{"id":209570,"date":"2021-09-13T08:27:09","date_gmt":"2021-09-13T06:27:09","guid":{"rendered":"https:\/\/www.devoteam.com\/expert-view\/benyt-dataops-og-cloud-til-at-fa-mere-ud-af-dine-data\/"},"modified":"2024-11-29T13:31:17","modified_gmt":"2024-11-29T12:31:17","slug":"benyt-dataops-og-cloud-til-at-fa-mere-ud-af-dine-data","status":"publish","type":"expert-view","link":"https:\/\/devoteam.info\/dk\/ekspertartikler\/benyt-dataops-og-cloud-til-at-fa-mere-ud-af-dine-data\/","title":{"rendered":"Benyt DataOps og Cloud til at f\u00e5 mere ud af dine data"},"content":{"rendered":"\n
\"\"<\/figure>\n\n\n\n

For at f\u00e5 noget godt ud af data<\/a> skal de behandles ordentligt, og traditionelle metoder sl\u00e5r ikke til. DataOps er et rammev\u00e6rk for tv\u00e6rg\u00e5ende styring og automatisering af databehandling, hvor det giver mest v\u00e6rdi for forretningen.<\/p>\n\n\n\n

Det er efterh\u00e5nden nogle \u00e5r siden, at data blev udr\u00e5bt som det 21. \u00e5rhundredes olie, et nyt r\u00e5stof til at fremme v\u00e6kst og konkurrenceevne. Pr\u00e6missen holder stadig – data g\u00f8r virksomheder klogere p\u00e5 sig selv og omverdenen, ligesom dataindsigter kan v\u00e6re afg\u00f8rende for at udvikle nye produkter og \u00f8ge konkurrenceevnen. Men praksis viser, at mange virksomheder har sv\u00e6rt ved at udvinde og for\u00e6dle data.<\/p>\n\n\n\n

To prim\u00e6re forhindringer for succes med data<\/h2>\n\n\n\n

Analyser fra Gartner fort\u00e6ller, at 85% af dataprojekter sl\u00e5r fejl<\/a>, og kun 20% af foretagne dataanalyser<\/a> reelt f\u00f8rer til fordele for forretningen. Vores erfaring peger p\u00e5, at det is\u00e6r er to forhold, der sp\u00e6nder ben for en mere effektiv udnyttelse af data.<\/p>\n\n\n\n

  1. For det f\u00f8rste er datakvaliteten for lav<\/strong>. Dvs. data er ikke tilstr\u00e6kkeligt renset eller beriget til at skabe v\u00e6rdi for et dataprojekt. En analyse fra IDC i 2020<\/a> viser, at kun 32% af til r\u00e5dighed v\u00e6rende data reelt bliver udnyttet. Det er alts\u00e5 ikke nok at ligge inde med data, de skal ogs\u00e5 have den rette kvalitet. Devoteam har god erfaring med at tilbyde ekspertise inden for dette felt for at f\u00e5 overblik over virksomhedens nuv\u00e6rende datakvalitet. Vi hj\u00e6lper med alt lige fra teknologisk infrastruktur, analyse, organisatoriske processer til strategi.<\/li>
  2. For det andet er processer og kompetencer til at behandle data ofte utilstr\u00e6kkelige<\/strong>, og det er denne problemstilling – samt l\u00f8sning heraf – denne artikel handler om.<\/li><\/ol>\n\n\n\n

    Rigide processer i nuv\u00e6rende dataprojekter<\/h2>\n\n\n\n

    I traditionelle dataprojekter er processerne ofte komplekse og tiln\u00e6rmelsesvis rigide. Man ender derfor ofte i blindgyder. Selv med et Proof of Concept, kan det v\u00e6re sv\u00e6rt at f\u00e5 et konkret output, grundet manglende fokus p\u00e5 dataenes systemer, flows og brugere. Desuden kan dataflows v\u00e6re ufleksible, dvs. f\u00f8lsomme over for \u00e6ndringer, hvilket er en alvorlig h\u00e6msko i dataprojekter. Endelig er der i vores erfaring ogs\u00e5 strukturelle udfordringer, fordi man ikke har forberedt organisationen p\u00e5 de planlagte dataprojekter. Dvs. man fors\u00f8mmer at f\u00e5 samtlige relevante dele af organisationen med, ligesom der er tvivl om roller og ejerskab.<\/p>\n\n\n\n

    Skal et dataprojekt levere effektive og handlingsrettede indsigter, kr\u00e6ver det en dertil indrettet metodik med en konsistent, valideret og sikker ops\u00e6tning af data. En oplagt metode er her DataOps.<\/p>\n\n\n\n

    DataOps: Agilt rammev\u00e6rk med kvalitet og hastighed<\/h2>\n\n\n\n

    Vi definerer DataOps som et rammev\u00e6rk for styring og automatisering af l\u00f8sningen af dataprojektet. Fokus ligger p\u00e5 effektiv kommunikation og involvering af brugere i dataprojekter, overblik over datamodeller og deres kompleksitet, og automatisering af dataflows. Det er et stort skridt i retningen mod at blive en datadrevet virksomhed, hvor DataOps er en \u00e6gte tv\u00e6rg\u00e5ende \u00f8velse, der leverer kvalitet og hastighed, dvs. de rette data kommer hurtigt til de rette brugere i organisationen.<\/p>\n\n\n\n

    Det fleksible rammev\u00e6rk er en kombination af agil udvikling, organisation samt teknologier til styre data, som det fremg\u00e5r af nedenst\u00e5ende figur.<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Figur 1: DataOps agilt rammev\u00e6rk. Credit: Rivery<\/em><\/p>\n\n\n\n

    Modellen minder om andre agile rammev\u00e6rk som f.eks. Scrum, der bruges til produkt- og softwareudvikling, men med nogle principielle forskelle:<\/p>\n\n\n\n

    1. Processen tager udgangspunkt i en Data Workflow Owner, f.eks. en analytics ekspert, der er ansvarlig for at underst\u00f8tte forretningen med dataindsigt.<\/li>
    2. Udbyttet er ikke et softwareprodukt, men faktorer som automatisering, bedre data governance, \u00f8get datakvalitet samt selvf\u00f8lgelig for\u00f8get dataindsigt og visualiseringer.<\/li>
    3. DataOps-projekter best\u00e5r ikke kun af it-folk, men en r\u00e6kke forskellige stakeholdere\/ledere gennem forl\u00f8bet, f.eks. CTO, Data Engineers, BI analytikere og Data Scientists.<\/li><\/ol>\n\n\n\n

      V\u00e6r parat til at rive ned og starte forfra<\/h2>\n\n\n\n

      DataOps er en iterativ og eksplorativ proces, der tager h\u00f8jde for, at data er en levende og konstant voksende st\u00f8rrelse. Det er ikke us\u00e6dvanligt, at en virksomhed skal forholde sig til et sekscifret antal datapunkter, der hele tiden \u00e6ndrer sig. DataOps er derfor is\u00e6r kendetegnet ved:<\/p>\n\n\n\n