Magma
22.08.2017
INNLEDNING Formålet med denne artikkelen er å gi et bidrag til diskusjonen om fremtidens behov innenfor økonomisk utdanning sett fra arbeidsgivers perspektiv, jf. dette nummeret av Magma.
Vi er i en tid hvor begreper som business intelligence (BI), business analytics (BA) og big data stadig nevnes i forbindelse med beslutningsprosesser i organisasjoner. I det meste av litteraturen legges det vekt på hvilke muligheter utviklingen innenfor informasjons- og kommunikasjonsteknologi (IKT) gir for å ta mer effektive beslutninger. Det legges mindre vekt på å diskutere hvilke kunnskaper og ferdigheter beslutningstakerne må ha for å kunne bruke teknologien effektivt. I denne artikkelen vil vi spesielt peke på betydningen av grunnleggende datakunnskaper også hos fremtidens økonomer.
De tre begrepene BI, BA og big data er ikke veldefinerte. Big data refererer til den økende mengden data som er tilgjengelig i digital form, og som gir beslutningstakere muligheter til i høyere grad å basere sine beslutninger på analyse av data (McAfee & Brynjolfsson, 2012). BI er spesielt knyttet til søking etter og klargjøring av data for analyse, men omfatter også visse former for analyse som aggregering og sammenstilling av data. BA inkluderer avansert statistisk dataanalyse. Begrepene er imidlertid nært knyttet sammen (Chen, Chian, & Store, 2012). Nytten av BA forutsetter at beslutningstakerne har relevante datasett å analysere. Det er imidlertid en tendens til å se BA som den avanserte delen av en datastøttet beslutningsprosess (Andersen & Wallace, 2015, s. 197). Dermed tones betydningen av datakunnskaper ned.
Samtidig utvikles «brukervennlige» verktøy for støtte av BI-prosesser, nemlig verktøy for self-service BI (SSBI), som vi har oversatt med selvbetjent etterretning. SSBI er en tilnærming til BI hvor beslutningstakere og deres assistenter innhenter og tilrettelegger data for analyse uten hjelp fra dataspesialister. SSBI støttes av verktøy som tillater brukerne å hente eksterne data, for eksempel fra internett, koble slike data til interne data og analysere datasettene uten at brukerne må vente på hjelp fra IKT-avdelingen.
En gjennomgang av litteraturen viser at søkelyset innenfor SSBI-verktøy er på utviklingen av ny funksjonalitet og brukervennlighet, se neste avsnitt. I en del av litteraturen uttrykkes bekymring for bruk av data som ikke er tilrettelagt av dataspesialister. Det foreslås forskjellige måter å begrense SSBI på, blant annet ved kun å tillate superbrukere å laste ned data fra eksterne kilder og ved å sette krav til datakvalitet (Alpar & Schulz, 2016, s. 153-154). Vårt syn er at det ikke er mulig å begrense lederes tilgang til data, og at en av fordelene med SSBI nettopp er at ledere som overvåker omgivelsene omhyggelig, kan ta flere data i betraktning i sine beslutningsprosesser. Vi bør heller utdanne økonomer som er i stand til å samle inn og analysere data, og som forstår utfordringene ved å tilrettelegge data selv, slik at de kan utnytte det potensialet som ligger i SSBI til å ta effektive beslutninger.
Vi har formulert to forskningsspørsmål knyttet til SSBI:
Er det en sammenheng mellom kunnskaper om datamodellering og effektiv bruk av SSBI-verktøy for beslutningsstøtte?
Hvis det er slik, hvilke utfordringer har brukere med begrensede kunnskaper om datamodellering når de bruker SSBI-verktøy i beslutningsprosesser?
Hensikten med det første spørsmålet er å finne ut om funksjonaliteten og brukervennligheten til SSBI-verktøy faktisk kan støtte sluttbrukere slik at tilrettelegging av data på egen hånd gir korrekte analyser. Hensikten med det andre spørsmålet er å finne ut hvilke problemer sluttbrukere eventuelt har med bruk av SSBI-verktøy.
For å svare på forskningsspørsmålene har vi laget en oppgave og analysert hvordan bachelorstudenter har løst en oppgave med bruk av SSBI-verktøy til å tilrettelegge og analysere data i forskjellige formater. En vesentlig del av oppgaven var bruk av SSBI-verktøy for å analysere behovet for nye barnehager.
Resten av artikkelen er organisert som følger: I neste avsnitt går vi gjennom litteraturen om SSBI. Deretter presenterer vi forskningsmodellen og forklarer hvordan vi har samlet inn og analysert data. I det følgende avsnittet beskriver vi resultatene. I siste avsnitt diskuteres resultatene og begrensninger ved undersøkelsen.
LITTERATURGJENNOMGANG
I dette avsnittet forklarer vi først vesentlige begreper med vekt på begrepene business intelligence (BI) og selvbetjent BI (SSBI), og vi fokuserer på forskjellen mellom de to begrepene. Deretter gjennomgår vi litteraturen om SSBI for å posisjonere vår forskning.
