CLOUD BI
Utmaningar vid implementation av Cloud BI
CLOUD BI
Challenges when implementing Cloud BI
Examensarbete inom huvudområdet Informationsteknologi
Grundnivå 30 Högskolepoäng Vårtermin 2021
William Sprangers
Handledare: Christian Lennerholt Examinator: Mikael Berndtsson
Sammanfattning
Business Intelligence (BI) möjliggör för bättre och effektivare beslutsfattande genom att förse beslutsfattare med rätt data vid rätt tid. Ny teknik kommer ständigt inom BI området och att tillämpa Cloud Computing (CC) tillsammans med BI ger många fördelar och ett flertal nya utvecklingsområden. Kombinationen av BI och CC skapar Cloud BI och denna teknologi har fortfarande en relativt låg mognadsnivå men den är under konstant utveckling och i denna rapport diskuteras vilka tekniska och organisatoriska utmaningar som kan tillkomma vid införandet av Cloud BI i en organisation.
Det har genomförts intervjuer för att samla in kvalitativ data som kan beskriva detta fenomen och ge en djupare insikt i hur dessa utmaningar påverkar organisationer som vill implementera Cloud BI. Genom att utföra semistrukturerade intervjuer med rum för diskussion så har frågeställningen besvarats. Totalt deltog fem respondenter som
arbetar med BI och har kunskap om Cloud BI.
Resultatet visar att de tekniska utmaningarna som organisationer stöter på när dom implementerar Cloud BI är (1) tillgång, (2) säkerhet och (3) arkitektur och transport av data. Organisatoriska utmaningar som kan uppkomma är (4) resistans, (5) lagar och regler samt (6) arbetssätt och metod.
Nyckelord: Business Intelligence, Cloud Computing, Cloud BI, Tekniska och organisatoriska utmaningar
Innehåll
1 INLEDNING 1
2 BAKGRUND 3
2.1 Business Intelligence 3
2.1.1 Business Intelligence ramverket 4
2.2 Cloud Computing 5
2.2.1 Tjänstemodeller 6
2.2.2 Distributionsmodeller 8
2.3 Cloud BI 8
2.4 Tidigare forskningsstudier 9
2.4.1 Utmaningar vid implementation av BI, Cloud BI och SaaS 10
2.4.2 Cloud BI 10
2.4.3 SaaS 11
2.4.4 Sammanfattning av utmaningar 11
3 PROBLEMOMRÅDE 14
3.1 Frågeställning 15
3.2 Syfte 15
3.3 Avgränsningar 15
3.4 Förväntat resultat 15
4 METOD 16
4.1 Forskningsstrategi 16
4.2 Val av ansats 17
4.3 Fallstudie 17
4.4 Datainsamling 17
4.5 Forskningsetik 18
4.6 Analys 18
5 MATERIALPRESENTATION 20
5.1 Respondenter 20
5.2 Genomförande 21
6 EMPIRI 22
6.1 Presentation av teman inom kategorien: Tekniska utmaningar 22
6.1.1 Säkerhet 22
6.1.2 Tillgång 22
6.1.3 Arkitektur och transport av data 23
6.2 Presentation av teman inom kategorin: Organisatoriska utmaningar 23
6.2.1 Resistans 23
6.2.2 Lagar och regler 23
6.2.3 Arbetssätt och metod 24
7 ANALYS 25
7.1 Säkerhet 25
7.2 Tillgång 27
7.3 Arkitektur och transport av data 28
7.4 Resistans 29
7.5 Lagar och regler 31
7.6 Arbetssätt och metod 32
8 RESULTAT 34
8.1 Säkerhet 34
8.2 Tillgång 35
8.3 Arkitektur och transport av data 35
8.4 Resistans 36
8.5 Lagar och regler 36
8.6 Arbetssätt och metod 37
9 DISKUSSION 38
9.1 Diskussion av resultat 38
9.2 Diskussion av forskningsmetod 39
9.3 Etiska aspekter 39
9.4 Samhälleliga aspekter 40
9.5 Vetenskapliga aspekter 40
9.6 Fortsatt forskning 41
BILAGOR 42
Intervjustruktur 42
REFERENSER 44
1 Inledning
En av de viktigaste resurser som organisationer har tillgång till i dagsläget är data, för att lagra, hantera och analysera denna data så är det av stor vikt att organisationerna har ett bra informationshanteringssystem (Demirkan & Delen, 2013). Data och således information har snabbt blivit de viktigaste resurser som finns tillgängliga inom företag då man har märkt att dessa möjliggör en snabb respons vid marknadsförändringar och att stå ut gentemot konkurrensen. För att genomföra detta så behöver organisationer ta smartare, mer välinformerade beslut och dessa beslut grundas i hur dom samlar in och analyserar sin data. Business Intelligence (BI) verktyg har således blivit en viktig resurs för företag som vill bli effektivare och ta mer datadrivna beslut (Demirkan & Delen, 2013).
