1. Fremvekst av forståelig AI
Løftet om artificial intelligence (AI) sier at maskiner kommer til å øke menneskelig forståelse ved å automatisere beslutningstaking. Tableau tror imidlertid at AI og maskinlæring kommer til å hjelpe oss med å finne innsikt som tidligere ikke ble oppdaget, og at utfordringen blir om menneskene kan være sikre på at disse anbefalingene er troverdige etterhvert som organisasjonene blir mer avhengige av maskinlæringsmodeller.
Undersøkelser av Gartner indikerer at 85 % av CIO-er innen 2020 kommer til å lede AI-programmer med en kombinasjon av kjøp, utvikling og outsourcing.
Åpenhet og gjennomsiktighet er ansett som kritisk for å muliggjøre effektiv implementering av intelligente systemer, som maskinlæring. Dette er hovedsakelig for å sikre at modellene fungerer som planlagt, eller for å etablere tillit hos brukerne, slik at de med sikkerhet kan ta avgjørelser basert på prediksjoner. Behovet for åpenhet har ført til veksten av forståelig, eller forklarbar, AI – altså åpne og transparente maskinlæringsmodeller. Beslutningstakere forventer å kunne stille oppfølgingsspørsmål, på samme måte som de ville spurt en menneskelig ekspert, når de skal ta forretningskritiske beslutninger.
2. Naturlig språk menneskeliggjør dataene dine
Natural language processing (NLP) kombinerer datavitenskap og lingvistikk for at maskiner skal forstå menneskelig språk. I dag tilbyr BI-leverandører grensesnitt med naturlig språk i visualiseringer slik at brukerne kan kommunisere med dataene sine på en naturlig måte, og stille spørsmål uten å ha dyp kunnskap om BI-verktøyet. Systemet bruker konteksten i samtalen for å forstå hva brukeren mener med et spørsmål og skaper dermed en mer naturlig samtale.
Naturlig språk representerer et paradigmeskifte i hvordan folk stiller spørsmål om dataene sine. Når folk kan samhandle med en visualisering slik de ville gjort med en person, åpner det opp områder innen analyse som tradisjonelt var forbeholdt dataanalytikere. Etterhvert som naturlig språk modnes i BI-industrien, vil det bryte ned barrierer for bruk av analytics på tvers av organisasjoner og legge til rette for at data blir i kjernen av arbeidskulturen.
3. Handlingsfremmende analyse setter data i kontekst
Når man jobber med data trenger man data og handlinger på ett og samme sted. I stedet for å utføre analyser i én silo og utføre handlinger i en annen, burde alle som jobber med data kunne forbli i sin arbeidsflyt. Med slike funksjoner kan man analysere data og utføre en handling etter man har fått innsikt – alt på samme sted.
Eksempler på handlingsfremmende analyse er:
- Embedded analytics: Man legger inn data og innsikt der folk allerede jobber, så de ikke trenger å navigere til et annet system.
- Dashboard extensions: For dem som allerede bruker mye av tiden sin i en analyseplattform, kan man få andre systemer rett inn i dashbordet.
- Mobile analytics: Brukere får disse funksjonene uansett hvor de befinner seg – konsulenter kan benytte kundedata on-site, mens en mekaniker kan benytte IoT-data for å reparere en enhet ute i feltet.
Dette vil forkorte tiden mellom innsikt og beslutningstaking, og gjøre data mer allment tilgjengelig slik at flere kan benytte data i hverdagens beslutninger.
4. Data skaper positiv samfunnspåvirkning
Historisk sett har ikke frivillige organisasjoner hatt ressurser til å investere i sofistikert datainfrastruktur eller store team til å jobbe med data. Nå derimot, med kostnadseffektiviteten og fleksibiliteten til skyløsninger, kan disse organisasjonene utvikle sofistikerte datamiljøer uten store investeringer, noe som tilrettelegger for mer datadrevne humanitære organisasjoner.
5. Etiske regler gjelder også data
Personvern er mer aktuelt enn noensinne, og forbrukere har aldri vært mer bevisste rundt å dele personopplysninger. Dette påvirker hvordan bedrifter håndterer datainnsamling og datadeling. Med nye reguleringer som GDPR, fokuserer bedrifter nå på etisk datapraksis og personvern i det daglige. Dette vises gjennom at flere roller blir pålagt etiske retningslinjer og at det er endringer i forretningsprosesser.
Antallet IT-sjefer som sier at etikk er et av deres ansvarsområder har økt med 10 % fra 2016 til 2017.
Gartner
6. Datastyring møter moderne BI-plattformer
Etterhvert som datakilder blir flere og mer komplekse, er datahåndtering enda mer kritisk i moderne BI-installasjoner. Når flere av de ansatte bruker data til å ta beslutninger, må organisasjonene sikre nøyaktighet i dataene og hvordan de brukes i analyser.
7. Data storytelling er det nye selskapsspråket
Uansett hvor mye vi automatiserer, hvor stort datasettet vårt er eller hvor smarte kalkuleringene er – hvis du ikke kan kommunisere funnene til andre, blir det vanskelig å gjøre inntrykk med analysen din.
Etterhvert som flere forstår hvordan man tolker data og forklarer dataens analytiske prosess, forsterkes potensialet for forretningsmessig påvirkning.
Les hele rapporten fra Tableau her!
8. Bedrifter blir smartere på analyticsadopsjon
Verdi måles ikke av løsningen du innfører, men hvordan de ansatte bruker løsningen for å påvirke virksomheten. Man får ikke verdi ut av en BI-plattform bare ved å ha tilgang til den. Bedrifter innfører tiltak som skaper engasjement, bl.a. interne communities og brukergrupper, og disse blir en viktig del av BI-strategien. Etterhvert kan bedrifter delegere ansvar for analyse, og man vil se at man får interne eksperter som reduserer oppgaver som tradisjonelt har vært IT-avdelingens ansvar. Disse endringene vil gjøre at flere får verdi ut av BI-løsningen, og ikke minst at de ansatte blir mer effektive og bedriften mer konkurransedyktig.
9. Datademokrati løfter dataanalytikeren
I dag forventer man at dataanalytikere skal ha avanserte statistikk- og maskinlæringskunnskaper, men de skal også evne å tenke strategisk for bedriften og ha omfattende kunnskap om bransjen. Med selvbetjente BI-verktøy kan både dataanalytikere og andre brukere i organsiasjonen utforske og få bedre forståelse av egne data. Dette gir innsikt som kan lede til beslutninger som påvirker virksomheten positivt i flere deler av organisasjonen.
10. Hurtig migrasjon til skyen fremskynder adopsjon av moderne BI
Flere selskaper ser fordelene med å flytte dataene sine til skyen. De flytter bort fra et miljø hvor alle data ligger i et sterkt strukturert, lokalt datavarehus over til en mer skalerbar og fleksibel infrastruktur – enten hvor alt er i skyen eller til en hybridløsning.
Selv om ikke alle selskaper er klar til å flytte alle dataene sine til skyen, eksperimenterer mange med hybridløsninger for å dra nytte av ulike datakilder. Som et resultat vurderer bedrifter moderne BI-plattformer basert på om de kan støtte en fremtidig overgang til full skyløsning.
Vi holder en rekke gratis kurs innenfor business intelligence og håndtering av data. Se vår kurskalender og finn et kurs som passer for deg!