Dataanalyse var et af de hurtigst voksende områder på it-fronten i 2014, og væksten på området stiger stadig, oplyser Deloitte Analytics i rapporten Analytics Trends 2015: A Below-the-Surface Look.
"Sagt helt enkelt, så er dataanalyse ved at blive den luft, vi indånder, og det hav vi svømmer i," står der i rapporten.
Otte tendenser vil ifølge Deloitte dominere analyseområdet i 2015.
1. Datasikkerhed
2014 var et hårdt år, hvad angår datasikkerhed. De store selskaber er ifølge Deloitte dybt bekymret for datasikkerheden i 2015, og det med god grund.
Datamængden stiger eksplosivt overalt omkring os: Data genereret af mobile enheder, konstant internetforbindelse og den generelle digitalisering har ændret spillereglerne for, hvordan man beskytter sine data, og gjort det sværere.
Det har blandt andet resulteret i, at analyseværktøjer spiller en vigtigere og vigtigere rolle inden for datasikkerhed.
Dataanalyse er allerede i gang med at forandre mulighederne for at opdage indtrængning i netværket, såkaldt differential privacy, brugen af digitale vandmærker og hvad der kan gøres af foranstaltninger mod malware.
"En effektiv beskyttelse af data bestemmer faktisk, om man kan forblive i drift eller om man er nødt til at håndtere en alvorlig krisesituation," fremhæver John Lucker, der er ledende analytiker hos Deloitte Consulting og global chef for markedet for avanceret analyse og modellering.
"Og erhvervslivet kan ikke vente på, at lovgivningen redder dagen. Uden et skarpt fokus på datasikkerhed her og nu risikerer visse virksomheder at slet ikke have nogen bundlinje at bekymre sig om. Men der er ikke kun skræk og gru i denne historie.
Sikkerhed handler også om at opbygge tillid til sit varemærke.
En stærk sikkerhedspraksis, inklusiv anvendelsen af avanceret analyse til håndtering af udfordringer inden for beskyttelsen af privatlivets fred og datasikkerhed, kan differentiere selskaber fra konkurrenterne og skabe tryghed og tillid hos kunder og forbrugere."
Lucker bemærker, at noget virksomheder kan gøre omgående, er at fremhæve den chef, der er ansvarlig for datasikkerheden i organisationen.
"I for eksempel detailvirksomheder - hvor forbrugerne ønsker tryghed med hensyn til beskyttelsen af privatlivets fred og datasikkerheden - er det vigtigt, at der er en synlig (og forhåbentlig visionær) chef på topniveau med ansvar for sikkerheden og for at imødekomme både de teknologiske krav og de forretningsmæssige og forbrugersikkerhedsmæssige behov. Forbrugerne skal vide, at der er nogen, der står på mål for dem."
2: Internet of Things
Der vil i 2015 fortsat være hastig vækst i det såkaldte internet of things.
Der findes allerede analyseværktøjer og -teknikker til håndtering af de enorme mængder strukturerede og ustrukturerede data, som tingenes internet producerer, men ifølge Deloitte halter integrationen af systemerne bagefter.
Både på forbrugerområdet og i industrien ville det gavne med nogle branchestandarder.
Det gælder ikke mindst, fordi konventionelle arkitekturer og teknikker til dataanalyse ikke går godt i spænd med sensorernes støjfyldte, analoge og hurtigt genererede data.
"Alle lige fra Alljoyn (open source) over Google og til Industrial Internet Consortium er nu involveret i standardiseringsinitiativet," fortæller Lucker.
"Vi gør fremskridt, men visse ting kunne gøre processen hurtigere."
For det første er det ifølge Lucker afgørende at facilitere tværgående samarbejde, der involverer deltagere fra både den akademiske forskningsverden og erhvervslivet.
"Der findes allerede for mange standardiseringsorganer inden for tingenes internet, og de fleste af dem er drevet af it-selskaber," forklarer han.
"Det ville på længere sigt være bedre for såvel brugerne som de etablerede selskaber med bredt funderede standarder for tingenes internet."
