Stiftelsen för Strategisk Forskning publicerade för ett par år sedan en artikel. ’Vartannat jobb automatiseras inom 20 år – Utmaningar för Sverige’. Artikeln pekar på att det är väldigt sannolikt att 2.5 miljoner jobb försvinner i Sverige de kommande två decennierna.
Bör du vara orolig? Man kan väl säga såhär att arbetar du med Excel bör du läsa och ta till dig texten nedan.
Automatisering, Big Data, ML och AI
Automatisering, Big Data, Machine Learning och AI är koncept som är nära förknippade med varandra.
- Automatisering går i korthet ut på att den mänskliga faktorn ersätts av hård- och mjukvara. Ett brandalarm är ett exempel på automatisering. Istället för en människa är det larmet som varnar när sensorerna känner av värme eller rök.
- Big Data betyder att allt som kan kvantifieras, kvantifieras! Enligt IBM har ungefär 90% av all data på Internet producerats under de senaste tre åren. Fantastiskt.
- De här massiva datamängderna är mer eller mindre strukturerade och för att få ordning i kaoset använder man Machine Learning.
- Och slutligen AI, artificiell intelligence, är interfacet mellan människa och maskin. AI emulerar mänskligt beteende.
Det är tack vare dessa koncept som vi snart har självkörande bilar på våra gator. Koncepten har funnits länge och det är först på senare tid som vi har börjat se konkreta lösningar.
Som analytiker tycker jag det är intressant med automatiserad textanalys. Jag läser väldigt mycket. Att läsa tar tid. Verktyg som automatiserar textanalysen börjar bli riktigt vassa. Man matar verktyget med skriven text från sökningar på Internet, sociala plattformar, mejl och så summerar verktyget texterna utifrån olika premisser. Man kan få ut vanliga summeringar, men även analyser av känslostämningar i kommentarsfält och liknande.
Det finns många olika leverantörer av textanalysverktyg. Som användare måste man väga pris mot funktionalitet när man väljer sin leverantör och även se vilka andra tjänster som erbjuds. Som AI plattformar exempelvis.
Antalet leverantörer av AI plattformar ökar. Ayasdi, Baidu, Amazon, Microsoft Azure är bara några namn… Rainbird erbjuder beslutsstöd i realtid baserad på Big Data. IT-spelaren Wipros plattform Holmes användes internt under flera år för att effektivisera processer (och minska antalet anställda med ca 30%) och används idag för att effektivisera leveranser ut mot kund. IBMs Watson kan göra automatiserade Win/Loss-analyser.
Marknaden för BI och analysverktyg växer också. Antalet leverantörer ökar och det innebär att funktionaliteten ständigt breddas och förbättras. Enligt Gartner kommer Natural Language Generation vara standard på 90% av verktygen 2020. Man behöver således inte vara en tekniknörd för att kunna använda sitt BI-verktyg. Det är strunt samma om datan ligger på Hadoop, AWS eller Excel. Det är bara att skriva in frågan ’Vilken marknadsandel har jag idag?’. Typ.
Kommer omvärldsanalytiker ersättas av robotar
Här är jag som omvärldsanalytiker lite ställd. Kommer mina kunder att ställa frågor om marknadens utveckling till ett online-verktyg i framtiden? Kommer jag att bli ersatt av en mjukvarurobot?
Mitt svar på den frågan är nej. Däremot kommer marknaden förändras! Och likt andra varelser på den här planeten måste omvärldsanalytikern anpassa sig för att överleva!
Hjärnan har inte utvecklats i samma takt som tekniken. Människor kommer även i framtiden att gilla snygga slides. De kommer fortsätta peka på fel som egentligen inte är viktiga, som tryckfel. De kommer fortsätta vara arroganta och snarstuckna. De kommer även fortsätta vara smarta, analytiska och kluriga.
Jag tycker det är viktigt att komma ihåg eftersom omvärldsanalys handlar väldigt mycket om dialog och kommunikation. Analytisk kompetens är viktigt och social kompetens är minst lika viktigt, ofta ännu viktigare!
Enligt Gartner kommer 95% av alla business managers 2020 ta beslut baserade på magkänsla, trots all tillgänglig analys och fakta. Riskerna att ta fel beslut ökar och det är bara så vi fungerar. Intuition är en faktor vi omvärldsanalytiker måste kunna relatera till.
