2013 Data Science Salary Survey av O’Reilly Media) så toppar SQL. På andra plats kommer verktyget R och därefter programmeringsspråket Python. Det lönar sig alltså att lära sig SQL!

Analytic Tools usage

Klicka på bilden för en förstoring.

Sammanfattning

Robert S. Kaplan & David P. Norton kom redan i början av 1990-talet fram till att ett styrkort/beslutsstödssystem behöver ha en balans mellan olika tidsperspektiv:

  • Finansperspektiv (”igår”)
  • Kundperspektiv (”idag”)
  • Interna processer (”idag”)
  • Innovation, lärande, tillväxt (”imorgon”)

Norton & Kaplan perspektiv

Detta är i högsta grad aktuellt ännu idag. Det är till och med ännu mer aktuellt än tidigare eftersom tekniken nu börjat mogna för analys av exempelvis sociala medier (Big Data, ostrukturerad data, intelligentare sökningar). Framtiden är alltså mer och mer intelligent Business Intelligence!