Herudover er det ifølge Lucker nødvendigt at tænke stort.
Det handler ikke kun om at etablere standarder for enheder med sensorer.
Vi er nødt til også at overveje standarder for dataintegration, dataanalyse og dataprocesser.
Og vi er nødt til at gøre disse overvejelser hurtigere.
Cloud-teknologier og API'er kan ifølge Lucker hurtigt oversætte mellem forskellige standarder og formater, og vi er nødt til at bruge dem.
Lucker advarer dog mod at tro, at den gyldne løsning er lige rundt om hjørnet.
Det tog trods alt 15 år blot at udvikle en standard for RFID.
3. Kapitalisering af data
Rundt omkring er man begyndt at tale om at data ikke blot bør håndteres som aktiver, men også værdiansættes som aktiver.
I fremtiden vil selskaber ifølge analytikerne rutinemæssigt forsøge at tjene penge direkte på deres egne data.
Det giver rigtig god mening i visse brancher, og nogle virksomheder - især internetfirmaer og for nyligt industrivirksomheder - er ifølge Deloitte allerede begyndt at omlægge deres strategi til at tage højde for data som aktiver.
Men Deloitte bemærker også, at mange virksomheder sandsynligvis undervurderer det ansvar, der følger med denne tilgang.
"Beskyttelsen af privatlivets fred og spørgsmålet om hvem, der bærer ansvaret i tilfælde af krænkelser, er nok det vigtigste for en virksomhed at overveje i denne forbindelse," påpeger Lucker.
"Har virksomheden implicit eller eksplicit juridisk eller etisk ret til at dele private forbrugeres data?
Hvis ikke det er tilfældet, så skal man ikke give sig i kast med det. Risiciene er for store. Selv hvis det er tilfældet, så betyder det ikke, at man nødvendigvis bør gøre noget, bare fordi det er muligt."
Hvis man overvejer at tjene penge på sine data, bør første skridt ifølge Lucker at søge juridisk rådgivning.
"Man er nødt til at sikre sig at have rettighederne til det, ligesom man skal have kunderne til at give deres samtykke til denne anvendelse af dataene," forklarer han.
"En stor del af sådanne data er intellektuel ejendom, og derfor er man som virksomhed nødt til at afveje omkostningerne og fordelene ved at gøre dem tilgængelige."
Herudover er der også andre risici, advarer Lucker, såsom at man ikke får lavet en ordentlig forretningsmodel, at man undervurderer it-mæssige og andre involverede omkostninger, eller at man ignorerer spørgsmål om dataenes nøjagtighed.
"Dermed ikke sagt, at det aldrig er en god idé at forsøge at tjene penge på sine data - det er klart, at der er noget at vinde ved at gøre det," påpeger han.
"Men hvis det fjerner virksomhedens fokus fra dens primære strategiske mål, så ville jeg anbefale, at man holder sig til, hvad virksomheden er god til, og forsøger at gøre det endnu bedre."
4. Maskinlæring
Med maskinlæring er vi nu ved at automatisere analytisk tænkning.
Tilgangen kan ikke erstatte konventionelle analyseværktøjer, men lader til at være i stand til at understøtte stort set ethvert videnstungt arbejde.
"Cognitive analytics er modelleret ud fra, hvordan den menneskelige hjerne behandler information, drager konklusioner og tager ved lære af tidligere handlinger, og bruger teknologi, regnekraft og menneskeligt input til at generere hypoteser, drage konklusioner og levere anbefalinger," forklarer Lucker.
"I kraft af cognitive computing kan disse anbefalinger også rangeres efter, hvor sandsynligt det er, at svaret er korrekt. Ydermere foregår der en iterativ læringsproces på maskinniveau. Jo flere data et maskinlæringssystem fodres med, des højere kvalitet er de indsigter, man får ud af det."
Det er netop sidstnævnte, der adskiller disse tilgange, der benytter sig af maskinlæring, fra konventionelle analyseværktøjer, fremhæver Lucker.
