Samarbete, bredd och flexibilitet i fokus när Oracle pratar dataanalys

Oracle jobbar hårt på att anpassa företagets dataanalysplattform till de konkreta behov som kundföretagen har. Prio ett är att underlätta samarbete i analysteam som innefattar alla de olika kompetenser som behövs. Det berättar Oracles Pelin Ozbozkurt.

Samarbete, bredd och flexibilitet i fokus när Oracle pratar dataanalys 1Dataanalys, maskininlärning och i viss mån AI är begrepp som omäxlande används för att beskriva samma sak: att göra analyser och ta fram beslutsunderlag, eller till och med fatta beslut, baserat på data. Det är ett ämne som stod i rampljuset under Europaversionen av det digitala jätteeventet Data Innovation Summit 2020 under fyra dagar förra veckan.

Oracle var på plats med flera talare, bland annat Pelin Ozbozkurt som är Europaansvarig för dataanalyslösningar, eller Data Science Solution Director som är den engelska titeln. Hon pratade om viktiga övergripande saker att tänka på för att lyckas med dataanalys och, naturligtvis, om hur Oracle Cloud Data Science Platform kommer in i bilden. Det är ett väldigt beskrivande namn på en molntjänst för dataanalys.

Det första hindret mot lyckad dataanalys, eller ”data science”, är enligt Pelin Ozbozkurt att få tag på data. Här kan en plattform underlätta hanteringen och företag som Oracle och vissa konkurrenter kan även bidra med datakällor. Men i mångt och mycket är det en uppgift att lösa för användarföretagen.

Det andra stora hindret är att analyslösningarna ofta har karaktären av svarta lådor. Det är svårt att förstå hur de kommer fram till analysresultat och ännu svårare att optimera och ändra analyserna. Här kan en lättanvänd och flexibel analysplattform underlätta avsevärt.

– Just nu förändras allt, hur vi jobbar, hur vi konsumerar, och så vidare. Det innebär att man måste kunna förändra analysmodellerna och även kraven på datakvalitet, säger Pelin Ozbozkurt.

Hur ska man ta sig an utmaningen att lyckas med dataanalys? Pelin Ozbozkurt lyfter framför allt fram ett viktigt råd: dataanalys är i dag ett teamarbete och kräver team med flera olika kompetenser. Dagarna för dataanalytikern som enstöring som dold från insyn gör magiska analyser är över.

De kompetenser som behövs i ett analysteam finns främst inom följande tre områden:

Ÿ– Dataanalytiker, eller ”data scientist”. En person som organiserar data, bygger analysmodeller och kör dem.

Ÿ– Dataexpert, eller ”data engineer”. En mer tekniskt inriktad roll som bland annat inbegriper att administrera databaser och överföringar av data.

Ÿ– Affärsområdesexpert. En person som förstår vilka behov som behöver uppfyllas och som har förmågan att vaska fram de konkreta guldkornen från analysresultaten.

Det kan förstås vara en fördel om en individ täcker in flera kompetenser. Men det är viktigt att de olika aspekterna tillgodoses, därför är det bra med representanter för alla tre. Oracles budskap är att en bra analysplattform underlättar samarbete mellan de tre typerna av teammedlemmar.

– Vår analysplattform för samman dataanalytiker, dataexperter och affärsområdesexperter, säger Pelin Ozbozkurt.

Lägg till det att en bra analysplattform bjuder på flexibilitet, till exempel för vilka språk och mjukvaror som kan användas för att utveckla och köra analysmodeller. En bra analysplattform gör det också enkelt att förstå resultaten av analyserna, liksom att konstruera analysmodellerna.

Av Lars Danielsson