Enligt Qlik ska vi glömma Big Data för nu kommer Wide Data.
Detta är en åsiktsartikel från Qlik:
Trots att vi har bättre möjligheter än någonsin att interagera och närma oss varandra, blir vi allt mer splittrade och ensamma. ”Gillande” i sociala medier leder till polarisering. Algoritmer gynnar vissa typer av innehåll, väcker reaktioner och ser till att hålla oss intresserade längre. Vi har sett tendenser till liknande fragmentering kopplat till integritet, där olika delar av världen applicerar lagstiftning olika. I den privata sektorn predikar handelshögskolor, strateger och aktivister för att avyttra allt som inte är kärnkompetens, men i en fragmenterad värld behöver vi tänka på nya sätt.
Faktum är att ett lapptäcke av affärsmodeller och data – i sig allt mer samma sak – kan omvandlas till en möjlighet. Men för det krävs mer än analys. Vi behöver syntes och analys för att koppla samman distribuerad data till den analytiska leveranskedjan. Tekniken finns redan, men den måste kombineras med rätt processer och rätt kompetens. Tillsammans formar syntes och analys ett system som är avgörande för att genomgripande kunna använda sig av data längst hela värdekedjan i en fragmenterad värld. Nedan är fem av de trender som vi på Qlik ser som de viktigaste inför 2020.
Big Data är bara data. Nu kommer Wide Data
Big data är ett relativt begrepp och därmed också ett rörligt mål. Det går att se som något som befinner sig bortom vad som går att uppnå med ens nuvarande teknik. Om du behöver byta ut eller investera i ytterligare infrastruktur för att hantera stora datamängder har du helt enkelt en ”big data-utmaning”. Men med oändligt skalbar molnlagring är sådan brist på utrymme inte längre ett problem. Det är lättare än någonsin att genomföra databasindexering och analys, samtidigt som vi har verktyg för att se till att data kan flyttas till rätt plats. Konsolidering och Hadoop-distributörernas kämpiga år under 2019 understryker skiftet.
Nästa fokusområde kommer att vara distribuerad data – eller Wide Data. Dataformaten blir mer varierade och fragmenterade. Som ett resultat av detta har olika typer av databaser som är lämpliga för olika datatyper mer än fördubblats – från 162 under 2013, till 342 under 2019.* Företag som kan hantera dessa fragmenterade och varierade datakällor kommer att ha ett försprång gentemot konkurrensen.
DataOps och självbetjäningsanalys skapar Data Agility i hela organisationen
Självbetjäningsanalys har varit ett ämne som diskuterats under lång tid. Tyvärr gäller inte samma sak för datahantering – än. ”DataOps” har presenterats som en automatiserad, processorienterad metodik som syftar till att förbättra kvaliteten och minska tiden av datahantering för analys. Den fokuserar på kontinuerlig leverans genom att vid behov utnyttja IT-resurser och genom att automatisera test och distribution av data. Teknik som dataintegrering i realtid, förändring av datafångst (CDC) och så kallade streaming data pipelines gör detta möjligt. Genom DataOps kan 80 procent av kärndata levereras på ett systematiskt sätt till affärsanvändare, vilket leder till att färre behöver preparera datan på egen hand. Med DataOps på den operativa sidan och analytisk självbetjäning på användarsidan uppnås ett flöde över hela informationens värdekedja, vilket kopplar samman syntes och analys.
Aktiva metadatakataloger binder samman data och analys
Efterfrågan på datakataloger ökar i takt med att organisationer försöker hitta, inventera och dra slutsatser av olika distribuerade datatillgångar. År 2020 ser vi fler AI-baserade metadatakataloger som kommer att hjälpa till att skifta denna stora uppgift från manuell och passiv till aktiv, anpassningsbar och förändringsbar. Detta kommer att binda samman och styra smidigheten i DataOps och självbetjäningsanalyser. I aktiva metadatakataloger ingår också individspecifik informationsanpassning, som är en viktig komponent för relevant insiktsgenerering och skräddarsytt innehåll.
Dataläskunnighet as a service
Att koppla samman syntes och analys för att bilda ett system hjälper till att driva dataanvändning, men ingen data- och analysteknik eller process i världen kan fungera utan rätt kompetens. Att ge verktyg till användare och hoppas på det bästa räcker inte. En kritisk komponent för att övervinna branschstandardens 35-procentiga analysanvändningsgrad är att hjälpa människor att bli säkrare på att läsa, arbeta med, analysera och kommunicera med data.
År 2020 förväntar man sig att företags kompetensutveckling kommer att behöva skala upp och man kommer att vilja samarbeta med leverantörerna. Detta uppnås genom ett kombinerat partnerskap mellan programvara, utbildning och support – ”as a service”. Målet kan vara att driva adopteringen till 100 procent, hjälpa till att kombinera DataOps med självbetjäningsanalys eller att göra data till en del av varje beslut. För att detta ska vara effektivt måste man först göra en bedömning av var organisationen befinner sig, för att sedan sätta upp mål och bestämma tillvägagångssätt för utveckling.
Shazam-effekten och ny interaktion med data
Effekterna av analys av stora mängder data har nu nått ett vägskäl. Här finns anledning att dra en parallell till den välkända musiktjänsten Shazam, som gör det möjligt att spela in ljud med en smartphone för att sedan få reda på artist och låtnamn. På senare tid har liknande funktionalitet börjat användas för att identifiera exempelvis kläder, växter eller djur i foton. Under 2020 ser vi även Shazam-inspirerade användningsområden av data i företaget. Genom att exempelvis peka på en datakälla blir det möjligt att få telemetri om var den kommer ifrån, vem som använder den, hur hög datakvaliteten är samt hur mycket av uppgifterna som har förändrats under dagen. Algoritmer hjälper analytiska system att säkerställa data, hitta avvikelser och insikter samt föreslå ny data som den bör analyseras tillsammans med. Detta kommer att göra det möjligt för oss att konsumera rätt data vid rätt tidpunkt.
Vi kommer att se detta i kombination med genombrott i samspel mellan data – genom att gå längre än sökning, instrumentpaneler och visualisering. I ökad utsträckning kommer vi att kunna interagera sensoriskt genom rörelser och uttryck samt även med sinnet. Facebooks senaste köp av CTRL Labs – ett minnesläsande armband – och Elon Musks Neuralink-projekt är tidiga indikationer på vad som väntar. År 2020 kommer några av dessa banbrytande innovationer att börja förändra upplevelsen av hur vi interagerar med data. Fördelarna är många, men teknikerna måste användas på ett ansvarsfullt sätt.
Vänd fragmentering till din fördel genom att addera syntes och analys för att skapa ett dynamiskt system. DataOps och självbetjäning kommer att vara process och metod. Datakunskap och etik blir viktiga mänskliga faktorer för att leda oss rätt. Innovativa tekniker som drivs av AI kommer att underlätta hela kedjan genom att förbättra och påskynda dataanvändningen. Dessa trender bildar pusselbitar som tillsammans leder oss vidare i den digitala tidsåldern.
Artikeln är skriven av:
Dan Sommer som är Senior Director, Global Market Intelligence Lead på Qlik.