"Med konventionelle analyseværktøjer analyseres data, der repræsenterer komplekse problemer eller spørgsmål, mønstre identificeres og historiske eller forudsigende indsigter genereres med det mål at understøtte beslutninger angående disse problemer eller spørgsmål," forklarer han.
"Cognitive analytics går et skridt videre, og fodre analyse-økosystemet med disse genererede indsigter, så de kan anvendes i den næste iteration eller i det næste problem. For hver iteration bliver hele systemet bedre."
5. Open source
I mere end et årti har open source-løsninger været almindeligt udbredt i Silicon Valley, og de fleste webservere anvender i dag softwarepakken LAMP.
Nu er open source-løsninger som Hadoop også ved at finde vej til almindelige virksomheder til lagring og behandling af data.
Og det er der gode grunde til:
Open source-softwaren er ofte gratis eller billigt, og de fællesskaber af udviklere, der findes omkring den, gør det muligt hurtigt at udvikle løsninger.
De store it-selskaber er klar til at anvende open source-teknologier, men Deloitte advarer om, at risikostyring er en nødvendig del af billedet.
Deloitte påpeger, at man ikke skal føle sig alt for sikker, bare fordi man lige nu har en hær af frivillige open source-udviklere, der arbejder på det projekt, der er en central del af ens it-strategi, for de kan til ethvert tidspunkt vælge at bevæge sig videre til noget andet. Man risikerer også, at løsningens eller udviklernes kvalitet daler.
Man er derfor nødt til at have helt styr på hvor stor en del af ens infrastruktur, der er bygget på open source-løsninger, så man kan beregne sin risikoeksponering.
6. Skat
Deloitte bemærker, at det stadig er relativt få virksomheder, der gemmer deres skattemæssige oplysninger i strukturerede formater.
Der er dog en udvikling i gang, der gør det lettere at udnytte faktabaseret indsigt i virksomhedens skatteregnskab.
For eksempel findes der analyseværktøjer, der kan forklare eller forudsige skatteniveauer under bestemte vilkår.
"Flere og flere virksomheders skatteafdelinger anvender en proaktiv tilgang til skattemæssig risikostyring," fortæller Lucker.
"Det indebærer brug af data og initiativer på tværs af virksomheden for at generere indsigter og tage faktabaserede beslutninger med strategisk relevans."
Ved at anvende analyseværktøjer på dette område kan virksomheder ifølge Lucker få et nyt perspektiv på skattemæssige forhold.
Sådanne værktøjer giver mulighed for detaljeret analyse af datasæt fra forskellige dele af forretningen og lader forskellige afdelinger hente alle skatteoplysninger fra en samlet datakilde, hvilket øger gennemsigtighed og nøjagtighed.
"En af vores klienter var ude efter en måde at gøre en opgave med månedlig revision lettere," fortæller Lucker.
"Opgaven krævede, at to medarbejdere brugte to uger på det hver måned. En løsning til analyse af skatteoplysninger gjorde dette meget enklere, så virksomheden nu kunne løse opgaven på få timer hver måned."
Analyseværktøjerne er også ved at forenkle processen med at inddrive overskydende transaktionsafgifter og samtidig hjælpe til at undgå fremtidige overbetalinger.
"Teknologi og regnekraft gør det muligt at analysere terabytes af transaktionsdata for at afdække mønstre," fortæller Lucker.
"Kundeadfærd og forbrugsmønstre kan undersøges, og man kan metodisk afsløre svindel, spild og misbrug. Det bliver lettere at identificere dobbeltbetalinger og forkerte betalinger."
Der er også analysemæssige tilgange under udvikling, der simulerer adskillige forretningsscenarier, sandsynlige udfald, beslutningskriterier og andre forretningsmæssige problemstillinger.
7. Naturvidenskab, teknologi, ingeniørvidenskab, matematik - og design
Det vil næppe overraske nogen, at man i erhvervslivet er bekymret over en mangel på dataloger.
