I slutet av sköna maj hade Aron Hennerdal och Viktor Åberg från Attollo möjlighet att spana in trender och nyheter inom Analytics och Business Intelligence genom att besöka Gartner Data & Analytics Summit i London. Flera tusen deltagare från olika delar av världen besöker årligen konferensen som ger en överblick av såväl dagens produktlandskap som arbetsmetodik och viktiga problemställningar inom Analytics.
För Attollo som leverantör av Analytics-lösningar är det viktigt att säkerställa att vi är uppdaterade kring de stora trenderna och nyheterna inom området. Teknik och arbetssätt uppdateras hela tiden och för att vi ska kunna leverara de bästa lösningarna till våra kunder gäller det att hänga med i utvecklingen.
Årets tema var "Lead for Purpose, make an impact" och fokus låg artificiell intelligens, utmaningen att utveckla sitt företag mot mer data-drivna beslut samt det viktiga i att känna och hantera sin data effektivt. Mitt under konferensen passade Microsoft dessutom på att släppa sin nya moln-produkt "Fabric", vilket självklart stal lite av uppmärksamheten.
Från konferensen tar vi med oss dessa 3 key take-aways:
D&A i hela organisationen
Marknaden har under en längre tid pratat mycket om den tekniska plattformen som möjliggörare (tex. Hybrid Cloud och olika varianter av Lakehouse-arkitektur) men har nu istället vänt blicken mot att fokusera på hur organisation och kultur kan han bidra till att lyckas bli en mer datadriven organisation.
I det digitala transformationsarbetet har många skapat en dataorganisation och tillsatt en CDAO (Chief Data & Analytics Officer), men enligt Gartner är det bara ca 30% av alla företag som lyckad få ut ett värde av sina satsningar inom D&A. CDAO-rollen är hårt pressad och i Storbritannien stannar en CDAO endast ca 13 månader.
För att lyckas med sitt D&A-arbete är det nu läge att koppla ihop teknologin med verksamheten, så att man kan påvisa en affärsnytta i de ibland dyra D&A-satsningarna som görs.
Istället för att fortsätta investera i nya plattformar kanske fokus ska ligga på att förstå hur man bygger upp förståelse och engagemang i verksamheten för alla kan hjälpa till att driva adoptionen av D&A inom organisationen?
Generativa AI-modeller
I november 2022 släpptes ChatGPT i publik version och enligt Gartner har inte marknaden sett likadan ut sedan dess.
Där paradigmskiften inom D&A tidigare tagit 40 år, 20 år, 8 år, spår de nu att D&A-området om bara ett år kommer se markant annorlunda ut jämfört med idag.
Gartner pekar på att på bara några få månader har 5% av deras tillfrågade kunder redan infört förbud mot att använda olika AI-verktyg eftersom det råder stor osäkerhet kring frågor inom säkerhet och risk. Det finns också stor osäkerhet kring hur AI kommer påverka det dagliga arbetet och olika arbetsroller.
Hur påverkar den nya generationens AI-verktyg synen på begrepp så som Data Literacy och Data Democracy? Hur ska man tänka när de här verktygen blir så pass lättillgängliga att de blir oumbärliga stöd för verksamheten, oavsett vad för riktlinjer som sätts på högre nivå? Hur och vilka roller kommer förändras fundamentalt, och vilka roller kommer eventuellt försvinna helt? Och på samma sätt - vilka nya roller kommer vi få se inom kort som var helt okända för bara något år sedan? Rollen som Prompt Engineer är ett sådant exempel.
Data management, data quality & data observability
Om man knyter ihop de båda rubrikerna ovan, ser man att en organisations koppling till data kommer förändras. När organisationer fokuserar mer på att få ut och sprida affärsnytta genom sin D&A-plattform och generativa AI-modeller gör att avståndet mellan verksamhet och data minskar ytterligare, kommer hanteringen av data och datakvalitet bli viktigare än någonsin. De D&A-plattformarna Gartner ser som framtiden (Data Fabric, Data Mesh och Data Lakehouse) bygger alla på en kombination av investeringar i både teknik och organisation. Här tror man att begrepp som "Augmented data" och "Active metadata" kommer bli centrala, understödda av AI som tillgängliggör och automatiserar åtkomsten av data. Om en organisation blir mer data-driven och samtidigt mer beroende av AI för att leverera den "nya generationens berikade data" blir det därmed också viktigare än någonsin att man har kontroll och kunskap om sin data. Vilka problem uppstår om du inte kan svara på vad en generativ AI-modell baserat sitt svar på?
Efter tre intensiva dagar fullspäckade med seminarier och mingel tycker vi att budskapet från marknaden är tydligt. Att investera i nya teknologier utan att identifiera och förankra det mot verksamhetens affärsnytta - att köpa sig till att bli en data-driven organisation - fungerar inte. Samtidigt är vi på väg in i ett nytt paradigmskifte där data och insikter tillgängliggörs på en helt ny nivå med hjälp av generativ AI. Det är därför av yttersta vikt att göra strategiska D&A-val som möjliggör verksamhetsgrundat beslutsstöd över hela organisationen.