Dataanalys: Sunfires ledare delar praktiska råd
Experten Ronny Kober från Sunfire delar sina insikter om dataanvändning och betonar konkreta principer för att uppnå datadrivenhet.
Ronny Kober, ledare för dataplattformen hos Sunfire, har delat med sig av djupgående insikter om datahantering och analys, och betonat praktiska principer för att bygga en datadriven organisation. Hans erfarenheter, som omfattar resan från kaotiska datasilos till moderna AI-drivna dataplattformar, erbjuder värdefulla insikter utan marknadsföringshype.
Enligt Kober sitter företag ofta på enorma mängder data som är utspridda i olika system som ERP och CRM. Denna datasilos leder till bristande förtroende när olika avdelningar får motstridiga siffror. Situationen eskalerar ofta till att varje team utvecklar sina egna rapporteringslösningar, vilket skapar fenomenet "Shadow BI", där informella rapporteringssystem underminerar den officiella datainfrastrukturen. Bristande datakvalitet är enligt studier den vanligaste orsaken till att dataprojekt misslyckas.
En nyckelprincip vid utformningen av en datastrategi är enligt Kober att ställa frågan innan man väljer verktyg. Företag bör först definiera vilken information de vill ha för att förbättra beslutsfattandet, klargöra processer eller lösa obesvarade frågor. Först därefter kan konkreta användningsfall identifieras och lämpliga verktyg väljas.
"Skateboardprincipen" beskriver ett lean-tillvägagångssätt för dataprojekt: börja med en enkel lösning som snabbt ger värde, istället för att direkt försöka bygga en komplett datamiljö. Detta tillvägagångssätt möjliggör för även mindre team att producera resultat effektivt. Lösningar som Scavenger AI passar in i denna "skateboardprincip" och erbjuder ett snabbt sätt att få svar på datarelaterade frågor.
Förtroende för data är grunden för AI-analys. Kober betonar vikten av datakvalitet och föreslår metoder som liknar modern programvaruutveckling, såsom automatiserade tester och tydliga standarder för databehandling. Användningen av "medallionarkitekturen" (brons-, silver- och guldlager) kan hjälpa till att strukturera databehandling från rådata till förädlad form, samtidigt som datakvalitet och spårbarhet säkerställs.