Denne klumme er et debatindlæg og er alene udtryk for skribenternes synspunkter
Her er en mand. Han er glad. Ja, det er rigtigt, jeg har bare ikke købt fire nye Viborg-dæk, men i stedet haft fingrene nede i datasuppen og lavet to nye løsninger i mini-skala.
For mig er det en øjenåbner, at man på halvanden dag, når frem til de første resultater.
Jeg taler om en proces, hvor data fra ERP-systemet skal analyseres og levere nogle forretningsmæssige svar til to store virksomheder med SAP-løsninger.
Den ene løsning handlede om at estimere et omkostningsbillede i udviklingsafdelingen, og den anden løsning gik på omkostningerne til hundredvis af materialer fordelt på 30-40 forskellige slutprodukter.
Tigerspring
Jeg er fra en ikke så fjern fortid, hvor man roligt kunne regne med, at en dugfrisk analyse mindst krævede en uge til at installere software, konfigurere, udtrække data, fejlrette, kvalitetssikre data, og så – endelig – gennemføre en analyse.
Sådan et lille klassisk analytics-sprint krævede en forretningssponsor, en analytiker, en data steward og en it-tekniker for at komme i mål.
Hvor er vi kommet langt på kort tid.
Som gammel gråhåret data-arkitekt har jeg selvfølgelig visse forudsætninger, men jeg ser bare hvor langt man kommer med et åbent sind, nye tools og internettet, som man kan spørge til råds. Resultater og værdi på halvanden dag.
Dette tigerspring handler ikke om den analytiske værktøjskasse.
Det handler om flere megatrends, der faktisk bør ændre den måde, vi som virksomheder leger med data, og måden vi analyserer os frem til værdi.
Cloud med mere
Efter min vurdering handler det her om nogle teknologiske megatrends, der slår så konkret igennem og giver speed i processen.
For det første ligger data og tools i skyen, og det er bare at gå i gang.
For det andet er det vandtætte skot mellem operationelle data i ERP-systemet og analytiske data i et data warehouse ved at forsvinde.
Vi arbejder i stadig højere grad på selve de live data, så vi per design får én version af sandheden og god data governance med i købet.
For det tredje er platformene for data med rigelig brug af in-memory-teknologi blevet lynhurtige.
Just do it
Disse teknologispring har en række organisatoriske konsekvenser.
It-afdelingen bliver foe eksempel ikke en flaskehals for en analytiker, som vil arbejde med data.
Og ETL-processen (Extract, Transform, Load), som typisk udgjorde hovedparten af et analytisk projekt, er nogle gange helt væk eller markant reduceret.
Det betyder, at færre kompetencer skal i spil. En forretningssponsor og en analytiker kan nogle gange køre helt selv uden teknisk support.
Og hvad betyder det så?
Jamen, det betyder, at vi skal geare om og geare op.
Vi kan lege med data til både operationelle og analytiske formål i et helt andet tempo og med en helt anden lav belastning af menneskelige ressourcer.
Vi behøver ikke at være så forsigtige, og vi behøver ikke en lang afvejning af det rimelige i at gøre forsøget, når ”spildet” er så lille.
Barrieren er ikke længere teknisk kompleksitet. Barrieren er snarere forretningsmæssig kreativitet. Just do it.
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 din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
