Stödjer er BI-plattform en datadriven kultur?

Att vara en datadriven organisation innebär att ett företags agerande styrs av faktabaserade beslut istället för intuition eller personlig erfarenhet. För att möjliggöra en kultur som drivs av data där faktabaserade beslut tas i alla led krävs framförallt tillgång till data och en förmåga att kunna tolka och förmedla den. I samband med att begreppet ”datadriven kultur” har vuxit sig starkt ser vi kompletterande trender inom BI för att kunna stödja denna process


Nya sätt att tillgängliggöra och demokratisera data


Tidigare har en beslutsfattares tillgång till data generellt varit i form av standardiserade rapportpaket som ofta kompletterats med en möjlighet att göra egna analyser från färdiga analysmodeller (ex kuber). Denna form av kontrollerad self-service kommer fortfarande att vara viktigt men detta rigida ”data-silos” format har gjort det svårt för slutanvändare att ad-hoc mässigt kombinera olika typer av data för analys. För att öppna upp ett företags datatillgångar och göra det möjlighet för beslutsfattare att upptäcka och använda data explorativt för att stödja datadrivna beslut börjar användningen av datakataloger, gemensamma datamodeller och dataflöden med gemensamma entiteter (tabeller ex en kund-dimension) att bli ett nytt sätt att distribuera data. I en datakatalog registreras ett företags samtliga datatillgångar och användare får även möjlighet att associera datakällan med övrig viktig kunskap och ”know how”. Kunskap som annars ofta endast ligger hos enstaka super-users blir tillgänglig för alla och underlättar arbetet med att demokratisera data. Att arbeta med dataflöden i Power BI är ett sätt att enklare kunna dela tvättade och transformerade datasett till användare då dessa entiteter är datasett som ligger frikopplade från själva Power BI rapporten. Ett arbetssätt, som vid en Power BI strategi, innebär möjligheten att skapa ett centraliserad datalager. Att låta analytiker arbeta mot ett datalager istället för färdiga modeller ger en ökad flexibilitet att kunna kombinera olika datakällor


Nya möjligheter att distribuera data


Den moderna BI-plattformen bör även kunna stödja distribution av data till sin användare där de befinner sig. Data och analysfunktioner behöver integreras i de applikationer som beslutsfattare använder dagligen. Med hjälp av mobila appar och inbäddade rapporter och dashboards kan vi integrera analysfunktioner direkt i arbetsflöden för att uppnå det som kallas för ”agerbar analys”. Vi har exempelvis kunder som idag publicerar vissa av sina Power BI rapporter i Microsoft Teams då det är i denna kanal det dagliga samarbetet i olika grupperingar sker. Vid utrullning av nya analysmöjligheter är det därför av stor vikt att analysera var användarna befinner sig idag och i vilket sammanhang data kommer att användas och hur möjligheterna att agera på den ser ut.


Förmåga att tolka data och förmedla sina insikter


Begreppet dataläskunnighet inom en organisation är också ett begrepp som börjar användas och handlar om förmågan att kunna använda och dra korrekta slutsatser från data. Ett exempel kopplat till GDPR är att det i en organisation måste finnas en förståelse för vilken data som är känslig och hur den bör hanteras. Möjligheten att använda NLQ (Natural Language Queries) i verktyg så som exempelvis Power BI för att ställa frågor mot data är också en funktion som kan bidra till att höja förmågan att kunna dra slutsatser från data då en användare inte behöver kunna bygga egna visualiseringar utan (endast) ställa relevanta frågor. Användning av AI i rapportverktyg likaså. För att kunna förmedla de insikter en beslutsfattare har erhållit genom att undersöka och analysera sin data behövs också en möjlighet att enkelt kunna visualisera dem. Ett väl kommunicerat budskap ger en ökad förståelse och en större genomslagskraft. Att kunna skapa en tydlig berättelse kring sin data (sk ”Data storytelling”) är därmed en viktig funktionalitet i ett BI-verktyg.