[DEBATT] Den stora osäkerheten i omvärlden ökar vikten av beslutsprecision.
Det har blivit en överlevnadsfråga, särskilt när vi står inför en utmanande ekonomisk period.
I början av året kunde man tro att händelser utan motstycke låg bakom oss, men nu befinner oss i något av en perfekt storm. En ekonomisk recession är på väg, konflikter fortsätter att påverka försörjningskedjor och globala marknader. Vi ser redan effekterna på det tekniska landskapet med till exempel minskad finansiering av riskkapitalbolag till yngre bolag, USA:s och Kinas tekniska ekosystem fjärmar sig från varandra, fortsatt allmän brist på datakompetens och mer komplexa regleringar träder i kraft.
Trycket på innovation är hårt och avgörande för framgång är att uppnå beslutsprecision och integrera data som finns i silos och distribuerade datamängder för att se den stora bilden i realtid. Därför bör företag som funderar över smarta investeringar agera på dessa viktiga trender inför och under 2023.
1.Artificiell intelligens (AI) flyttar djupare in i dataflödet: Många kommer minska investeringar och anställningar i osäkra ekonomiska tider. Men med den globala kompetensbristen krävs att tekniker som AI och maskininlärning (ML) kan automatisera några av de enklare uppgifterna för dataförberedelse. Genom att flytta AI djupare in i dataflödet innan en applikation eller instrumentpanel har byggts kan vi ändra fördelningen av den tid som läggs på dataförberedelse respektive dataanalys. Nu går mindre än 20 procent av tiden åt till att analysera data, medan drygt 80 procent av tiden läggs kollektivt på att söka efter, förbereda och styra lämpliga data. Detta skulle göra det möjligt för datatalanger att fokusera på mervärdet; korsbefruktning och generering av nya insikter, en mer produktiv användning av deras tid.
2.Investera mer i derivativa och syntetiska data. Det finns ett stort värde av att investera tid och resurser i riskprognoser och riskhantering. Tyvärr fanns det före covid-19 inte tillräckligt med verkliga data om pandemier som var lätt tillgängliga för den genomsnittliga verksamheten för att förbereda sig för en sådan kris, men det är just här som syntetiska data täpper till luckan. Forskning tyder på att modeller som tränas på syntetiska data kan vara mer exakta än andra, och eliminerar en del av de problem med integritet, upphovsrätt och etiska frågor som är förknippade med riktiga data. Med hjälp av derivatdata kan vi använda data för flera olika ändamål och möjliggöra den viktiga scenarioplanering som behövs för att förbereda oss för framtida problem och kriser.
3.Var beredd på att maskiners kapacitet för språk kommer att konkurrera med den mänskliga förmågan: Många organisationer använder språklig AI i sin grundform, till exempel chattbot för kundsupport hos banker eller försäkringsgivare. Populariteten för den tekniken spås öka med cirka 18 procent under de närmaste åren; men också utvecklas dramatiskt. Det finns flera nya modeller under utveckling som är betydligt kraftfullare än idag. Vi vet att möjligheterna med maskiners kapacitet för språk kommer att få stora konsekvenser för hur vi söker, tolkar och rapporterar information. Vi kommer att hitta de uppgifter vi söker men även de uppgifter vi inte tänkt på att fråga efter.
4.Minska störningar i försörjningskedjan med hjälp av realtidsdata: Det finns inga tecken på problemen med försörjningskedjorna kommer att avta de närmaste åren. Därför finns behov att kunna reagera snabbt, eller helst förutse problem innan de börjar. Möjlighet att analysera data i realtid och i sitt sammanhang är nyckeln till detta. Det är inte konstigt att IDC spår att 60 procent av utgifterna för teknik för datainsamling och dataförflyttning år 2027 kommer att handla om att möjliggöra simulering, optimering och rekommendationer i realtid.
5.”X fabric” agerar som kitt i en komplex och distribuerad värld. Investeringarna i data och analys har ökat dramatiskt till följd av pandemin och väntas fortsätta att göra det – 93 procent av företagen uppger att de planerar att fortsätta öka dessa budgetar. Men snabbt skiftande regler om integritet samt distributionen, mångfalden och dynamiken av data sätter sina begränsningar. Det blir en utmaning i en fragmenterad värld, eftersom hantering av data och analytiska artefakter blir än mer komplex. Förbättrad åtkomst, realtidsrörelse och avancerad omvandling av data mellan källor och system i hela företaget är avgörande för att organisationer ska kunna nyttja datans fulla kraft. Därför vänder sig allt fler företag till en arkitektur med en “X-fabrik” – alltså ett kitt inte bara för data utan även för applikationer, instrumentpaneler för beslutsstöd och algoritmer, som möjliggörs av kataloger, transformation, metadata och andra lösningar för dataintegration i molnet. Återanvändning av data och analytiska artefakter är en kritisk komponent i den moderna distribuerade miljön för alla organisationer som vill agera med säkerhet.
Efter de senaste åren är vi bättre förberedda än tidigare på att ta itu med krisutmaningar. Inom data och analys måste vi anpassa oss till mer fragmentering, med disparata datacenter, störda försörjningskedjor, det ständiga behovet av innovation och försvårad tillgång till kvalificerad arbetskraft. I en värld där kriser blivit ständiga blir det en kärnkompetens att kalibrera för dem, så att vi kan reagera i stunden och på bästa möjliga sätt förutse vad som kommer härnäst.
Av Dan Sommer, chef för omvärldsbevakning på Qlik
