Det är dags att kalibrera för förändringar i makt – och data
Geopolitiska, sociala och ekonomiska problem. Avskilda tendenser, "integritetsskuld" och brist på kvalificerad arbetskraft. Vissa forskare hävdar att vi befinner oss mitt i en föränderlig världsordning och en avglobaliseringsprocess som kommer att förändra maktbalansen – och data. Detta är vad Qlik tror kommer att påverka data- och analystrender för 2023.
Som data- och analysexprerter är det avgörande att vi lär oss att kalibrera för kriser – så att vi kan reagera i ögonblicket och förutse vad som kommer härnäst. Pålitlig, analysklar data i hög hastighet kommer att vara viktigare än någonsin.
Vill du ta del av Qliks rapport som tittar närmare på de 10 viktigaste trenderna för 2023?
Här är de tre första trenderna som Qlik lyfter fram för 2023:
1. Avbrott i leveranskedjan möter realtidsdata
Alla som har försökt köpa en ny bil, dator eller byggmaterial de senaste åren vet hur hårt leverantörskedjorna har drabbats. Störningar kan inträffa var som helst i världen och de kräver ett omedelbart svar på var störningen är.
Det innebär att man måste agera på beredskapsplaner och till och med "pre-agera", med andra ord att använda prognoser och scenarier för att reagera innan saker börjar gå sönder.
Infrastrukturen för att hantera realtidsdata har funnits under en tid, men de kritiska användningstilfällena och den ultimata potentialen har inte utforskats fullt ut. Nu är det hög tid för det! Vi står inför lagerhantering när råvaror är otillräckliga och transporten störs, behovet av att hitta flaskhalsar i försörjningskedjan för arbeta mer effektivt med partners, och flytt av resurser för att möta nya möjligheter eller möta humanitära behov när konflikter uppstår. Och takten i dessa problem kommer bara att öka
Påverkan
Pandemin och konflikten i Ukraina har skapat en betydande brist på komponenter. Denna bakgrund har blivit triggern för många företag att uppdatera sina dataleverans-pipelines, från batchorienterade till nästan realtidsdata. Och när fler avancerade enheter dyker upp online kommer fler möjligheter att uppstå att utnyttja realtidsdata.
2. Beslutshastighet (decision velocity)
När du väl har realtidsdata på plats är nästa steg att justera dina operativa beslut för att matcha takten i datan. Till exempel, i tider av inflation, fungerar det inte för återförsäljare att driva alla sina kostnadsökningar på kunderna. Istället bör de fokusera på att öka effektiviteten i verksamheten.
Automation bidrar till det. Enligt Gartner kan 95 % av alla beslut automatiseras helt eller delvis. Men även om analyser, AI och automation kan ge fler och snabbare beslut än vad människor kan fatta, är det viktigt att se till att placera människor i början och slutet av beslutsautomatisering.
Beslutshastighet i stor skala handlar också om att förkorta data-to-action för människor. Med andra ord, att minska tiden det tar för människor att hitta data och öka frekvensen av att agera på den. Förutom teknik är datakompetens en nyckelfaktor för detta. Och slutligen lämnar beslutsfattandet ett stort dataspår, med mönster som i sin tur kan analyseras. Det kommer att skapa en öppning för beslutsutdrag.
Påverkan
Nya roller kommer att dyka upp med fokus på beslutsinnovation – såsom Chief Decision Officer, Decision Designer och Decision Engineer. Dessa roller bör inte bara ha till uppgift att automatisera rutinbeslut, utan också att lösa de största och svåraste problemen du möter.
3. Optimering tvärs över låg kod och hög kod
De senaste åren vi kunna se uppkomsten av lågkods-verktyg för att bygga applikationer, som gör det möjligt för icke-tekniska människor att bygga sina egna appar. Dessa verktyg driver inte bara skapandet av appar, de ökar också förbrukningen av data och insikter. Till exempel gör applikationsautomatisering det möjligt för människor att skapa strömmar av händelser som utlöses av data. AutoML ger affärsanalytiker tillgång till de mest avancerade algoritmerna. Och datatransformationer inom dataleverans-pipelines kan också till stor del automatiseras.
Ett av de mest välkända verktygen är GitHub Copilot (baserat på GPT-3), som översätter vanligt språk till kod. GitHub uppskattar att Copilot genererar cirka 30 % av applikationskoden som skapas på sajten.
Å andra sidan har vissa företag programmerare och apputvecklare som helt enkelt vill ha instruktioner som de kan koda. Detta är särskilt fallet inom datateknik och datavetenskap, eftersom dessa fält skrivs för molnet. För att möta dessa behov har vi sett uppkomsten av högkodsverktyg, som tillhandahåller mallar för kodare som vill ha maximal flexibilitet.
Påverkan
Dessa två läger kommer alltid att finnas, även om många användningsfall gradvis kommer att utvecklas från hög kod till låg när repeterbara arbetsflöden identifieras och marknaderna mognar. Ändå bör valet inte stå mellan låg kod och hög kod. Istället bör det vara kodoptimering, med fokus på högsta produktivitet och bästa affärsresultat givet de tillgängliga färdighetsuppsättningarna.