Fördelar med de smarta maskinerna
En AI plattform kan få fram svaret på en specifik fråga på en nanosekund. Om frågan är ’rätt’, dvs om algoritmen är konstruerad så att den kan ge ett svar. Frågor som kan besvaras med historisk, kvantifierad data är perfekta för smarta maskiner att jobba med. De kan samköra enorma datamängder och presentera summeringar och vägda resultat på momangen. Som människa tar det längre tid att traggla igenom artiklar och Excelblad förstås.
Men om frågan är framåtblickande? Kan man inte extrapolera historisk information blir det svårt för maskinen att ge ett bra svar. Tiden det tar att uppdatera algoritmen är för kostsam. Och kommer det en ny fråga, även den framåtblickande, så måste arbetet göras om. Här har människan en fördel eftersom människan är kreativ och har fantasi. Ska man svara på en fråga om hur ett lands politiska situation kommer utvecklas måste man ha kunskap om hur människor i det landet fungerar, hur politiska ledare antagligen uppfattar sin omvärld och hur de interagerar med andra viktiga personer.
Som analytiker tycker jag det är fantastiskt att få hjälp av en maskin att besvara den första typen av frågor. Det ger mig mer tid över till att analysera den andra typen av frågor. Den andra typen av frågor är nämligen de som är viktigast för beslutsfattare att ha svar på.
Omvärldsanalytikers kompetensbehov
Man kan dela upp omvärldsanalytikers kompetensbehov i två stora områden, sociala och tekniska. Idag handlar mycket om den sociala kompetensen att vara en bra kommunikatör. Man måste kunna tolka och klargöra vad som sägs i en dialog med en uppgiftslämnare eller beställare. Man måste även ha integritet att våga försvara en ståndpunkt. Vad gäller den tekniska kompetensen så handlar det mycket om hygienfaktorer. Man måste ha ett hum om industrin man analyserar, man måste kunna analysmetoder och applicera dom i sin analysprocess.
I mångt och mycket handlar det om att förstå och tolka data. Skriva och presentera rapporter.
’The future belongs to those who prepare for it today’
-Malcolm X, human rights activist
I framtiden kommer det handla mer om att vara framåtblickande.
Framtiden är komplex. Industrier smälter samman. Nya konkurrenter, kundbehov och affärsmodeller växer fram. En konkurrent är en kund är en partner. Man måste helt enkelt bli en säljande generalist.
’Säljande’ eftersom omvärldsanalytikern måste bli ännu mer lyhörd, social, öppen och anpassningsbar så att det man levererar verkligen tillgodoser ett behov.
Och ’generalist’ eftersom man för att kunna analysera det som händer måste man kunna lite om det mesta!
Framtidens omvärldsanalytiker måste även bli bättre på att samarbeta.
IT och telekom är två industrier som växer samman. Självklart måste IT-analytiker prata med Telekom-analytiker om vad som händer. Men analytiker måste även samarbeta mer med andra arbetskategorier. Som Data Scientists. En omvärldsanalytiker kanske ställer upp en hypotes om marknaden och tar hjälp av en Data Scientist för att få hypotesen testad med hjälp av stora datamängder.
Omvärldsanalytikern måste även bli bättre på att använda andra verktyg än Excel. Det finns många visualiserings- och analysverktyg idag. Man behöver kanske inte bli en expert men grundläggande kunskaper behövs för att effektivisera dialogen med exempelvis Data Scientists.
Och. En sista grej. Med tanke på all data som produceras idag måste framtidens omvärldsanalytiker bli mycket bättre på att faktagranska sina källor. Hur vet man att den data man använder är sann? Detta arbete kommer lätt att kunna bli tidsödande, tror jag.
Nej, jag blir inte ersatt av en robot. Istället ser jag en framtid där man använder smarta verktyg för att bli mer effektiv och samarbetar med nya typer av experter för att få fram ännu bättre insikter. Resultatet blir en närmare dialog med beslutsfattare, vilket leder till mer genomtänkta beslut!
Vad tycker du om detta? Vill du veta mer om hur man ska bli vassare på omvärldsanalys i framtiden? Kontakta mig. Låt mig hjälpa dig och din organisation.
Saludos / Ingemar
(Obs! De åsikter som uttrycks i denna artikel är mina egna. Exempel på analys är just exempel och ska inte återges som verkliga händelser eller resultat).