BUSINESS INTELLIGENCE (BI) OG SELVBETJENT BUSINESS INTELLIGENCE (SSBI)
BI defineres på flere måter (se Presthus, 2015 for en oversikt). Felles for definisjonene er at formålet med BI er å støtte sluttbrukere, det vil si både ledere og ansatte, slik at de kan ta «bedre» beslutninger (Watson, 2009), altså mer målrettede beslutninger (Pfeffer & Salancik, 1978, s. 11), eller «bedre og raskere» beslutninger (Chaudhuri, Dayal, & Narasayya, 2011). Noen definisjoner legger vekt på teknologien. Andre definisjoner omfatter både teknologien og bruken av teknologien. Vi er enige med Ask (2013) i at man bør skille mellom teknologi, arkitektur og bruk av teknologi. For denne artikkelen finner vi det hensiktsmessig med en snever definisjon av begrepet IKT, slik at vi bruker begrepet for maskinvare, programvare og datanettverk, altså utstyr som er ment å øke menneskers arbeids- og informasjonsbehandlingskapasitet (Zuboff, 1989; se også Orlikowski, 1992). Ordet arkitektur kommer fra latin architectura, som betyr bygningskunst (Hastrup, 1983). Begrepet betegner her sammensetning av IKT-komponentene.
Med utgangspunkt i Simons modell for beslutningstaking som en prosess med fasene intelligence, utforming av alternativer, valg, utførelse og oppfølging (Simon, 1960, s. 2-3), definerer vi BI som søking etter og analyse av data i eksterne og interne kilder etter forhold som indikerer behov for beslutninger. Simon hadde lånt betegnelsen intelligence fra militæret, hvor betegnelsen brukes om innsamling og analyse av spesielt fienders planer og handlinger, det vil si etterretningsvirksomhet.
SSBI defineres også på flere måter. Schlesinger og Rahman (2015) legger vekt på at brukerne må forstå hvordan organisasjonen og omgivelsene er representert i datavarehuset, slik at de er mindre avhengige av dataspesialister når de bruker datavarehuset. Et datavarehus er en database med interne og eksterne data som spesielt skal støtte lederes beslutningstaking. Datavarehuset organiseres og kvalitetssikres av dataspesialister (Devlin & Murphy, 1988). Abelló et al. (2013) legger vekt på at hensikten med SSBI er at brukere som ikke er dataspesialister, skal være i stand til å inkludere data som ikke finnes i datavarehuset, i sine analyser. Alpar og Schulz (2016) skjelner mellom tre nivåer av SSBI. Det laveste nivået går på bruk av data i predefinerte rapporter. Det neste nivået omfatter i tillegg tilgang til data på detaljert nivå i datavarehuset. Det tredje nivået svarer til beskrivelsen hos Abelló et al. (2013).
Vi bygger på beskrivelsen hos Abelló et al. (2013). Dagens forretningsomgivelser er karakterisert ved global konkurranse, raske teknologiske og økonomiske endringer og press på kostnader. For å håndtere slike omgivelser må ledere være i stand til å oppda
Gå til medietDe tre begrepene BI, BA og big data er ikke veldefinerte. Big data refererer til den økende mengden data som er tilgjengelig i digital form, og som gir beslutningstakere muligheter til i høyere grad å basere sine beslutninger på analyse av data (McAfee & Brynjolfsson, 2012). BI er spesielt knyttet til søking etter og klargjøring av data for analyse, men omfatter også visse former for analyse som aggregering og sammenstilling av data. BA inkluderer avansert statistisk dataanalyse. Begrepene er imidlertid nært knyttet sammen (Chen, Chian, & Store, 2012). Nytten av BA forutsetter at beslutningstakerne har relevante datasett å analysere. Det er imidlertid en tendens til å se BA som den avanserte delen av en datastøttet beslutningsprosess (Andersen & Wallace, 2015, s. 197). Dermed tones betydningen av datakunnskaper ned.
Samtidig utvikles «brukervennlige» verktøy for støtte av BI-prosesser, nemlig verktøy for self-service BI (SSBI), som vi har oversatt med selvbetjent etterretning. SSBI er en tilnærming til BI hvor beslutningstakere og deres assistenter innhenter og tilrettelegger data for analyse uten hjelp fra dataspesialister. SSBI støttes av verktøy som tillater brukerne å hente eksterne data, for eksempel fra internett, koble slike data til interne data og analysere datasettene uten at brukerne må vente på hjelp fra IKT-avdelingen.
En gjennomgang av litteraturen viser at søkelyset innenfor SSBI-verktøy er på utviklingen av ny funksjonalitet og brukervennlighet, se neste avsnitt. I en del av litteraturen uttrykkes bekymring for bruk av data som ikke er tilrettelagt av dataspesialister. Det foreslås forskjellige måter å begrense SSBI på, blant annet ved kun å tillate superbrukere å laste ned data fra eksterne kilder og ved å sette krav til datakvalitet (Alpar & Schulz, 2016, s. 153-154). Vårt syn er at det ikke er mulig å begrense lederes tilgang til data, og at en av fordelene med SSBI nettopp er at ledere som overvåker omgivelsene omhyggelig, kan ta flere data i betraktning i sine beslutningsprosesser. Vi bør heller utdanne økonomer som er i stand til å samle inn og analysere data, og som forstår utfordringene ved å tilrettelegge data selv, slik at de kan utnytte det potensialet som ligger i SSBI til å ta effektive beslutninger.