BI används för att kombinera analysverktyg med data för att leverera komplex och kvalitativ information till slutanvändare, målet med BI system blir således att leverera rätt information till rätt användare vid rätt tidpunkt (Negash, 2004). I dagsläget är det svårt att hitta en framgångsrik organisation som inte använder dataanalys för att ta bättre beslut, stora organisationer har generellt sett tillgång till mycket mer data och använder nya aggressiva analysmetoder för att dra nytta av denna större datamängd och ta bättre beslut (Chaudhuri, Dayal & Narasayya, 2011). Cloud computing (CC) är en teknologi som erbjuder IT resurser vilket hyrs ut som en service av en leverantör via internet. CC används alltså för att dela information, resurser och mjukvara vilket blir tillgängligt vart som helst, så länge det finns en internetuppkoppling (Prasad, Naik &
Bapuji, 2013). CC erbjuder datorkraft som organisationer vanligtvis inte har tillgång till på grund av finansiella eller organisatoriska restriktioner, med CC kan man då förflytta alla sina nuvarande analysverktyg och databaser till molnet för att istället genomföra alla operationer där (Olszak, 2014).
De leverantörer som hyr ut CC som en service erbjuder ett antal olika alternativ för kunder. AaaS (analytics as a service), PaaS (platform as a service), IaaS (infrastructure as a service) samt SaaS (software as a service). SaaS är den service som är heltäckande då alla IT resurser erbjuds samt hårdvara och hosting. Företag har då möjligheten att helt flytta sin BI verksamhet till molnet. BI och CC är två element som onekligen kommer att föras samman, eftersom BI system är mycket kostsamma att implementera och
underhålla så kommer detta eventuellt resultera i att värdet att uppdatera BI systemen inte längre är värt för organisationen (Al-Aqrabi, Liu, Hill & Antonopoulos, 2015). CC erbjuder då möjligheten att flytta sin nuvarande BI lösning till molnet och hyra hård och mjukvara samt lagra all data på molnet från en leverantör istället för att betala för dyra uppgraderingar på egen hård och mjukvara.
Inom litteraturen presenteras det ett antal utmaningar vid implementationen kring Cloud BI men det finns utrymme att undersöka vilka utmaningar som verksamheter som implementerar dessa system i praktiken stöter på (Llave, 2017). För att kategorisera dessa utmaningar så har två primärområden identifierats: Organisatoriska och tekniska utmaningar kring implementation av Cloud BI. För att identifiera om de utmaningar som uppstår i praktiken är jämförbara med de som presenteras i litteraturen har följande
fråga tagits fram: ”Vilka organisatoriska och tekniska utmaningar påträffar företag som inför en Cloud BI-lösning?”
2 Bakgrund
Inom detta kapitel kommer studiens nyckelbegrepp presenteras mer ingående. De huvudområden som presenteras inom detta kapitel är BI, CC samt Cloud BI. Kapitlet avslutas med en summerande tabell av vad tidigare forskning har identifierat som utmaningar kring implementering av BI, Cloud Bi samt SaaS.
2.1 Business Intelligence
Business Intelligence definieras av Sharda, Delen och Turban (2014) som en paraplyterm där man kombinerar ett antal olika verktyg såsom databaser,
analysverktyg, arkitekturer, metoder och applikationer för att stödja beslutsfattare och möjliggöra analyser på tillgänglig data. Det finns många olika sätt att analysera data på inom business intelligence men de vanligaste analysmetoderna är deskriptiv, prediktiv och preskriptiv analys.
