Informationsteknologierne har gjort det muligt for de fleste organisationer at indsamle data og behandle dem med henblik på at give flere forskellige interessenter muligheder for at kunne træffe en række beslutninger der vil påvirke organisationen. Store datasæt giver desværre en række interessenter et forkert indtryk af forholdene for organisationen og de markeder, som organisationen konkurrere på. Det er værd at notere sig at ikke alt det som interessenterne i organisationen tror er data rent faktisk viser sig at være valide data, og det er ligeledes ikke alle data som indsamles som viser sig at kunne bruges til noget.

”[…] But this doesn’t mean that bigger data will always hold the key. Sometimes data is just data – noise, really. Not information. It doesn’t matter how much you store or how hard you process it.” – Gordon Haff

IT-ledelse er handler i højere og højere grad om at få skabt et fundament for at organisationens beslutningstagere, eksperter og medarbejdere er i stand til at få de informationer som er nødvendige for at de kan agere på den bedst mulige måde for organisationen fx:

1. Organisationen bliver mere produktiv.
2. Organisationen begår færre fejl.
3. Organisationen kan differentiere sine produkter og services.

Data og databehandling kræver at de rigtige modeller kan bruges til at forstå, hvordan de forskellige trends og målsætninger opfyldes. Desværre bruges der også rigtig meget tid i mange organisationer på at behandle data som ikke nødvendigvis kan bruges til at understøtte konceptet oplyst ledelse eller for den sags skyld oplyst IT-ledelse.

Historisk set har databehandling udviklet sig for organisationerne, hvilket også betyder at udviklingen for databehandlingen har fundet sted i store database, ERP-løsninger og datavarehuse, til at trends blev behandlet på forskellige niveauer. Dette stiller også krav i forhold til de fleste organisationers evner til at håndtere databehandlingen på, men dette har for mange organisationer også ført til en række ”legacy” systemer som enten skal udskiftes eller som skal håndteres på en bestemt måde.

Enterprise arkitektur

Arkitektur bør i udgangspunktet understøtte at de rigtige data bliver behandlet og overflyttet til de rigtige interessenter som kan træffe beslutninger ud fra dem. Det betyder samtidigt at de rigtige data skal identificeres og transporteres til de rigtige beslutningstagere. Data skal ligeledes overføres til de rigtige interessenter i organisationen og det kan vise sig at medarbejdere uden ledelsesansvar skal have adgang til data for at agere i forhold til det ansvar som de har i forhold til organisationen. Derfor kommer er det mere relevant end nogensinde at arbejde med enterprisearkitektur der tager udgangspunkt i håndtering i forretningsmæssige data. På grund af dette findes der en række forhold der gør at især store organisationer bliver nødt til at arbejde med informationsarkitektur proaktivt.

Målbilleder

IT-lederen kan derfor med fordel arbejde med at få etableret et enterprisearkitektur program. Et sådan program kunne begynde med at identificere forretningsbehov i forhold til anvendelse af data hos slutbrugere og forretningsenheder. Et enterprisearkitektur rammeværk kan vise sig relevante at bruge i arbejdet med at få skabt et godt overblik over applikationer og data, da det indeholder en række forskellige . Et enterprisearkitektur program kan, hvis det prioriteres og implementeres, så kan målbilleder udarbejdes som understøtter at strategi, forretning og teknologier bliver afstemt med hinanden i fremtiden.

Enterprisearkitektur programmet kan via rammeværkets artefakter og standardmodeller være med til at accelerer en positiv udvikling for anvendelsen af valide data i organisationen i forhold til forretningsbeslutninger.

Historie

Der findes overordnet tre koncepter som kan forklare informationsteknologiers anvendelse af informationer:

1. Informationssystemer, datavarehuse og ERP-løsninger.
2. Business Intelligence.
3. Big Data.

Oprindeligt stod IT-afdelingen for at håndtere store mængder data så som lønudbetaling eller transaktionsovervågning. Opgaverne med at få håndteret de store datamængder fandt sted lukkede, typisk proprietærer systemer, som fungerede som siloer internt i organisationen og kun ganske få interessenter internt i organisationen havde adgang til systemerne og data.

I 1990erne begyndte det at blive mere og mere anvendeligt for mange store organisationer at anvende få styr på transaktioner i store databaser og især økonomisystemer (lite) blev introduceret til mellemstore og små virksomheder. Transaktionerne og viden om kunderne blev mere og mere interessante, da de udgjorde potentialer som organisationerne kunne bruges til at styre deres værdikæde og deres værdiskabelse med.

I 1990erne og 2000erne begyndte begrebet business intelligence at blive mere og mere interessant for organisationerne, da de kunne bruge informationerne som led af beslutningsunderstøtte i forhold til regnskaber og adfærd på de markeder, som organisationerne opererede på.

Fremtiden

I 2010erne viste det sig mere og mere relevant for organisationerne at få adgang til data på mange forskellige typer transaktioner. Ligeledes viste det sig interessant for mange organisationer i den offentlige sektor at anvende data om flere forskellige typer situationer med henblik på at sammenligne performance påtværs af organisationerne. Eksempler herpå kunne være KOMBIT FLIS som indeholder data om en lang række forskellige parametre om kommunerne.

I 2020erne vil informationer findes og indberettes på flere platforme og de fleste data vil i lande, som ikke stiller store krav til personhenførebare oplysninger, kunne håndtere det meste af opbevaringen af data og behandlingen af data i skyen. Ressourcerne i skyen gør det muligt at behandle store mængder data via tilpasset software eller via standard software (COTS) som findes i skyen. Standarder og integrationer mellem applikationerne gør det muligt at tilgå data og registrere data fra de fleste af de enheder som medarbejdere og beslutningstagere har til rådighed.

Store datamængder

Selv om datamængderne vokser mere og mere over tid så påvirker hypotesen om, at data ikke kan bruges til alt, og data ofte ikke er data meget. De rigtige data bruges til at udpege mulighederne som beslutningstagerne, og dermed organisationen har for at påvirke sin strategiske situation.

De overordnede problemstillinger med at anvende data som kun har begrænset anvendelsesmuligheder inden for at give beslutningstagerne i organisationen mulighed for træffe kvalificerede beslutninger. For at understøtte den organisatoriske udvikling så kræver det at en organisatorisk del i organisationen understøtter de forskellige typer data som er til rådighed som reelt kan bruges på at besvare de spørgsmål som beslutningstagerne har i forhold til forretningsudvikling, da data kan have vidt forskellig måde at blive behandlet på.

Konklusion

Data er ikke bare data og det er ikke alle data som kan bruges til at træffe reelle beslutninger ud fra. Oplyst IT-ledelse handler i høj grad om at få styr på de rigtige data og behandle dem så det er muligt for organisationen at arbejde videre med informationssystemer.

ERP-løsninger, business intelligence og big data modeller kan alle vise sig nyttige, men fokus er i høj grad på at anvende de rigtige datamodeller på de rigtige tidspunkter, hvilket kræver en del forarbejde og oftest en dedikeret ressource som en informationsarkitekt eller enterprisearkitekt med fokus på ”information management”.

IT-lederen kan med fordel få sat et enterprisearkitektur program i gang med henblik på at få styr på data og med henblik på at understøtte, at de rigtige data behandles og overføres til de rigtige interessenter i organisationen, hvilket blandt andet vil være med til at understøtte oplyst ledelse. Et enterprisearkitektur program kan anvende de standard modeller som findes i organisationen.

Kilder

1. Haff, G. “Data isn’t always the answer”, 2012.