Vi har formulert to forskningsspørsmål knyttet til SSBI:
Er det en sammenheng mellom kunnskaper om datamodellering og effektiv bruk av SSBI-verktøy for beslutningsstøtte?
Hvis det er slik, hvilke utfordringer har brukere med begrensede kunnskaper om datamodellering når de bruker SSBI-verktøy i beslutningsprosesser?
Hensikten med det første spørsmålet er å finne ut om funksjonaliteten og brukervennligheten til SSBI-verktøy faktisk kan støtte sluttbrukere slik at tilrettelegging av data på egen hånd gir korrekte analyser. Hensikten med det andre spørsmålet er å finne ut hvilke problemer sluttbrukere eventuelt har med bruk av SSBI-verktøy.
For å svare på forskningsspørsmålene har vi laget en oppgave og analysert hvordan bachelorstudenter har løst en oppgave med bruk av SSBI-verktøy til å tilrettelegge og analysere data i forskjellige formater. En vesentlig del av oppgaven var bruk av SSBI-verktøy for å analysere behovet for nye barnehager.
Resten av artikkelen er organisert som følger: I neste avsnitt går vi gjennom litteraturen om SSBI. Deretter presenterer vi forskningsmodellen og forklarer hvordan vi har samlet inn og analysert data. I det følgende avsnittet beskriver vi resultatene. I siste avsnitt diskuteres resultatene og begrensninger ved undersøkelsen.
LITTERATURGJENNOMGANG
I dette avsnittet forklarer vi først vesentlige begreper med vekt på begrepene business intelligence (BI) og selvbetjent BI (SSBI), og vi fokuserer på forskjellen mellom de to begrepene. Deretter gjennomgår vi litteraturen om SSBI for å posisjonere vår forskning.
BUSINESS INTELLIGENCE (BI) OG SELVBETJENT BUSINESS INTELLIGENCE (SSBI)
BI defineres på flere måter (se Presthus, 2015 for en oversikt). Felles for definisjonene er at formålet med BI er å støtte sluttbrukere, det vil si både ledere og ansatte, slik at de kan ta «bedre» beslutninger (Watson, 2009), altså mer målrettede beslutninger (Pfeffer & Salancik, 1978, s. 11), eller «bedre og raskere» beslutninger (Chaudhuri, Dayal, & Narasayya, 2011). Noen definisjoner legger vekt på teknologien. Andre definisjoner omfatter både teknologien og bruken av teknologien. Vi er enige med Ask (2013) i at man bør skille mellom teknologi, arkitektur og bruk av teknologi. For denne artikkelen finner vi det hensiktsmessig med en snever definisjon av begrepet IKT, slik at vi bruker begrepet for maskinvare, programvare og datanettverk, altså utstyr som er ment å øke menneskers arbeids- og informasjonsbehandlingskapasitet (Zuboff, 1989; se også Orlikowski, 1992). Ordet arkitektur kommer fra latin architectura, som betyr bygningskunst (Hastrup, 1983). Begrepet betegner her sammensetning av IKT-komponentene.
Med utgangspunkt i Simons modell for beslutningstaking som en prosess med fasene intelligence, utforming av alternativer, valg, utførelse og oppfølging (Simon, 1960, s. 2-3), definerer vi BI som søking etter og analyse av data i eksterne og interne kilder etter forhold som indikerer behov for beslutninger. Simon hadde lånt betegnelsen intelligence fra militæret, hvor betegnelsen brukes om innsamling og analyse av spesielt fienders planer og handlinger, det vil si etterretningsvirksomhet.
SSBI defineres også på flere måter. Schlesinger og Rahman (2015) legger vekt på at brukerne må forstå hvordan organisasjonen og omgivelsene er representert i datavarehuset, slik at de er mindre avhengige av dataspesialister når de bruker datavarehuset. Et datavarehus er en database med interne og eksterne data som spesielt skal støtte lederes beslutningstaking. Datavarehuset organiseres og kvalitetssikres av dataspesialister (Devlin & Murphy, 1988). Abelló et al. (2013) legger vekt på at hensikten med SSBI er at brukere som ikke er dataspesialister, skal være i stand til å inkludere data som ikke finnes i datavarehuset, i sine analyser. Alpar og Schulz (2016) skjelner mellom tre nivåer av SSBI. Det laveste nivået går på bruk av data i predefinerte rapporter. Det neste nivået omfatter i tillegg tilgang til data på detaljert nivå i datavarehuset. Det tredje nivået svarer til beskrivelsen hos Abelló et al. (2013).
Vi bygger på beskrivelsen hos Abelló et al. (2013). Dagens forretningsomgivelser er karakterisert ved global konkurranse, raske teknologiske og økonomiske endringer og press på kostnader. For å håndtere slike omgivelser må ledere være i stand til å oppda
