Vi hører det ofte fra leverandører af BI-værktøjer: Kuben er død.
Jeg må indrømme, at det i mine øjne bringer unødig forvirring for i forvejen hårdt prøvede BI-organisationer.
Jeg betragter det mest som et marketingbudskab, der skal få folk til at bruge værktøjer til data discovery og visualisering som Qlik, PowerBI og Tableau i højere grad.
Og - don't get me wrong - visualiseringsværktøjer er nødvendige og revolutionerende gode. Men det bliver for dyrt, hvis man bare kaster sine kuber væk.
Et eksempel på en opfordring til at smide sine kuber væk finder du her.
Når man ser en kube fra en ikke-teknisk brugers synspunkt - hvilket vil sige de fleste BI-brugere - er en kube et centralt sted, hvor man kan analysere pålidelige data multidimensionelt.
Dette kunne eksempelvis være analyser af salgsdata på dimensionerne kunde, produkt og tid og en masse andre dimensioner.
Dette giver det store antal analysemuligheder, som har gjort business intelligence så attraktivt et investeringsområde.
Min pointe er, at den almindelige BI-bruger altid vil have behov for multidimensionelle analyser, og derfor er der behov for at holde kuben i live.
Alle større BI-teknologier, som har været anvendt indtil årtusindskiftet, var sat i verden for at understøtte kuben.
Filer eller prædefinerede udtræksprogrammer
I den tidlige version af BI var den fysiske kube et antal filer eller prædefinerede udtræksprogrammer, som kunne vælges ud og vises.
Siden kom OLAP-teknologien, som bruges den dag i dag i flere varianter - ROLAP, MOLAP og så videre - hvor en særlig database giver nem adgang til alle mulige kombinationer af dimensioner. Og det er med OLAP, at den fysiske 'kube' er blevet mest kendt.
Men kuben er også meget mekanisk, og den har været mest elsket i it-afdelingen, økonomiafdelingen og på ledelsesniveau. Andre har følt sig begrænset af den.
Det nye, der skete, var in-memory og column-store teknologien, som blev udbredt efter årtusindskiftet. Senest er der også kommet in-chip-teknologi fra Sisense.
Disse gjorde det først uendeligt meget hurtigere at lave fysiske kuber, men de har også suppleret den multidimensionelle analyse med muligheden for at kombinere data friere og uden at skulle definere et fast antal dimensioner, fakta og hierarkier.
Qliks associerings-engine er et godt eksempel.
Den har dækket behov, som den multidimensionelle kube ikke har dækket. Det gælder særligt decentrale data discovery-initiativer udenfor it-afdelingen - eksempelvis marketing, produktion, big data, IOT, real time-data og meget andet.
Første gang, jeg brugte sådan et data discovery-værktøj, skulle jeg lige bruge et stykke tid på at vende min traditionelle BI-verden på hovedet for at kunne forstå de nye muligheder.
Og de er både store og nødvendige at kende og bruge for at udvikle sin forretning - særligt som data scientist.
Interessante Data Discovery-showcases kan findes her.
Til gengæld har denne nye teknologi og metode sine begrænsninger, hvis man ikke er tålmodig nok til at opretholde et centralt veldefineret datasæt, som deles i mellem alle afdelinger, altså en kube.
Og den tålmodighed ser man sjældent udenfor IT afdelingen. Så ofte ender forretningsbrugerne med at indbygge lokale definitioner af sine nøgletal, eksempelvis salg eller kunde-rentabilitet, i sine visualieringsværktøjer.
Og så kan tallene ikke genbruges for andre afdelinger og indgå i almindelig opfølgning på at virksomheden når sine mål.
Eller også bliver det redundant og ret dyrt at vedligeholde. Og det er gift for en virksomheds tillid til et BI intiativ.
Så konklusionen er - kendt for mange allerede - at vi nu har to analysemetoder med tilhørende teknologi, som begge har sin berettigelse. Gartner kalder det også BIModal BI eller 'suits' vs 'T-shirts'.
Jeg tror på, at de fleste BI brugere er 'suits', som stadig skaber en masse værdi for deres virksomheder ved at tage beslutninger ud fra den gammeldags kubes centrale veldefinerede og gennemtestede KPIer, som opdateres hver nat.
'T-shirts' er en lille gruppe analytikere, der med den nye teknologi i hånden hele tiden er lidt foran og definerer nye KPIer, og ideer til områder der kan indbygges og følges op på i kuben. Med sådan en arbejdsfordeling vil virksomheden få mest værdi ud af sine data.
Læg et visualiseringsværktøj på dine kuber.
Så kuben er ikke død, den har bare fået en fætter, der kan noget andet, som der også er brug for.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os noget tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.