Data og analyse, kombinert med kunstig intelligens (AI), øker allerede produktiviteten og driver nye forretningsmodeller. I tiden fremover vil dette hjelpe bedrifter med å forutsi, forberede og reagere raskt på eventuelle fremtidige globale kriser og etterspillet, ifølge Gartner.
Selv om vi ser at at det kan løse tradisjonelle utfordringer som ledelse, personvern, tilgjengelighet og datakvalitet, er det mange bedrifter som fortsatt synes det er vanskelig å høste forretningsresultatene de forventet og opplever betydelige høyre kostnader.
En av de viktigste grunnene for dette er at forretningstransformasjonen til en datadrevet modell ofte medfører en ny visjon, et nytt tankesett, støtte fra ledelsen og en bestemt måte å organisere de viktigste ressurser på. Det krever nye perspektiver på å bygge og levere verdi til sluttbrukere, og kan til og med kreve at du gjenoppfinner hvordan selskapet drives.
Dataintelligens blir stadig viktigere i digital transformasjon for å ta smarte og automatiserte beslutninger. Imidlertid er det mange organisasjoner som sliter med å utvikle sine planer for dataintelligens. Faktisk hevder Gartner at i løpet av 2022 vil kun 20 % av analytisk innsikt føre til forretningsresultater.
Gartner anslår at cirka 60 % av Big Data-prosjekter mislykkes, men mange tror det er nærmere 85%. Dette tallet er så høyt fordi bedrifter behandler Big Data-tiltak som tradisjonelle IT-prosjekter. Dataprosjekter er imidlertid helt forskjellige fra å oppgradere brannmurer eller ta i bruk nye utviklingskoder. Data er fleksible og flytende og betyr forskjellige ting for forskjellige avdelinger. For å gjenta bruk av data, kreves det et kryssfunksjonelt team og optimal støtte fra ledelsen, ikke bare for å flytte prosjektet fremover, men også for å bane vei for hva som kan være grunnleggende endringer i driftsmodellen og utfordre eksisterende governance og strukturer.
I tillegg til dataforskere (data scientists), må et dataprosjektteam inkludere forretnings- og driftseksperter, utviklere og juridisk, som alle har en interesse i hvordan og hvorfor data brukes. Denne transformasjonen må også få bedriftlederes fulle oppmerksomhet hvis datadrevet kultur skal være en del av en organisasjons DNA.
Skyen er nå fast etablert som en del av ethvert dataintelligensprogram. Faktisk spår Gartner at offentlige skytjenester vil være nødvendige for 90 % av dataanalyse og innovasjon innen 2022.
Data- og analyseledere synes imidlertid at det er vanskelig å tilpasse sine skytjenester til de rette bruksområdene, ifølge analyseselskapet. Dette fører til overdreven styring og interne konflikter som kan kvele innovasjon og føre til unødvendige integreringskostnader.
Gartner foreslår at data- og analyseledere prioriterer workload’n nøye slik at de kan utnytte skyens egenskaper og fokusere på kostnadsoptimalisering ved migrering til skyen.
Samtidig er det viktig at organisasjoner ikke låser ned dataene sine i siloer hvis de skal kunne utnytte potensialet til AI (kunstig intelligens) for å bygge nye inntektstrømmer og datadrevne forretningsmodeller. Dataene må kunne flyte fritt gjennom organisasjonen. Hvis bedrifter begynner å virkelig definere hvilke data som er tilgjengelige, begrenser de omfanget av AI (kunstig intelligens) og dens nytte for bedriften på et strategisk og taktisk nivå.
Med skytjenester tilgjengelig kan man kjøpe AI som en tjeneste, bedrifter kan gjenoppfinne seg selv og raskere ta til seg endringer. AI-som-en-tjeneste (AIaaS) øker i utbredelse, noe som gjør det mulig for bedrifter å utnytte data for mer innsikt og gir den beste forretningsstøtten noensinne. I cloud native verdenen går vi enda ett skritt lenger enn AI-drevne tjenester, med forretningsløsninger som er i stand til å kjøre autonomt.
Noen organisasjoner tar det de har i datavarehusene sine og flytter det til skyen. Når de kommer til oss for hjelp, er de skuffet over at de kun får minimale ekstrafordeler og at migreringskostnaden ikke samsvarer med forretningsresultatene de hadde forventet. Dette er fordi de ikke har tatt seg tid til å forstå skyens forskjellige egenskaper eller hvordan man bygger og vedlikeholder tankesettet som kreves av en datadreven modell.
Organisasjoner bør kunne høste en rekke fordeler fra sine data, blant annet økt effektivitet og innsikt, hvis de integrerer og kodifiserer det ordentlig i skyen og bruker en datadreven forretningsmodell – en som blander data, AI (kunstig intelligens) og klokskap med en ny governance stil og som er knyttet til den overordnede forretningsstrategien. Strategien skal også ha delt IT/forretningseierskap som fokuserer på bruk av data for å generere informasjonsverdi, prediktiv analyse, kontinuerlig forbedring og effektiv beslutningstaking.
Dette skjer imidlertid ikke uten utfordringer. Ifølge en fersk rapport fra IDC, er det spesielt skyen som utgjør en stor utfordring for 62 % av dataansvarlige (CDO – Chief Data Officer) respondenter. Viktige bekymringsområder inkluderer kvalitet, governance og personvern som en del av et skydatavarehus og sky data lakes deployments, kartlegging av transformasjon og rensing av masterdata, og sikring av personvernbeskyttelse på tvers av multiskymiljøer.
Data er nå en kritisk forretningsressurs. Det å velge de rette skytjenestene og integrere dem på en bærekraftig måte slik at de tilpasses forretningsbehov er nøkkelen til å få dataene til å jobbe for deg.
Fremover vil en sky deployment modell bygget rundt cloud native metoder gjøre det mulig for organisasjoner å bedre utnytte dataene sine, tilfredsstille kundenes behov raskere gjennom økt smidighet og skalerbarhet og prediktive evner.
Se hvordan dette transportselskapet forvandlet kundeopplevelsen ved å ta i bruk en datadreven modell.
Maris beste råd når du legger en Public Cloud strategi 
