Artikel top billede

(Foto: Supphachai)

Derfor skal de analytiske ressourcer og data science-teamet flyttes fra deres mørke kælderlokale til øverste etage: Det kan ikke blive mere strategisk

Klumme: Open source og de nye digitalt indfødte analytikere skaber et analytisk ”ungdomsoprør”, som vi i de etablerede virksomheder skal drage fordel af. Vildskab og gåpåmod har en stor og vigtig plads i det tværfaglige analytiske miljø, og det skal vi have med i tankerne, når vi organiserer vores analytiske teams.

Denne klumme er et debatindlæg og er alene udtryk for skribentens synspunkter.

Den analytiske verden (altså business intelligence, reporting, analytics, kunstig intelligens, you know) er absolut ikke den samme som for bare fem år siden.

Tempoet, tilgangen og ledelsesopbakningen er helt anderledes. På værktøjssiden har open source med værktøjer som R og Python virkelig vind i sejlene.

Det betyder at fortidens magtfulde tools som SAS, SPSS, Business Objects osv har mistet magt og indflydelse.

Det analytiske felt har generelt set ændret sig fra det officielle, regelrette, lidt servile og stillestående til noget mere uofficielt, anarkistisk, hurtigtgående og ambitiøst.

Vi møder en ny mennesketype

Vi møder også en ny mennesketype i det analytiske miljø.

Den mere eller mindre nyudklækkede kandidat fra DTU, ITU eller matematik/statistik forventer og forlanger spændende opgaver, høj hyre og udstrakt frihed til at sætte sine kompetencer i spil.

Det er klart, at dette analytiske ”ungdomsoprør” hiver lidt i gulvtæppet under de kulturer, som allerede er bygget op ude i virksomhederne.

De analytiske miljøer er fuld af modne mænd og kvinder, som er faste kirkegængere hos en eller flere af de snart 50-årige, store softwarereligioner.

Kirkerne hedder SAP, Microsoft, Oracle eller SAS Institute, og de nyere sekter hedder Tableau, Snowflake eller TensorFlow.

Nu får de alle kam til deres hår af de nye langhårede open source-typer (som i parentes bemærket ikke er synderligt langhårede, men bare kommer valsende med tårnhøj selvtillid).

De er klar til at levere machine learning og big data, og de er ikke et sekund i tvivl om værdien af algoritmiske forretningsmodeller.

Dette skal man have med i sine overvejelser, når man sammensætter et team inden for data science.

Stilen, kulturen og mentaliteten må gerne bygge på en blanding af det nye og det gamle. Samtidig er der en række forhold, som stadig er god latin. Hold fast i den sunde fornuft og grib samtidig ud efter det nye gåpåmod.

Det er vigtigt at se teamet som en tværfaglig enhed, der både skal trække på matematik, statistik, informationsvidenskab, computervidenskab og på forretningsforståelse.

Teamet skal have viden om og erfaring med emner som analytiske modeller, teknologier til håndtering af data, kodekompetencer og evnen til at operationalisere business-findings i forretningsprocesser.

Data science er jo drevet af data og det hele handler om at finde de metoder, processer og systemer, som kan trække viden ud af data og understøtte de videncentriske processer i krydsfeltet mellem maskiner og mennesker.

Langt de fleste virksomheder befinder sig på en rejse fra rapporteringen (”hvad skete der?”), over det prædiktive (”hvad vil der ske?”), videre til det det præskriptive (”hvad skal vi gøre ved det?”) til det kognitive (”hvor er den mest nærliggende mulighed for at udvikle et nyt intelligent svar?”).

Den selvlærende guide

Slutmålet er den selvlærende software, som ved hjælp af data selv udvikler svar og løsninger, og i samspil med digitale assistenter guider og hjælper mennesker i deres hverdag.

Teamet og til en vis grad hver enkelt teammedlem skal rumme alle eller flere af de centrale kompetencer.

Den gode data scientist kombinerer tæft for forretning med statistisk/matematisk faglighed og evnen til at arbejde med data og bruge analytiske værktøjer.

Den nye unge data scientist, som er digitalt indfødt, går også til den analytiske opgave med en ukompliceret, direkte og selfmade tilgang. I forhold til teamets værdier, normer og kommunikative gennemslagskraft er dette gåpåmod en enorm styrke.

Værdien af data er de fleste enige om, og vi snakker om nye industrielle revolutioner med data som den nye olie.

Derfor er det helt logisk, at de analytiske ressourcer og data science teamet flytter fra et mørkt kælderlokale til øverste etage i mange organisationer.

Kvaliteten og anvendeligheden af arbejdet i denne enhed er blevet afgørende på markedet og fortæller noget om virksomhedens langsigtede succes.

Et data science team fortolker data og sætter standarden for organisationens optag af viden. Det kan ikke blive mere strategisk.

Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.

Har du en god historie eller har du specialviden, som du synes trænger til at blive delt?

Læs vores klumme-guidelines og send os noget tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.