Blog: Lad dig ikke narre af ordet Analytics

Ekspert i Advanced Analytics, Snurre Jensen, er træt af business intelligence-løsninger, der gemmer sig under titlen Analytics – produktet har nemlig ikke udviklet sig, bare fordi det har fået et nyt navn.

Du skal ikke lade dig narre af ordet analytics, når virksomhederne sælger dig business intelligence

Tælleren er kun lige skiftet fra 2016 til 2017, men tendensen peger stadig i samme retning: Et markant stigende fokus på digitalisering og øget anvendelse af data både i kommercielle virksomheder og offentlige institutioner. Data har – ligesom olie hentet op fra undergrunden – forskellige anvendelsesmuligheder og udfordringer tilknyttet. Hvad skal råmaterialet bruges til? Smørelse eller brændstof? Hvordan opbevarer vi råmaterialet gennem hele forsyningskæden af information? Og hvilke værktøjer skal vi anvende for at få det største udbytte af råmaterialet?

På it-området forekommer der at være et næsten uendeligt antal værktøjer, der kan anvendes til at få mere ud af råmaterialet "data". Lige fra værktøjer leveret af velkendte etablerede virksomheder som IBM, SAS, Microsoft etc. over nyere spillere på markedet som Tableau, Birst og Qlik, til den voksende skare af værktøjer, som vokser ud af forskellige open source-miljøer.

Da ingen kommercielle leverandører har nogen interesse i at afskære sig fra dele af markedet, bruger hvert enkelt firma også en del marketingkroner på at fortælle, at lige netop deres teknologi selvfølgelig kan det hele. Det er selvfølgelig noget vrøvl på samme måde som at sige, at en boremaskine er et universalværktøj, blot fordi den i en snæver vending kan bruges til at slå et søm i væggen.

Virksomhederne gemmer gamle produkter bag "Analytics"
Et af de helt store buzzwords på markedet for teknologi til at udnytte data har de senere år været "analytics". Lige siden Tom Davenport i 2007 udgav "Competing on Analytics", har både eksisterende og nye firmaer positioneret sig som værende førende inden for "analytics". Der er dog verdener til forskel på, hvad der leveres af teknologi og værdiskabelse inden for paraplybetegnelsen "analytics", og hvad der blot er gammel vin på nye flasker.

Meget af det, som teknologileverandører i dag kalder "analytics", er blot en omdøbning af et område, som har eksisteret de sidste 50 år. I 1958 udgav den IBM-ansatte Hans Peter Luhn artiklen "A Business Intelligence System", som bl.a. beskriver behovet for "an automatic system (...) which can accept information in its original form, disseminate the data promptly to the proper places and furnish information on demand".

Siden da har markedet for business intelligence udviklet sig i mange retninger, og leverandører har – lettere karikeret – konkurreret indbyrdes om at kunne vise de flotteste søjlediagrammer og have flest skrifttyper at vælge imellem, når man skal vise et gennemsnit.

En gris med sminke er stadig en gris
Mange virksomheders business intelligence-platforme er historisk opstået i samspil mellem finansafdelingen som opgavestiller og it-afdelingen som opgaveløser. Det har medført, at andre afdelingers behov for rapportering har været henvist til være understøttet af denne platform. Det er ikke svært at forestille sig, at en platform, der som udgangspunkt er defineret i samspil mellem it- og finansafdelingen, ikke er den platform, der bedst understøtter behovet for hurtig og fleksibel ad hoc-rapportering. Der er en grund til, at Excel i dag er verdens mest anvendte værktøj til rapportering.

For at imødekomme det stigende behov for hurtig og fleksibel ad hoc-rapportering tilbyder stort set alle leverandører derfor i dag værktøjer, der gør brugerne i stand til selv at danne den ønskede rapportering uden at belaste it-afdelingen unødigt. Det ændrer dog ikke ved, at et søjlediagram stadig er et søjlediagram – uanset om det er lavet af en udvikler i it-afdelingen eller brugeren selv!

At det i dag kaldes Analytics er mere form end indhold og drevet af marketing og salgshensyn – hvem vil ikke gerne arbejde med et område, som Googles cheføkonom, Hal Varian, har kaldt det mest sexede job i 2010'erne?

Fokus skal ligge på analytics
Det område, som både Hal Varian med sin udtalelse til McKinsey Quarterly i 2009 og Tom Davenport med sin bog fra 2007 derimod havde i tankerne, var noget andet end blot gennemsnit og søjlediagrammer: Det var et øget fokus på anvendelsen af matematiske og statistiske metoder til at udnytte data bedre.

Metoderne har været kendt længe. Fx opfandt Robert G. Brown en metode til at danne statistiske forecast allerede under 2. verdenskrig. Tilgangen med at anvende statistiske metoder til analyse af data er også af ældre dato. Således indeholder den amerikanske statistiker John Tukeys bog fra 1962 "The future of data analysis" en opfordring til at anvende data som input til at finde på nye hypoteser fremfor blot at anvende data til at teste eksisterende hypoteser.

Den helt store forskel på det, der i bund og grund altid bare har været business intelligence, og det, der i virkeligheden er analytics, er typen af spørgsmål, man som virksomhed eller organisation kan få svar på ved at analysere data, og hvilken værdi disse svar kan have.

Business intelligence-værktøjer er fremragende til at give svar på, hvad der allerede er sket. Hvad solgte vi i sidste måned? Hvor meget producerede vi i gennemsnit pr. fabrik? osv. Hvorfor noget er sket, er dog ofte overladt til erfaringsbaseret fortolkning. Et søjlediagram kan vise, at der er en forskel mellem to grupper, men det siger intet om, hvorfor der er en forskel. På samme måde kan de fleste business intelligence-værktøjer heller ikke give et bud på, hvad der vil ske i fremtiden: Hvordan ser efterspørgslen ud til at udvikle sig de næste 12 måneder? Hvilke kunder vil sandsynligvis opsige deres abonnement? Hvilke produkter skal vi præsentere for den enkelte kunde i vores næste e-mailudsendelse? etc. Listen af spørgsmål, du ikke kan besvare med business intelligence-værktøjer, er uendelig!

Værdien af at få besvaret sine spørgsmål afhænger af det råderum, svaret giver. Medmindre du hedder Michael J. Fox og kan rejse tilbage i tiden, giver viden om fortiden intet råderum – sket er sket. Det, du derimod som enkeltperson, virksomhed og organisation kan sætte dit fingeraftryk på, er fremtiden. Det betyder ikke, at bagudskuende business intelligence er værdiløs. Hvis du ikke indsamler data og rapporterer, kan du ikke lære af de valg, du har truffet. Pointen er blot, at ift. de mangfoldige muligheder, som findes for at bruge data til at understøtte de beslutninger, der påvirker fremtiden, er business intelligence måske en smule overvurderet – og at der er så meget mere værdi at hente, hvis du først nu er ved at få øjnene op for mulighederne med analytics.