Universiteterne gør en indsats for at uddanne flere dataloger og kvantitative analytikere, men Deloitte mener, at det er uundgåeligt, at der i takt med stigningen i efterspørgslen vil ske sammenlægninger og ændringer i universitetsstudierne på dette område.
Deloitte bemærker, at de såkaldte STEM-fag, naturvidenskab, teknologi, ingeniørvidenskab og matematik, har været i vælten i forskningsverdenen i årevis.
Men nu begynder man at tale om STEAM-fag, hvor A'et står for 'art', altså kunst eller design.
"Det er godt nyt for erhvervslivet, som er afhængig af, at disse studier leverer de analysetalenter, der er behov for - og som i stigende grad er ude efter folk, der ikke alene har kompetencer inden for kvantitativ analyse, men også har evner til overbevisende og visuelt at fortælle de historier, som gemmer sig i dataene," fremhæver Deloitte.
"Designtænkning, visualisering og historiefortælling bliver mere og mere vigtig."
8. Nøjagtighed
Den hastige stigning på få år i kapaciteten til at foretage kvantitativ analyse har skabt en forrygende vækst i markedet for data.
Den vækst forventer Deloitte vil fortsætte, men købere af data vil i fremtiden stille meget større krav til, hvad de køber.
En Deloitte-undersøgelse af forbrugerdata indsamlet af såkaldte datamæglere har ifølge Lucker påvist mange fejl i dataene, der kan påvirke både de virksomheder, der køber og anvender dataene, og de forbrugere, som dataene repræsenterer.
"Dataene er ikke så nøjagtige eller komplette, som vi håbede og forventede," fortæller Lucker.
"13 ud af 80 deltagere (16 procent) svarede, at der slet ikke har nogen information tilgængelig. På trods af at de prøvede flere forskellige adresser, fandt næsten en sjettedel af vores stikprøve slet ingen information."
Og selv når der er tilgængelige data, er de ikke nødvendigvis nøjagtige.
Lucker fremhæver et eksempel med en ugift person med en ph.d.-uddannelse, som i dataene blev beskrevet som gift og med en uddannelse på gymnasieniveau.
Der var mange flere af den slags tilfælde.
Når det kommer til big data, skal man vide, at dataene godt kan beskrive generelle tendenser korrekt, selvom mange individuelle datapunkter er unøjagtige.
Men jo mere nøjagtige dataene er, des mere værdifulde bliver de, især for virksomheder der arbejder med mikromarkedsføring eller mikrosegmentering på forbrugerniveau.
De data, man i dag kan købe fra datamæglere, er måske bedre end ingenting, men mange købere ønsker og forventer højere nøjagtige.
Vær opmærksom på nye vækstområder
Kigger man lidt længere ud i fremtiden, er der flere tendenser, som ifølge Deloitte vil blive store i løbet af året, heriblandt ansigtsgenkendelse og geospatial overvågning, krav fra borgerne om bedre lovgivning og håndhævelse samt data og analyse brugt i automatiserede systemer i den fysiske verden.
Teknologien er allerede i stand til at genkende personer på billeder og følge personers bevægelser via overvågningskameraer.
Deloitte regner med, at eksplosionen i mængden af data fra billige kameraer og mobiltelefoner vil blive brugt til at træne maskinlæringssystemer, hvilket vil medføre stor innovation på dette område.
Samtidig regner Deloitte med, at kombinationen af statslig overvågning, de mange tilfælde af brud på datasikkerheden og aggressive kommercielle anvendelser af data, der gør private virksomheder i stand til at vide "uhyggeligt" meget om forbrugerne, før eller siden vil føre til krav fra offentligheden om bedre kontrol med de, der indsamler, sælger og anvender personlige data.
Endelig vil teknologi, der styrer fysiske systemer, lige fra intelligente termostater til Googles selvkørende biler, ifølge Deloitte fortsat få stor opmærksomhed fra forbrugerne.
Deloitte advarer dog, at man som virksomhed må være grundig i sin planlægning med hensyn til både ønskede og uønskede konsekvenser af disse nye muligheder.
Oversat af Thomas Bøndergaard