Nu har vi en komplex situation med svag ekonomi och geopolitisk oro. De flesta IT-cheferna, nära sju av tio, globalt har uttryckt oro över de ökande teknikinvesteringarna som krävs för att förbli konkurrenskraftiga. Samtidigt är det få som vill minska sina datainvesteringar, enligt en undersökning av analysföretaget IDC. Det är därför viktigare än någonsin att investera med precision, främst inom beslutsstöd och datahantering. Nedan ger jag förslag inom dessa områden, för att få ut maximal effekt med begränsade resurser.
Snabbare och mer precisa beslut
”Decision Velocity” beskriver användningen av data för att snabbt fatta välgrundade beslut. Genom kombinationen av analys, automatisering och AI kan organisationer kraftigt förbättra beslutshastigheten och beslutsprecisionen. Gartner hävdar att 95% av beslut som använder data kommer åtminstone delvis bli automatiserade. Detta gäller främst beslut som behöver tas snabbt, har stor volym och återanvändbarhet. Maskiner kan fatta tusentals beslut per sekund, vilket är en stor fördel i utmanande tider. Även om det är vettigt att automatisera det operativa beslutsfattandet är det personalens uppgift att övervaka besluten.
Dataläskunnighet – förmågan att kunna förstå och tolka data – kommer också att förkorta tiden till beslut. Om man kan korta ner tiden från data till beslut, och dessutom ge mer precision, för fler anställda, kommer det att betala sig. Dessutom lär nya roller med fokus på beslut uppstå, som t ex Chief Decision Officer och beslutsdesigner.
Kodoptimera efter behov
App-plattformar med låg kod är viktiga i kristider och kan ge fler appar snabbare och billigare. Samtidigt finns det programmerare och utvecklare som vill koda. Därför finns det verktyg för högkodning för kodare som vill ha flexibilitet. Verktygen hjälper till att skapa appar och ökar användandet av data och insikter. App-automatisering möjliggör att skapa kedjor av händelser som utlöses av data, där autoMLger de mest avancerade algoritmerna. Valet bör inte stå mellan lågkod och högkod utan varje företags kunskaper och behov bör avgöra. Dessutom, med AI och stora språkmodeller som ChatGPT är nästa stora programmeringsspråk engelska, vilket kommer ge stort stöd till både lågkod och högkodare.
Data storytelling
Rätt mängd information vid rätt tidpunkt till rätt personer kan vara svårt när data lagras på många ställen. Storytelling kan få data att bli mer begripligt, känslomässigt och föranleda anställda att agera. Data storytelling behöver vara mer än att lägga till diagram i en presentation. Många insikter kan ges direkt från data och innehålla rekommendationer. Rapportering, varningar, noteringar i realtid, automatisering, inbäddning och rekommenderade prognoser är mekanismer som gör berättandet mer effektivt genom att uppmana till handling när det behövs.
Konsolidering av åtskilda system
Många företag använder bara en liten del av sina data, delvis på grund av separata system utan integration. Men nu ser vi en trend till konvergens. Det omfattar konsolidering av tidigare skilda system, inklusive dataintegration, AI-analys, visualisering, datavetenskap och automatisering. Därmed uppnås synergier, och det blir det lättare för producenter och användare av data att samarbeta för att bygga relevanta dataflöden. Gemensamma standarder och gränssnitt underlättar och med en leverantör blir konvergens enklare.
Rätt användande av data är av stor vikt för företag, och kan hjälpa organisationer att navigera i kriser. Det möjliggör att nå insikter, skapa automatiserade åtgärder och göra bättre prognoser.
Av Dan Sommer, ansvarig för omvärldsbevakning på Qlik
