Dataanalys är ett område som aldrig står stilla. Det investeras tungt i analys för att driva på digitaliseringen och hänga med i trenderna – allt för att säkra framgångar som ligger månader eller år fram i tiden.
Fram till 2023 räknar analysfirman Market Research Future att dataanalys ligger på en tillväxttakt på 30,8 procent och att marknadsvärdet når nära 78 miljarder dollar mot slutet av perioden, drygt 740 miljarder kronor.
Vår amerikanska systersajt CIO.com har pratat med personer på fältet och urskiljer fyra stora analystrender under det närmaste året.
Skapandet av en data-driven kultur
Det handlar inte bara om att omvandla sin verksamhet och göra den mer datadriven. Tekniken är den enkla delen det är de flesta experter eniga om. Det som är svårare är att få med sig människorna och skapa en ny företagskultur.
– Den viktigaste delen av data är människor, säger Caroline Carruthers, på konsultfirman Carruthers and Jackson.
– Om du får alla i din organisation att förstå vad du vill göra med data och information och marschera till samma takt och till samma trumma så är det mycket mer kraftfullt än om du gömmer tio dataanalytiker någonstans i ett elfenbenstorn.
Gartneranalytikern Rita Sallam håller med och framhåller att kultur alltid är en stor utmaning oavsett vilken teknik det handlar om.
– Har vi en tillräcklig insatt personalstyrka som också kan ta de insikter, som görs tillgängliga för dem genom den nya tekniken, och agera på dem?
Det kräver också en förändring av ledarskapet enligt David Schatsky, som arbetar med trendanalys i konsultfirman Deloittes innovationsteam.
Det handlar om att verksamheterna måste inskärpa att vid varje affärsbeslut så måste de ansvariga fundera över om det finns data som kan hjälpa affären att bli smartare eller bättre.
– Det kräver en förändring av attityden. För att den ska bli genomgripande krävs en förändring av ledarskapet. Ledarskapet måste vara fokuserat och driva det genom organisationen, säger han.
Men det kan gå för långt varnar Meta S Brown, vd på affärsanalysföretaget A4A Brown.
– Jag tror det finns mycket reella gränser för hur långt man kan förvänta sig att chefer blir analysexperter. Att förstå lite av terminologin är rimligt, men då menar jag lite, säger hon.
Hon pekar på hur en ledning visserligen måste kunna de viktigaste lagarna och kan läsa ett avtal men att de knappast förväntas ge råd kring komplexa legala problem. Detsamma gäller för dataanalys.
Meta S Brown tycker inte det är rimligt att lägga på en vd att gå kurser i dataanalys till exempel eller att göra dataanalys själva.
– Det är min professionella åsikt att vad vi ska förvänta oss av dem när det gäller att lära sig om dataanalys bör vara minimalt. Det är vårt jobb som dataanalysexperter att få affärsinformationen från dem under processen och vårt ansvar att översätta vad de säger om verksamheten till dataanalystermer.
Krångla inte till det i onödan
De senaste åren har diskussionen kring dataanalys allt mer börjat handla om avancerad teknik som maskininlärning, neurala nätverk och andra delar av AI.
De områdena kommer också att fortsätta dra till sig uppmärksamhet men många verksamheter kommer också att ta ett steg tillbaka och dra ur mer nytta ur mindre avancerad dataanalys tror flera experter.
– Jag är chockad över alla presentationer jag sett och så många artiklar jag läst där människor pratar om bland den mest komplexa matematik man kan tänka sig, och de talar om den i verksamheter som inte egentligen har dragit någon nytta av enklare matematik, säger Meta S Brown.
Hon tillägger att om företagen bara utnyttjade grundläggande statistik skulle det bli en boom för USA:s ekonomi.
Caroline Carruthers tror också att företagen kommer att lägga mer tonvikt på grundläggande analys i takt med att de verkligen försöker få ut värde ur den.
– Vi tog nästan ögonen på analysbollen eftersom många människor blev så glada över maskininlärning och AI och plötsligt sa "oh, vi måste göra alla dessa fantastiska saker", säger hon.
Automatisering är grejen
I takt med den ökande datakomplexiteten och vad som krävs för att processa och analysera så kommer automatisering bara att bli allt viktigare.
En viktig drivkraft är bristen på dataanalytiker och andra it-proffs konstaterar David Schatsky.
– Många dataanalytiker skulle säga att de ägnar runt 80 procent av sin tid till långtråkiga och repetitiva uppgifter som att preparera data och välja algoritmer. Mycket av det som vi har sett kan automatiseras till viss del, säger han.
Men det innebär inte att maskinerna kommer att ersätta dataanalytikerna.
– Vad det innebär är att de kan vara fem gånger mer produktiva vilket i sin tur innebär att ett företag med två dataanalytiker kan agera som om de hade tio genom att använda automatisering.
Tredjeparts-data blir allt viktigare
David Schatsky förutspår att företag som håller på med mer avancerad dataanalys kommer att använda sig mer av data från tredje part de närmaste åren.
– Att kunna använda sig av tredjepartsdata på ett effektivt sätt går utöver de vanliga tekniska hindren som dataintegration, datarensning och allt sånt.
Det leder till att företagen behöver skaffa sig ny kompetens som att kontinuerligt skanna efter tillgängliga datakällor, skapa effektiva processer för att utvärdera dem – och dessutom ha koll på upphandling, juridiska frågor och riskbedömning.
– Det är kompetens som företagen verkligen behöver lägga energi på och investera i, säger David Schatsky.
För företag med mer sofistikerad analysförmåga kan det vara intressant att få in tredjeparts-data i form av exempelvis väderprognoser – kanske har de leverantörer i områden som är känsliga för väderstörningar. Eller så kan det handla om data från sociala medier för att hitta nya efterfrågemönster – om en viss produkt ökar bör man då öka inköpen av de råmaterial som krävs för den?
– Det är nästa nivå av excellens som företag strävar efter, säger David Schatsky.
