Hans Henrik Børgesen (Advisory Director i KMD DIMA) og Anders Ritter Bonnerup (Bussiness Operation Director i KMD DIMA) var forbi Gartner, for at få latest and greatest indsigt i KMD DIMA’s felt, fra Gartners Data & Analytics Analyst Jorgen Heizenberg.

1. Gartner Analytics session validerer KMD Insight’s
nuværende rejse fra modus 1 til bi-modal

2. Hans Henrik Børgesen (Advisory Director i
KMD DIMA) og Anders Ritter Bonnerup
(Bussiness Operation Director i KMD DIMA) var
forbi Gartner, for at få latest and greatest
indsigt i KMD DIMA’s felt, fra Gartners Data &
Analytics Analyst Jorgen Heizenberg.

3. Det var en meget inspirerende session med
Jorgen og den overordnede konklusion var -
heldigvis for det –at KMD DIMA på mange
måder pt. udøver og leverer på at
implementere de anbefalinger og tendenser,
der af Garner, vurderes som essentielle i
branchen.
Jorgen er meget optaget af de ’balancerede
bevægelser’, som sker for tiden, hvor
organisationer og virksomheder arbejder med
at implementere. Netop implementeringen af
den bi-modale tankegang, hvor organisationer
har brug for både robusthed og agilitet i
arbejdet med data.
Netop det bedste fra de to verdener – modus 1
og modus 2.

5. I bedste konsulentstil greb Jorgen Heizenberg
tavlen og gav os en samlet rundtur i de key-
take aways, som vi pt. interesserede os for at få
sparring på. Vi vil i denne mini-artikel give en
opsummering af det vi tog med hjem fra
Gartner.
Herunder ses tavlen fra Jorgens forklaringer.

6. Jorgen startede ud med at præcisere hvad
Gartner, og han selv, mener om det som de
beskriver som fundamentet for at blive en
”digital business”, nemlig ”the digital business
technology platform”. Til forskel fra tidligere
versioner, hvor man har set interne systemer i
kernen, er data, analytics og intelligence nu
centreret i kernen, som det ses i tegningen fra
Jorgen.

7. De fleste it-systemporteføljer, som er
implementeret igennem mange års indsats, er
ikke længere noget, man isoleret set, kan
betragte som det digitale fundament for en
”digital business”.
Systemerne er i sig selv ikke nok til at
understøtte den digital forretning og
transformation. Det at bygge en rigtig digital
understøttet virksomhed, kræver en digital og
teknologisk platform, som vil blive bygget
trinvist for at matche en virksomheds valgte
digitale ambition.

8. At opbygge en digital platform kræver, at
virksomheden gradvist integrerer gamle IT-
systemer med flere nye teknologier over tid.
Og derfor skal det være et samlet framework
som binder økosystemet sammen. Kernen i
centrum for dette, er data, da opnåelse af
skala og effekt, som digitaliseret forretning
ofte kræver forbindelse og netværkseffekter
mellem de digitale økosystemer.
Data er det eneste og mest effektfulde der kan
forbinde disse økosystemer i de fire
perspektiver,
1) Kunder/borgere
2) ”Things”
3) Ecosystems og selvfølgelig
4) Systemer

9. Derfor skal den digitale platform støtte
opbygning og interaktion med disse
økosystemer, hvilket afføder og afkræver, at en
samlet digital platform skal anvende de
såkaldte bi-modale arbejdsformer.
Modus 2 tilgange udnytter platformens
fleksibilitet, mens modus 1 nærmer sig
udnyttelse af platformens evne for at køre
løbende og for at kunne skaleres.

10. 3 kerne designprincipper vil komme til at
herske solidt i forhold til at få skabt den succes
alle ønsker med data.
1. Control to collaborate
2. Choice based – option based
3. Iterate vs. incremental approach

11. En Digital Business Technology Platform kræver
dermed et hybrid integrationslag, hvor
komponenter fra alle dele af den digitale
forretningsteknologiplatform skal samarbejde,
skabe processer, oplevelser og andre
imponerende services. Figur 5 viser
eksempelvis hvordan en bank der skal oprette
et nyt låneprodukt, kan og bør udnytte de
samlede muligheder i ”the digital business
platform”.

12. Som linjen, der bevæger sig fra højre mod
venstre i figur 5, indikerer:
• Banken vil bruge sin økosystemplatform til
at administrere fintech-API'er.
• Disse API'er vil levere data- og
analysekapacitet til vurdering af risikoen for
udlån.
• Disse risikodata ville være nødvendige af de
centrale banksystemer, der findes i
oplysningerne
• systems platform til at oprette eller foreslå
et lån.
• Produktserfaringen vil blive leveret via
kundens oplevelsesplatform.
Det er klart, at integration på tværs af
platformens mange komponenter vil være
påkrævet.

14. Grundlæggende er essensen af den rejse
mange er på, og som Jorgen talte ind til, at
man igennem længere tid har erkendt at
arbejde med løbende opdateret Business
Intelligence direkte ovenpå produktionsdata,
er en svær disciplin, og særligt når det man
ønsker at måle, veje og styre på, kræver data
fra mange kilder.

