Skip to content

Topp 10 data- og analysetrender for 2023

Hva er det som skjer innen data og analytics i 2023? I dagens datadrevne verden er det viktig for bedrifter å vurdere hvordan trender vil påvirke måten de ansatte forstår data, måler prestasjon og sammen tar virksomheten til neste nivå. Basert på Qlik’s årlige rapport får du her de viktigste data og analysetrendene for året.
19. jan Carina Ramsøy

Det er på tide å kalibrere for endringer i makt – og data

Geopolitiske, sosiale og økonomiske bekymringer. Isolasjonistiske tendenser, «personverngjeld» og mangel på kvalifisert arbeidskraft. Noen forskere hevder at vi er midt i en skiftende verdensorden og en deglobaliseringsprosess som vil endre maktbalansen – og data. Det er dette Qlik mener vil påvirke data- og analysetrendene for 2023. 

Som data- og analyse fagfolk er det avgjørende at vi lærer å kalibrere for kriser – slik at vi kan reagere i øyeblikket og forutse hva som kommer neste gang. Pålitelige, analyseklare data i høy hastighet, vil være viktigere enn noen gang. 

Vil du se Qlik sin rapport som tar for seg de 10 trendene for 2023? Last ned rapporten her!

Her er de 3 første trendene Qlik trekker frem for 2023:

1. Forstyrrelser i forsyningskjeden møter sanntidsdata

Alle som har forsøkt å kjøpe en ny bil, datamaskin eller byggematerialer de siste årene vet hvor alvorlig leverandørkjedene har blitt påvirket. Forstyrrelser kan skje hvor som helst i verden, og de krever en umiddelbar reaksjon.

Det betyr å handle på beredskapsplaner og til og med "pre-agere", med andre ord bruke prognoser og scenarier for å reagere før ting begynner å bryte sammen. Infrastrukturen for å håndtere sanntidsdata har vært på plass en stund, men de kritiske brukstilfellene og det endelige potensialet har ikke vært fullt ut utforsket. Nå burde de være det. Vi står overfor lagerstyring når råvarer er knappe og frakt forstyrres, behov for å finne flaskehalser i forsyningskjeden for å fylle ut og jobbe mer effektivt med partnere, og å måtte flytte ressurser for å takle nye muligheter eller møte humanitære behov når konflikter oppstår. Og tempoet i disse problemene kommer bare til å akselerere

Påvirkning

Pandemien og konflikten i Ukraina har skapt betydelig mangel på komponenter. Dette bakteppet har blitt triggeren for at virksomheter må oppdatere sine dataleveringspipelines, fra batchorienterte til nesten sanntidsdata. Og etter hvert som flere edge-enheter dukker opp på nettet vil det oppstå flere muligheter for å utnytte sanntidsdata.

2. Hastigheten i beslutningene 

Når du har sanntidsdata på plass, er neste trinn å justere dine operasjonelle beslutninger til samme tempo som dataene. For eksempel i inflasjonstider fungerer det ikke for forhandlere å presse alle kostnadsøkningene sine på kundene. I stedet bør de fokusere på å øke effektiviteten i virksomheten. 

Her vil automatisering hjelpe til. I følge Gartner kan 95% av alle beslutninger være helt eller delvis automatisert. Men selv om analyser, AI og automatisering kan sørge for flere og raskere beslutninger enn hva mennesker får til, er det viktig å sørge for å plassere mennesker i begynnelsen og slutten av beslutningsautomatisering.

Beslutningshastighet i stor skala handler også om å forkorte data-til-handling for mennesker. Altså å redusere tiden det tar for folk å finne data og øke hyppigheten av å handle på dette. I tillegg til teknologi er datakompetanse en sentral muliggjører for det. Og til slutt etterlater beslutningshastigheten et stort dataspor, med mønstre som igjen kan analyseres. Det vil skape en åpning for beslutningsutvinning.

Påvirkning

Nye roller vil dukke opp med fokus på beslutningsinnovasjon – som Chief Decision Officer, Decision Designer og Decision Engineer. Disse rollene bør ikke bare ha i oppgave å automatisere rutinemessige beslutninger, men også å løse de største, vanskeligste problemene du står overfor.

3. Optimalisering på tvers av lav kode og høy kode

De siste årene har vi sett fremveksten av lavkodeverktøy for å bygge applikasjoner, som gjør det mulig for ikke-tekniske folk å bygge egne apper. Disse verktøyene driver ikke bare opprettingen av apper, de øker også forbruket av data og innsikt. For eksempel gjør applikasjonsautomatisering det mulig for folk å lage strømmer av hendelser som blir utløst av data. AutoML gir forretningsanalytikere tilgang til de mest avanserte algoritmene. Og datatransformasjoner innenfor dataleveringspipelines kan også i stor grad automatiseres.

Et av de mest kjente verktøyene er GitHub Copilot (basert på GPT-3), som oversetter vanlig språk til kode. GitHub anslår at Copilot genererer omtrent 30 % av applikasjonskoden som opprettes på nettstedet.

På den annen side har noen virksomheter programmerere og apputviklere som rett og slett vil ha instruksjoner de kan kode inn. Dette er spesielt tilfellet innen data engeneering og data science, ettersom disse feltene blir skrevet for sky. For å imøtekomme disse behovene har vi sett fremveksten av høykodeverktøy, som gir maler for kodere som ønsker maksimal fleksibilitet.

Påvirkning

Disse to leirene vil alltid eksistere, selv om mange brukstilfeller gradvis vil utvikle seg fra høy kode til lav etter hvert som repeterbare arbeidsflyter blir identifisert og markedene modnes. Likevel bør valget ikke stå mellom lav kode og høy kode. I stedet bør det være kodeoptimalisering, med fokus på den høyeste produktiviteten og de beste forretningsresultatene gitt de tilgjengelige ferdighetssettene.

Vil du se resten av trendene for 2023? Last ned Qlik sin rapport for å få trender og inspirasjon!

Topp 10 data- og analysetrender 2023

 

Relaterte artikler