Deskriptiv analys beskrivs av Sharda, Delen och Turban (2014) som en analysmetod där man använder tillgänglig data inom organisationen för att förstå det aktuella läget. Man kan alltså med hjälp av denna metod besvara frågan: Vad har hänt? detta görs möjligt genom att identifiera underliggande trender och förstå varför dom har inträffat.
Prediktiv analys handlar om att förstå vad som kommer att inträffa i framtiden baserat på organisationens data. Målet här enligt Sharda, Delen och Turban (2014) är att implementera ett antal olika metoder såsom data mining eller statistisk analys för att räkna ut möjligheten för att vissa saker ska inträffa på ett visst sätt. Genom att analysera en kunds köphistorik kan man alltså med en viss procents säkerhet identifiera nästa föremål som dom kommer att införskaffa. Målet med denna metod är att besvara frågan:
Vad kommer att hända?
Preskriptiv analys är den analysmetod som är mest automatiserad och innefattar aktiva beslutsstödssystem. Målet med den preskriptiva analysmetoden är enligt Sharda, Delen och Turban (2014) att identifiera vad det är som går bra inom företaget och skapa ett system som ger prognoser och tar beslut för att uppnå bästa möjliga prestanda. Genom att använda preskriptiv analys kan man alltså få underlag för vissa frågor då simpla svar kan ges på frågor som innefattar särskilda händelser, exempelvis kan man få en
rekommendation på en kostnad för en specifik produkt.
Inom denna studie används deskriptiv analys för att besvara frågan ”Vad har hänt?” när litteratur identifieras och analyseras. Genom att använda deskriptiv analys kring
insamling av data kan en tydligare bild av skapas av det aktuella läget (Sharda, Delen &
Turban, 2014). För att skapa en övergripande bild av forskning inom Cloud BI
analyseras identifierade studier med hjälp av deskriptiv analys då en jämförelse kring utmaningar i litteraturen och praktiken kan lättare genomföras om analysfrågan ”Vad har hänt?” besvaras.
2.1.1 Business Intelligence ramverket
Ett traditionellt BI system är enligt Sharda, Delen och Turban (2014) uppbyggt av fyra komponenter. Dessa komponenter är: Data, Data warehouse, Analytics och User interface.
Figur 1 Business Intelligence ramverk - Insipirerad av (Sharda, Delen & Turban, 2014)
I figur 1 beskrivs den traditionella BI arkitekturen där data hämtas från olika datakällor för att sedan gå igenom Extract – Transform – Load (ETL) processen. ETL processen extraherar och transformerar önskad data för att sedan ladda in den i rätt format till ett data warehouse (DW) (Sharda, Delen & Turban, 2014). Väl inuti DW så lagras data för att sedan analyseras och presenteras för en slutanvändare via ett user interface (Sharda, Delen & Turban, 2014).
Ett DW är en samling av data gjord för att stödja beslutsfattande, det är även en samlingsplats för aktiv och historisk data som kan vara av intresse för beslutstagare inom organisationen (Sharda, Delen & Turban, 2014). Den data som finns inom ett DW är oftast strukturerad på ett sådant sätt så att den är tillgänglig för analys då den har genomgått ETL processen (extract – transform – load) (Sharda, Delen & Turban, 2014).
DW identifieras av fyra stycken egenskaper enligt Sharda, Delen och Turban (2014):
• Subject oriented (Ämnesorienterad) – Data inom ett DW är organiserad efter ämne, såsom försäljning, produkter eller kunder. Detta görs för att få en bättre överblick av organisationens data
• Integrated (Integrerad) – Data som lagras inom ett DW ska vara helt integrerad så att all inkommande data följer samma format.
• Time variant (Tidsinterval) – Tid är den viktigaste dimensionen inom ett DW då man ska kunna lagra och ha tillgång till historisk data för att kunna göra
träffsäkra analyser.
• Nonvolatile (Ickevolatil) – Efter att data har lagrats i ett DW ska användare inte kunna ta bort eller uppdatera data, icke relevant data kasseras och förändringar läggs in som ny data
Business Analytics (BA) är ett samlingsnamn för de tekniker och applikationer som används för att hantera och analysera den data som finns inuti ett data warehouse. För att omvandla data till ett faktiskt värde för organisationen så används tekniker som OLAP (online analytical processing), Data mining och SQL frågor för att på ett effektivt sätt analysera den data som finns tillgänglig för organisationen (Sharda, Delen & Turban, 2014).