15. Modvægten til dette har været den målrettede
indsats med at skabe orden i kaos, ved at de
samme data kun trækkes ud én gang, logik
vedligeholdes samlet, og der sker sikring af
validitet og kvalitet i data.
Alt i alt et meget kontrolleret setup med styr
på kilder og data.

16. Alt i alt, har vi alle arbejdet målrettet med at få
orden og kontrol over vores datalandskab…

17. Men denne fokuserede og kontrollerede
tilgang, har udfordringer og uforløste behov,
som Gartner og Jorgen Heizelberg påpeger.
Blandt andet….
Manglende FLEKSIBILITET/AGILITET
1. Besværligt at analysere på nye data – ingen
hurtig afprøvning!
2. Nye typer projekter som f.eks. ML eller IoT
3. Stigende behov for understøttelse af Ad-
Hoc analyser
Følelse af en høj OMKOSTNING vs. BENEFIT
1. DW setup og integrationer koster penge!
2. Er vi sikre på værdien?
3. Data til ad-hoc? ”Men jeg skal jo kun bruge
det midlertidigt”

18. Problemer med DATA ADGANG
1. Hvordan får jeg adgang til nye data?
2. Forskellige værktøjer til forskellige opgaver!
3. Fælles logning og adgangsstyring også på
Ad-Hoc
Svært at bibeholde en kontrolleret
CENTRALISERING
1. Mere self-service – frihed under ansvar!
2. Data er spredt i organisationen
3. Manglende håndtering af GDPR herunder
f.eks. anonymisering af data

19. Det samlede spørgsmål er, om man virkelig får
indfriet sit potentiale med data? Får vi nok
værdi ud af alle de data vi har? Indfanger vi
mulighederne for, at lave hurtige ad hoc
analyser, kombinere og samkøre med en anden
midlertidig kilde? Koble på mere avancerede
statistikse modeller, machine learning
sandboxes mv?

20. Svaret er både ja og nej.
Ifølge Gartner, er det ikke et enten eller. Vi har
brug for det bedste fra begge verdener, og det
har Jorgen tegnet i nedenstående tegning.
Netop det, at der er en Centralized, Federated
og Liberalised zone med en line of control
imellem, som viser at vi har fuld
kontrol over det centraliserede data-
warehouse setup, hvor vi har styr på
ERP kilder, applikationer og systemer
(alle core systems).
Her har vi data governance, data
security, privacy og deployment helt
på plads i et højt kontrolleret setup.

22. Dette er præcis det samme framework, som vi
opbygger med vores KMD Insight Platform as
a Service.
En samlet platform inkl. Frameworks, som
muliggør et samlet dataøkosystem, der sikrer
at man som organisation kan arbejde med det
bedste fra både den kontrollerede og fleksible
choice-verden.
KMD Insight Platformen fungerer dermed som
økosystem for både ledelsesinformation,
business intelligence, avanceret analytics og
machine learning.

23. KMD har igennem mange år leveret KMD
Insight (tidligere navngivet KMD OPUS LIS) som
imødekommer organisationers behov for
styring, rapportering og ledelsesinformation.
Det centrale i KMD Insight er fortsat en samlet
data-infrastruktur til kommunen fokuseret
omkring et forædlet Data Warehouse samt en
BI platform.
Dette er den klassiske ”control” side med et
samlet EDW-Framework udviklet af KMD, hvor
kildedata gennemgår en række
transformationer op gennem et Data
Warehouse, hvor data renses, modelleres og
lagres i forretningsspecifikke data-marter, så de
f.eks. kan sammenstilles på tværs af kundens
kildesystemer.

24. På siden af EDW frameworket findes et ekstra
agilt lag kaldet KMD Insight DataBank.
En DataBank kan anvendes som bund til både
ad-hoc analyser, udvikling af kunstig intelligens
(ML/AI), samt anvendes til udvikling af det
eksisterende Data Warehouse.
KMD Insight DataBank er dermed en agil ’Big
Data’ løsning, hvor man får nem adgang til at
lagre og analysere uanset type og størrelse.
Det er en ny og mere fleksibel adgang til at
indfange, lagre og analysere data fra en lang
række nye kilder.

25. DataBanken sikrer dermed at en kommune
nemmere kan beslutte sig for at lagre en (tæt
på) hvilken som helst ny datakilde fra både
strukturerede databaser, ustrukturerede data
eller streaming data fra f.eks. IoT enheder.
DataBanken bliver et analytisk supplement til
de forædlede og højt modellerede kildedata,
som kommunen fortsat ønsker at gøre brug af i
et forædlet datavarehus.

26. KMD arbejder sammen med blandt andet
Aalborg Kommune om at realisere de første
visionære udgaver af den nye Insight DataBank
KMD INSIGHT DataBank tilføjelse til KMD
Insight fokuserer på at muliggøre en unik
kombination af det meget forædlede data og
det mere agile ’Data Analysis Fast Track’

28. Alt i alt en god validering og blåstempling af
Gartner i forhold til den rejse og vision som vi
har i KMD DIMA.
Vi skal fortsat være den største og den bedste
til at levere effekt og værdi af data til vores
kunder.
Tak fordi du læste med 