I dag ökar datamängderna snabbare än vår förmåga att utnyttja dem. Men under 2017 växer det fram flera trender som innebär att allt fler vanliga medarbetare på företag lär sig hantera informationen.
För att klara av att hantera de stora datamängderna har det blivit allt viktigare med nya yrkesroller som har denna kompetens, som till exempel data scientists, applikationsutvecklare och affärsanalytiker. Dessa experter har dock blivit en bristvara. Därför växer det fram en klyfta mellan informationen och företags förmåga att tillgodogöra sig den.
– Data literacy blir en nödvändighet för i stort sett alla medarbetare på företag, på samma sätt som att det hade blivit nödvändigt att vara läs- och skrivkunnig för hundra år sedan, säger Dan Sommer, Senior Director på Qlik.
Under 2017 växer det fram sju trender som kommer bidra till att göra det möjligt för vanliga medarbetare på företag att skapa affärsnytta genom att lära sig hantera, förstå och analysera datamängderna, det vill säga tillägna sig ”data literacy” eller ”dataläskunnighet”.
1. Kombinationer av data. Det kommer att bli vanligare att kombinera big data med ”small data” för att få värdefulla insikter och skapa affärsnytta. Det handlar alltså om att kunna sålla bland stora mängder data och kombinera data från flera källor för att få en mer heltäckande bild av verksamheten. Till synes oviktiga uppgifter kan bli avgörande när de kombineras med uppgifter från andra källor.
2. Hybridmiljö. Allt fler företag använder molntjänster, men de fortsätter att ha kvar mycket data på de egna servrarna. Därför kommer hybridmoln att bli den dominerande modellen för data analytics.
3. Självbetjäning för alla. Fler och fler dataanalysverktyg blir tillgängliga för vanliga medarbetare gratis, genom så kallad freemium, eller till låg kostnad.
4. Modern BI ersätter traditionell BI. På grund av sin egen framgång kommer verktyg som började för dataupptäckter på individnivå växa till moderna BI-verktyg, med skalbarhet, prestanda och governance. Dessa kommer i ökande grad inte bara komplettera, men även ersätta IT-avdelningens traditionella BI och statiska rapporter.
5. Från ”advanced analytics” till ”advancing analytics”. Advanced analytics är verktyg som används av data scientists för att bygga affärsmodeller. Att analytics är ”advancing” innebär att dessa modeller kan användas av många medarbetare i självbetjäningsverktyg.
6. Visualisering i hela värdekedjan. Visualisering kommer ingå i alla steg av analytics-värdekedjan, inte bara i analysdelen: 1. Förmåga att läsa av data. 2. Arbeta med data. 3. Analysera data. 4. Kommunicera resultatet.
7. Anpassade analytiska appar. Medarbetare kommer enkelt att kunna analysera data direkt i de applikationer som de använder varje dag – oavsett om det de arbetar med ekonomisk rapportering, kundservice, på ett lager eller i en kassa.