Business Performance Management (BPM) refererar till de processer, metoder och teknologier som används inom organisationen för att mäta, övervaka och hantera organisationens utförande (Sharda, Delen & Turban, 2014). För att ständigt förbättra prestandan inom organisationen så genomförs följande processer enligt Sharda, Delen och Turban (2014):
• Strategize (Strategi) – Identifiera mål inom organisationen genom att svara på frågan ”Vad vill vi uppnå?”. En strategi och en tidsplan sätts upp inom
organisationen för att identifiera målen.
• Plan (Planera) – Planera för hur man ska uppnå målen som sattes under den tidigare processen, detta genomför man genom att svara på frågan ”Hur når vi dit?”.
• Monitor / Analyze (Övervaka, analysera) – När ovanstående processer är igång så är det avgörande att organisationens välmående övervakas och analyseras, detta genomförs genom att svara på frågan ”Hur mår vi?”
• Act and adjust (agera och anpassa) – När problem uppstår behöver man agera och anpassa sig efter dom, detta görs genom att svara på frågan ”Vad behöver vi göra annorlunda?”.
User interface (UI) definieras som de verktyg som slutanvändare interagerar med för att få analyserad data presenterad för sig (Sharda, Delen & Turban, 2014). Det vanligaste verktyget inom UI är dashboards där användare kan interagera med data i realtid för att presentera information på olika sätt, detta kan göras med exempelvis drill-down för att skapa mervärde (Sharda, Delen & Turban, 2014).
BI system ger beslutsfattare tillgång till rätt data vid rätt tillfälle vilket möjliggör beslutsfattare att identifiera vart organisationen har varit, vart den är nu och vart den ska (Muriithi & Kotzé, 2013). Trots de stora fördelar som ett väl implementerat BI system ger en organisation så finns det även motgångar i form av stora kostnader för att uppdatera de nuvarande systemen och betala för ny hårdvara samt lagringsplats
(Muriithi & Kotzé, 2013).
Det kommer skeden under ett BI – systems livstid då det inte längre är kostnadseffektivt att uppgradera de existerande systemen. Det är vid dessa tillfällen som molntjänster blir en effektiv lösning (Al-Aqrabi et al., 2015). CC och BI (molntjänst för Business
Intelligence) skapar tillsammans Cloud BI vilket kan drastiskt minska kostnader för företag då de fyra komponenter som skapade ett traditionellt Business Intelligence system (Data Warehouse, Business Analytics, Business Performance Management samt User interface) kan flyttas till molnet och all data som samlas in kan lagras på molnet. CC möjliggör alltså användare att helt flytta sin nuvarande BI lösning till molnet vilket erbjuder bättre skalbarhet, ökad resurshantering och global tillgång till sin data (Al- Aqrabi et al., 2015).
2.2 Cloud Computing
Idén bakom CC introducerades av John McCarthy år 1961 då han ansåg att datorkraft
telefonsystemet (Antonopoulos & Gillam, 2010). Denna idé återupptäcktes senare och fick då namnet Cloud Computing. Det finns ett antal olika definitioner för CC men i boken” Cloud Computing” beskriver Antonopoulos och Gillam (2010, s 5) det som ” a model of service delivery and access where dynamically scalable and virtualized resources are provided as a service over the Internet”. Kortfattat innebär CC en samling av system som är sammanlänkade i ett nätverk för att erbjuda en skalbar infrastruktur så att användare kan utnyttja det som en service över internet. (Tole, 2015). CC innebär en förändring inom de traditionella IT och affärsverksamheterna då en tredje part anlitas för att erbjuda datorkraft, data, lagring och andra tjänster som varor för företag eller privatpersoner (Antonopoulos & Gillam, 2010).
