Sponseret indhold

Ny generation af dataanalyse skaber ny viden og frigør ressourcer – sådan sker det

Nye værktøjer med integrereret AI og sproggenkendelse kan finde skjulte sammenhænge i enorme datalagre. Det frigør medarbejdertimer og guider brugerne til nye opdagelser.
Af TECH RELATIONS for Arrow ECS Denmark
Det eksplorative analyseværktøj kan automatisk finde skjulte sammenhænge i store datasæt. Illustration: FullVector/Bigstock

De fleste virksomheder har efterhånden den digitale udgave af en større lagerhal fuld af flyttekasser med Excel-ark og dokumenter liggende. For alle ved, at data er guld.

Problemet er bare, at det kan være mere end almindeligt svært at finde nye guldårer, hvis man stadig bruger fortidens metoder, vurderer Tina Holm Mikkelsen, partner i Bluesight Consulting.

»De fleste virksomheder bruger jo gammeldags deskriptiv dataanalyse, hvor de beder et system om at sammenligne forskellige udvalgte datapunkter i udvalgte datasæt. Så finder du det, du leder efter, og ikke mere end det.«

Det er jo naturligt nok for en virksomhed at arbejde på den måde, når der ikke er bedre måder at behandle sine data på, men den næste generation af dataanalyse er faktisk allerede tilgængelig.

Nogle virksomheder bliver allerede hjulpet til helt nye indsigter og synergier af eksplorative analyse-værktøjer, fortæller Tina Holm Mikkelsen.

»Vi har mange first movers, der er åbne og reagerer positivt på de ting, der dukker op, når vi for eksempel tager en sparringsdag om brug af IBM's Cognos Analytics med dem. De tænker: 'Fedt, det kan vi arbejde videre med'.«

Barrieren er lav

Disse digitale first movers træder væk fra den deskriptive tilgang til analyse og har omfavnet en AI-infuseret eksplorativ tilgang, som revolutionerer deres evne til at hente viden og muligheder ud af data.

Det er ikke en proces, der behøver at trække tænder ud, før man får styr på den, understreger Peter A. Stilling, technical sales specialist hos IBM.

»Det fede ved at bruge et værktøj med AI capabilities er, at barrieren for at komme i gang er lav. Hvis dine data har en fornuftig kvalitet, bliver du holdt i hånden, fordi Cognos Analytic allerede har fundet sammenhængene frem bag scenen.«

Med mulighed for at kombinere store mængder af omfangsrige datasæt kan systemet finde nye sammenhænge i alle de data, en virksomhed har samlet gennem årene.

De nye indsigter i gamle data kan fremadrettes og frigøre medarbejdertimer, så Cognos Analytics eksempelvis underretter regnskabsafdelingen, hvis der er diskrepans mellem indgående fakturaer og leverandøraftaler. Alt efter virksomhedens behov kan den slags søgninger automatisk foretages i tidsintervaller fra år til sekunder.

Sådan virker det

Det er alt sammen muligt, fordi sprogforståelse og machine learning er kernen i det eksplorative dataanalyse-værktøj.

Systemet vurderer selv sammenhænge mellem datapunkter i flere forskellige datasæt og fremhæver vigtige pointer og foreslår relevante sammenhænge mellem datasæt ud fra de indledende søgninger, brugeren selv foretager.

Når først en virksomhed beslutter sig for at komme med i den nye generation af dataanalyse, er det overraskende nemt at forbinde alle relevante datakilder, understreger Tina Holm Mikkelsen.

»Det tekniske bag forbindelserne ud til en virksomheds data er jo en vigtig del af Cognos Analytics, for det kunne jo ikke komme ud over rampen uden alle de indbyggede API'er og SQL-connections. Det er endnu et af de områder, det er nemt at arbejde med, for Cognos Analytics har en secure gateway, der beskytter og krypterer forbindelsen til de systemer, der forbindes til. Det betyder maksimal sikkerhed både til on premise og cloud.«

Det handler om penge

Helt basalt handler den nye generation af dataanalyse selvfølgelig om penge. Både i form af optimerede arbejdsgange, der frigør medarbejdertimer, og i form af nye indsigter i ens forretning, som kan åbne døre for mere salg og reducere spild.

Eller som Tina Holm Mikkelsen siger:

»Det handler om at hive værdi ud af de data, man har. I gamle dage var det her et stort projekt. Men med eksplorative dataanalyse-værktøjer kan man tænke stort og starte småt. Man kan starte med et afgrænset datasæt og få føling med, hvordan man arbejder med det her, og have ro i maven, når det senere bliver kørt ud i større skala.«

Læs to use-cases om anvendelsen af eksplorativ dataanalyse