”Vi bliver bedt om 20 års erfaring inden for et felt, der ikke fandtes for fem år siden”

Mere end 20 års konsulenterfaring med rådgivning og projekt- og programledelse inden for Business Intelligence, Data Warehousing, Big Data og Analytics har David M. Andersen med i rygsækken fra større globale management konsulenthuse samt fra projekter i flere industriledende virksomheder i både Europa og Asien. Davids kompetencer er eftertragtede og det er sin sag at finde en tid i hans kalender til medlemsinterview.

Men der er ét sted, hvor man altid kan finde David fire gange om året - hos DANSK IT. Udover at drive sin konsulentvirksomhed, Insightex, så er David nemlig også facilitator for netværket BI, Big Data & Analytics, hvilket han mener er den mest effektive måde at blive fagligt orienteret på.

Inden dagens netværksmøde lykkedes det at stille David en række spørgsmål inden for krydsfeltet mellem BI, Big Data og Analytics.

Du er på vej til møde i netværket BI, Big Data & Analytics, hvad er de største udfordringer inden for jeres område?

- Der er generelle udfordringer, som vi arbejder med over tid og så er der selvfølgelig nye trends, som gennemgår en modenhedskurve og som på et tidspunkt vil påvirke vores arbejde. Nogle trends har dog mere substans end andre. Men generelt rider vi med på en bølge, hvor data er i fokus og alle ved at data kan skabe forretningsværdi.

- Data som emne har været meget i vælten og det er blevet mere og mere klart for menigmand, hvor meget data, der egentlig bliver registreret om os og hvor meget de store virksomheder ved om os på baggrund af det.

- Det påvirker indirekte vores arbejdsopgaver, da ledelsen ved, at hvis man ikke er en datadreven virksomhed, så er det næsten kun et spørgsmål om tid inden din forretning lukker. Den viden drypper ned i de aktiviteter, som bliver sat i gang i de store organisationer, som de fleste af netværksmedlemmerne arbejder indenfor.

- GDPR har også skabt øget fokus på data og der er selvfølgelig en masse restriktioner i GDPR, men det gode er, at vi nu kan benytte lejligheden til at spørge, hvad vi kan bruge data til inden for de tilladte rammer.

Er det dit indtryk, at jeres arbejdsområdet oplever en større bevågenhed fra ledelsens side?

- Det har det sådan set altid haft, særligt inden for finans og salg, men nu er det selvfølgelig blev udvidet til alle aspekter af forretning.

- Der er stort set ingen aktiviteter eller transaktioner i virksomhederne, som ikke efterlader et digitalt spor. Selv traditionelle produktionsvirksomheder taler meget om IoT, hvor data registreres i selv de mindste bevægelser i produktionen. Det er jo nødvendigt, for hvis ikke de gør det, så gør konkurrenten det og får det mere i tilgift til deres forretning.

- På den måde rider vores felt med på den bølge af tendenser, og det gør det enormt spændende at arbejde med data.

- Udover at der kommer mere og mere data, så er teknologien, både i form af hardware og software, blevet meget mere tilgængelig. Det er efterhånden ikke længere et stort problem, at du behøver meget computerkraft; det koster ikke noget, og du køber det ude i skyen.

- Noget af det bedste software er faktisk gratis og open source-baseret, kraften køber du ude i skyen og data har man i store mængder. Den største udfordring er faktisk at finde folk, der kan arbejde med det her, som forstår forretningen og som forstår data og teknologien.

- Når man arbejder inden for BI, Big Data og Analytics, er det afgørende at kunne fortolke data, forstå og læse data uden at overfortolke. Det er ikke nok at have tekniske kundskaber, man skal også forstå forretningen og kunne kommunikere med forretningen. Og kunne forklare hvordan forretningen skal fortolke resultaterne.

Hvilke emner taler man mest om inden for dit område?

- Machine learning er meget på hypestadiet for tiden. For nogen år siden var det cloud, der blev hypet. Den teknologi er nu blevet modnet og er nu en konkret problemstilling ude hos virksomhederne.

- De fleste har indset, at det er vejen frem, om man kan lide det eller ej. Men i de store virksomheder er det nemmere sagt end gjort. Det indebærer et helt paradigmeskifte og virksomhederne er forskellige steder i modenhedsrejsen. Nyere virksomheder har ikke ulempen af en lang forhistorie med legacy-it.

- Mange af de ældre danske virksomheder har en legacy af fx SAP-systemer, og her fylder opgaven med at blive cloud-baseret rigtig meget. Mange af de store leverandører, ledet af Microsoft med Power BI og SAP, viser retningen for cloud. Det handler ikke længere hvorvidt en virksomhed skal i cloud eller ej, men derimod hvordan gør vi det, hvilke leverandører skal vi bruge og hvordan får vi det til at spille sammen med eksisterende teknologi og processer.

- Et andet stort fænomen er det man inden for it kalder DevOps. Men inden for vores felt bruger vi en særlig afart, kaldet DataOps.

- Det handler om hvordan du leverer data til forretningen hurtigt, uden at gå på kompromis med sikkerhed og robusthed i systemerne. Her arbejder man agilt og går væk fra den klassiske vandfaldstankegang og alle de processer, som du formelt set skal igennem for at ikke at jeopardise dine eksisterende processer, som er i produktion.

- Ligesom DevOps handler det om at kunne reagere hurtigt. Et klassiske eksempel er er Facebook. De sender jo ikke en mail til deres bruger om, at programmet ikke er tilgængelig natten mellem lørdag og søndag, fordi de lige skal sætte nye ting i produktion. Der kommer hele tiden nyt. De handlemuligheder er attraktive for mere traditionelle virksomheder. DataOps beskæftiger sig så med, hvordan vi udvikler, når det handler om data. Hvordan kan vi revise ny funktionalitet, ny analyse til forretningen forholdsvis hurtigt, når det er nødvendigt uden at risikere at ødelægge det, vi allerede har i produktion? Når først der kommer inkonsistens i data, så er det et helvede at rydde op.

Kan man overhovedet forudsige, hvordan fremtiden ser ud inden for dit område om fem år?

- Det mener jeg godt, at man kan. Det bliver i hvert fald ikke mindre brug for folk med kompetencer inden for machine learning og data science. Men det bliver svært at finde folk, som dækker alle de nødvendige kompetencer. Det er let nok at kalde sig data scientist, men det er svært at mestre alle de nødvendige discipliner. Det handler ikke kun om at kunne it, tolke data, forstå statistik eller kommunikere det. Du skal mestre det hele på én gang.

- Der er store ambitioner ude i virksomhederne om kunne noget inden for dette område. Men jeg tror, de færreste forstår, hvor udfordrende det er og hvor meget du egentlig skal kunne for at dække området.

- Det handler ikke bare om at spytte kandidater ud fra uddannelserne; det handler i høj grad om at uddanne ledelsen. Ellers forstår de ikke, hvad de beder om. Når man læser jobannoncer på området, kan man se, at virksomhederne har helt urealistiske forventninger. Jeg har selv prøvet at blive kontaktet af headhuntere, hvor det er helt åbenlyst, at de ikke ved, hvad det handler om, eller hvor de har forskellige krav, som slet ikke hænger sammen og som nærmest er modstridende. Og så beder de om 20 års erfaring i noget, som slet ikke fandtes for bare fem år siden.