Kan det være at datadrevne ledelsessystemer overtar? Noen signaler varsler om det. Brukermentaliteten endrer seg på grunn av rivende utvikling på konsumentsiden, og teknologien for ledelsessystemer følger etter. Modenheten hos organisasjonene varierer voldsomt, men mange har et forhold til kvalitet og hvor tallene kommer fra.
Brukersiden
Som brukere av «business intelligence» (BI) har vi tradisjonelt vært prisgitt at IT leverer de tallene og rapportene vi trenger. Dette er ofte i strid med hva man kan oppleve som privatperson, der tilgjengelighet til informasjon har blitt en selvfølge, ofte i en form tilpasset den enkelte. I økende grad forventer man samme informasjon på jobben, hjemme og på reise. I tillegg er sosiale data som understøtter tallene oftere og oftere tilgjengelig.
Tar man selv ansvar for å samle data man trenger for beslutninger, for eksempel i Excel, blir tilgjengelighet av komplette og riktige data fort en utfordring. Et forsøk på løsning på dette problemet er «Self service BI». «Self service» lover at forretningsbruker selv skal kunne tilpasse rapporter, pivotering og hendelsesalarmer i brukervennlige portaler eller Excel. Uten at vi trenger å bestille fra IT hver gang vi trenger noe nytt.
Teknologisiden
Klientteknologiene for BI er, i tillegg til Excel, utskriftsvennlige rapporter og portaler med måltall. Disse baserer seg typisk på datavarehus, som typisk er bygget på kubeteknologi. Vi bruker nesten uten unntak en vanlig PC for vår interaksjon med «Business Intelligence»-systemer.
I den private sfære har det vært en voldsom utvikling på klientsiden. Vi bruker daglig smarttelefoner, touchpad og biofeedback-enheter for interaksjon med verden rundt oss. Disse verktøyene er i ferd med å innta BI-verden også. For sluttverktøy fokuserer de store leverandørene på telefoner, brukeropplevelser for touchpad og enkelte på enheter som «Kinect».
Kubeteknologi er i ferd med å moderniseres av en pragmatisk samling som inkluderer Hadoop, alle leverandørene vil være med her. Det har også kommet noen «In-memory» systemer man kan bruke for å gjøre forenklede implementasjoner, som PowerPivot, QlikView, HANA og Cognos TM1. Samtidig har billigere og hurtigere lagring gjort at vi kan lagre mer uten å tenke på direkte lagringskostnader. Når det gjelder typen data vi rapporterer på lover «Big data» i samspill med søkdrevet arkitektur rapportering på semistrukturerte og ustrukturerte data, til og med for umodne organisasjoner (for eksempel som Facebook) før man klarer å strukturere semantikken (som feks Yahoo har gjort) og lage strukturert rapportering på toppen.
Vi ser at BI kommer inn på flere og flere områder, jeg tror de nye klientene vil gjøre at man tiltrekker seg nye brukergrupper og rapportering på nye områder. I tillegg vil flere få muligheten til å utvikle BI-løsninger, fordi de nye kubeverktøyene krever mindre kompetanse og lettere understøtter de forventinger dagens brukere har til spørretid.
I de tilfeller der kompleks harmonisering ikke er nødvendig, og hvis IM-kompetanse ikke er tilgjengelig, vil disse verktøyene kunne gi rapportering i prosjekter som tidligere ikke var levedyktige scenario.
«Datadrevet Business Intelligence»
Å utvikle gode ledelsessystemer kan være utfordrende for de som arbeider i bedriften, ofte trenger man hjelp utenfra som kan se organisasjonen på tvers. I tillegg skal man ha teknologi som understøtter behovet og IT som klarer å håndtere disse komplekse løsningene.
Klassiske BI-løsninger er drevet av designfaser der hypoteser legger føringer for hvordan man designer løsningen. Dette er en top-down tilnærming som jeg har sett fungerer meget godt i store prosjekter. Jeg kaller dette «Hypotesedrevet Business Intelligence».
_logo.svg.png){kind=logo}
BI-modne organisasjoner kan med moderne verktøy være mer pragmatiske i sin tilnærming, og potensielt kjøre parallelle løp uten å miste muligheten til å bygge felles sannhet. Enkelte av de som har kommet langt med sin BI får muligheten til å bytte ut foreldete løsninger med nye, fordi de kan håndtere risiko med kortere iterasjoner. Dette gjøres med en stegvis implementering der man eksempelvis starter med Excel, fortsetter i et In-memory verktøy og så samkjører med et profesjonelt kubeverktøy. De utfordringer som kommer rundt «Master data» kan løses reaktivt med datakvalitetsløsninger eller proaktivt med dokumentasjon og profilering
«Self service» gir mulighet for å gjøre BI med lavere initiale kostnader og med mindre bruk av konsulenter for å komme i gang, man får en mer «agile» løsning som typisk vil ha lokaloptimaliseringer og manglende felles sannhet. Jeg kaller dette «Datadrevet Business intelligence».
Jeg tror mer og mer på «Datadrevet BI». Man har noe «gjeld i løsningen» men større sjanse for å få prosjekter helt i havn. Det gjelder særlig der organisasjoner er i endring. Det er viktig å se på hele levetiden til løsningen opp mot tiden det tar å utvikle den. De store bedriftene har fortsatt bruk for en grunnstamme av «Hypotesedrevet BI» som omhandler deres Grunndata og stabile forretningsområder.
Der «Datadrevet BI» gjøres vil det naturlig vokse et behov for «reactive governance» (planlagt opprydning) for å håndtere den gjelden so ligger i å ha manglende informasjonsmodellering. Beregnet totalkostnad for en BI-løsning må jo inkludere kostnadene som ligger i denne opprydningen. I tillegg vil det i varierende grad være nødvendig å bygge opp regelverk og retningslinjer for «Self service», avhengig av kultur. I det minste må man ha rammer som adresserer ufravikelige krav rundt personvern, sikkerhet og andre juridiske forhold for dataanalyse. Allikevel bør dette være spiselig for mange organisasjoner, fordi den «reactive governance» typisk kan utføres av ansatte i bedriften, noe som gir mindre avhengighet til andre enn om man skulle ha eksterne til å lage deskriptive modeller for hele forretningen.
