Att förstå och kunna förklara hur analysprogram kommer fram till olika beslutsunderlag, och var datan kommer ifrån, är avgörande för förtroendet och för att företag ska våga vidta åtgärder baserade på beslutsunderlag.
Därför är det av stor betydelse för bättre affärsresultat.
Spårbar, och därmed förklarbar, business intelligence (BI, ibland på svenska även kallat beslutsstöd) ska inte förväxlas med förklarbar artificiell intelligens (AI), även om det finns kopplingar mellan dem.
Förklarbar AI syftar till att lyfta locket på det automatiserade beslutsfattandet av intelligenta maskiner. Det är en nyckelkomponent i EU:s riktlinjer för etik inom artificiell intelligens, som säger att en förklaring bör finnas tillgänglig om hur AI-system påverkar och formar beslutsprocessen, om hur de är utformade och om vad som är motiveringen för att använda dem. Det finns goda skäl för detta. Vi litar bara på beslutsunderlag av intelligenta maskiner om vi förstår processerna bakom. Om vi inte har den förståelsen är det som att vi skulle lita på resultatet från en svart låda.
Vi lever i en värld med alltmer spridd och diversifierad data, av varierande kvalitet. Detta skapar utmaningar. När vi fattar beslut baserat på information utan att förstå källan, sammanhanget eller giltigheten för dessa, kan man betrakta våra beslut som om de kom från en svart låda. Det man kan kalla för desinformationsepidemin är ett symptom på detta. Det enda positiva med fake news, desinformation och sociala mediers tendens att ibland sprida falska uppgifter är att det har skapat en stor efterfrågan på transparens. Många har idag en mer kritisk inställning till kommentarer och olika uppgifter och vill när det känns befogat ha förklaringar, bearbetningar, belägg och bevis.
Oavsett om det är människor eller maskiner som skapar beslutsunderlag och beslut är spårbarhet och förklarbarhet avgörande för tilliten och förtroendet.
Data- och analysbranschen har mognat väsentligt under det senaste decenniet med betydande investeringar i datateknik och utbildning, men det är först under de senaste åren som det skett en stor förändring i den roll som data har för företag. IT-avdelningen hade tills nyligen full kontroll över företagets data – vem som samlade in, sammanställde och använde den. Data har sedan demokratiserats över hela organisationen med framväxten av självbetjäningsanalyser.
Varje affärsavdelning blev aktiva deltagare i att samla in, konsumera och analysera data för att hjälpa dem att fatta bättre och mer välgrundade beslut. Den senaste dataarkitekturtrenden kring ”data mesh”, som stipulerar att data ska ägas av affärsenheterna och behandlas som en produkt, kan bidra till ytterligare till spridning av data, och ställer än mer krav på distribuerad förvaltning/governance och spårbarhet.
Om detta hanteras på rätt sätt kan det bidra till stor affärsnytta. När data demokratiseras över en organisation till en datakunnig personalbas kan globala företag dra nytta av ytterligare upp till cirka 500 miljoner USD i företagsvärde, enligt en undersökning av Qlik.
Dan Sommer, chef för omvärldsbevakning på dataanalysföretaget Qlik
Men det ställer också nya krav på IT-avdelningen. I en självbetjäningsvärld är det kritiskt att man bibehåller ”data lineage”, alltså datans spårbarhet. Det innebär är att det finns en koppling/linje från färdigt analysresultat till ursprungsdata, som kombinerar datakällor från många olika håll. Det hjälper till med att definiera olika beräkningar, måttenheter eller nyckeltal. Vi har alla varit i ett möte där “var kom det numret ifrån” inte kan besvaras, vilket leder till att förtroendet för insikten försvinner. Få är villiga att satsa mycket pengar på en datapunkt som de inte kan förstå.
Det är där som förklarbar BI kommer in. Data lineage ger insyn i datas härkomst, källan – helst på fält/detaljnivånivå – inklusive hantering, processande och den affärslogik som tillämpas på data som har skapat insikten. Det ger individer möjlighet att lita på analysen, så att de löpande kan vidta affärsåtgärder och med förtroende kunna ta vara på nya möjligheter. Det går även med hjälp av data lineage att se orsak och verkan för att till exempel kunna se vilka åtgärder som kan få störst effekt.
När organisationer går alltmer mot en modell av active intelligence, där data inte passivt konsumeras, utan i stället delvis med stöd av automatiska förslag proaktivt vidtar åtgärder kommer spårbarhet och förklarbar BI att växa i betydelse.
Förklarbarhet – oavsett om det gäller data eller systemen som genererar insikterna – kommer att vara nyckeln till förtroende för insikterna, beslutsunderlag, besluten och i slutändan bättre affärsresultat.
