Automatiseret databehandling: Næste skridt vil påvirke os alle

I 00’erne brugte mange mennesker tid på at plotte data fra papir ind på deres pc eller scanne lange rækker af dokumenter. I 10’erne blev de digitale dokumenter sat i system. I dag er vi ved næste trin i udviklingen: fuldautomatiseret databehandling. For at forstå næste trin, er det værd at se tilbage på, hvordan vi kom frem til, hvor vi er i dag. 

Før computeren, dengang notater blev skrevet i hånden, kunne vi finde dem frem fra arkivskabet, når vi havde brug for dem. Senere blev data primært et referenceværktøj, da ingen virksomhed havde mulighed for at bruge data som en ressource i realtid. Et godt eksempel på gammeldags datastyring er katalogfirmaerne. Altså virksomheder som f.eks. Daells Varehus og Gyldendal, der sendte kataloger ud i tusindvis til potentielle kunder, men der var ingen måde at spore på, hvem der reelt set bestilte produkterne – og målrettet markedsføring var altså så godt som umuligt. 

20 år senere

Da computeren blev et standard arbejdsredskab, blev de gamle papirkopier digitaliseret, og de første digitale processer begyndte at fodre data ind i it-systemer. Data blev tilgængelig via et enkelt klik. Det åbnede op for nye muligheder som indsamling og analyse af data fra flere kilder. Det var samtidig ikke længere en uovervindelig opgave at sammenligne data fra flere kilder. Alle så mulighederne i data, og i dag er digitale data, dataanalyse og processer en milliardindustri.

Efter mange års arbejde med at skabe nye og bedre muligheder for indsamling og konsolidering af data er fokus nu vendt mod at øge tilgængeligheden. Den digitale infrastruktur er blevet kraftigt udvidet, og erhvervslivet er i fuld gang med at migrere til skyen. 

Det næste trin bliver at automatisere det hele. I praksis vil det betyde, at vi får mulighed for at organisere store mængder af data, uanset om de er i skyen eller på private servere, så slutbrugere kan få mest muligt ud af dem.

Dette er fremtiden

Hvad der tager timevis for mennesker at udføre, kan nemlig gøres på få minutter med automatisering. Ved at oprette regler og skabe algoritmer til kontrol af databehandlingspraksis kan dataingeniører lave enkle automatiseringer, der holder data konstant opdaterede.

Men med de seneste fremskridt inden for kunstig intelligens og maskinlæring forventer jeg, at virksomheder snart kan automatisere komplette datadrevne processer, der håndterer hele processen fra dataindsamling til praktisk anvendelse, helt uden menneskelig involvering.

Derefter skal barriererne mellem de gamle it-systemer nedbrydes, så vi kan gå fra applikation til applikation og fra proces til proces uden problemer. Det kræver også, at vi kan skabe tillid til, at de tjenester, vi bruger, udfører mere af arbejdet for os – også på en etisk forsvarlig måde. Da virksomheder i stigende grad kommer til at skulle stole på automatisk indsamlede data, vil efterspørgslen efter smartere styringssystemer og ændringer i praksis også øges.

Dataautomatisering vil gøre livet lettere for rigtigt mange, og ikke mindst frigøre ressourcer fra gentagende opgaver, som kan bruges på mere avancerede handlinger, hvor der er brug for menneskelig arbejdskraft. Formen for automatisering vil blive ved med at udvikle sig og gøre databehandling af store datasæt nemmere. Det er uden tvivl kommet for at blive, og mange vil byde det velkommen.