CC har möjligheten att erbjuda sina tjänstemodeller via internet och till ett stort antal enheter, detta möjliggör för användare att utnyttja de tjänster som erbjuds oavsett vart dom befinner sig (Mell & Grance, 2011). CC samlar alla resurser som leverantören har tillgängliga och tilldelar dessa till användare baserat på hur mycket resurser som krävs, om en användare ökar i förväntad resursanvändning så kommer systemet att
omdistribuera de tillgängliga resurserna för att uppfylla användarens krav (Mell &
Grance, 2011). Molnbaserade system kontrollerar och optimerar användning av resurser automatiskt genom att mäta hur mycket resurser som specifika användare brukar. Användningen av dessa resurser kan mätas, kontrolleras och rapporteras för att få en bättre överblick och ökad transparens, detta möjliggör även användare att betala för hur mycket resurser som dom använder, istället för ett fast pris (Mell & Grance, 2011).
Det finns tre stycken tjänstemodeller (service models) som erbjuds i en traditionell CC lösning, Software as a Service (SaaS), Platform as a Service (Paas) samt Infrastructure as a Service (IaaS) (Mell & Grance, 2011). Utöver detta finns det fyra stycken
distributionsmodeller som brukas vilket är Private cloud, Community cloud, Public cloud samt Hybrid cloud (Mell & Grance, 2011).
2.2.1 Tjänstemodeller
De tjänstemodeller som CC erbjuder kan delas in i tre kategorier: Software as a Service (SaaS), Platform as a Service (PaaS) samt Infrastructure as a Service (IaaS) (Mell &
Grance, 2011). Ansvaret som verksamheten har varierar beroende på vilken metod som dom använder. I figur 2 illustreras det hur ansvaret ser ut för verksamheter beroende på vilken tjänstemodell som dom använder.
Figur 2 Cloud Computing modeller inspirerad av (Prasad, Naik & Bapuji, 2013)
Figur 2 visar det samband som finns mellan de olika tjänstemodeller som Cloud
Computing erbjuder. Tjänstemodellerna IaaS och PaaS kräver att kunden ansvarar för en del av de resurser som erbjuds i ett traditionellt CC system, inom modellen SaaS
erbjuder leverantören av CC lösningen alla resurser.
IaaS modellen erbjuder användare fysiska eller virtuella maskiner som kan uppfylla de kraven som användarna har av CC (Tole, 2015). IaaS erbjuder användarna även resurser såsom lagring, brandväggar och andra säkerhetslösningar samt nätverk vilket möjliggör en uppkoppling till systemet oberoende av plats eller tid (Tole, 2015). Användare som väljer tjänstemodellen IaaS ansvarar själva för sin mjukvara samt operativsystem, denna lösningen är alltså inte lika heltäckande som PaaS eller SaaS (Tole, 2015).
PaaS modellen är en utökning på IaaS modellen där hårdvara samt mjukvara erbjuds till kunder (Tole, 2015). I denna modell är det kunden som ansvarar för applikationer samt data, detta möjliggör utvecklingen av en egen infrastruktur för sina applikationer, beroende på vad som passar kunden bäst (Prasad, Naik & Bapuji, 2013).
SaaS är den tjänstemodell som anses vara mest heltäckande då leverantörer erbjuder kunder en lösning som är färdig med både mjuk samt hårdvara, för att få tillgång till denna lösning så betalar kunder oftast en månadskostnad, det är med SaaS möjligt att helt migrera sin nuvarande lösning till molnet (Tole, 2015). SaaS modellen erbjuder inte användare att kontrollera någon aspekt av den underliggande infrastrukturen, detta inkluderar nätverk, servrar, operativsystem, lagring eller applikationer (Prasad, Naik &
Bapuji, 2013). Allt sköts av leverantören av SaaS modellen så användare behöver inte fokusera på konfigureringen av mjukvaran då allt erbjuds färdigt och tillgängligt online (Prasad, Naik & Bapuji, 2013).
2.2.2 Distributionsmodeller
Inom CC finns det fyra stycken olika modeller för att beskriva vilken typ av miljö som används inom CC och dessa kallas distributionsmodeller. Dessa modeller avser att beskriva vem som har kontroll över infrastrukturen samt vem det är som kommer att använda sig av den. De fyra modeller som används inom CC är Public, Private, Hybrid och Community modeller, varje modell har olika för och nackdelar och valet av modell görs baserat på vad organisationen behöver (Prasad, Naik & Bapuji, 2013).
Public cloud är en modell där datorresurser erbjuds över internet via webbapplikationer från en tredje part (Prasad, Naik & Bapuji, 2013). Ett exempel på en public CC lösning är google drive där användare har möjligheten att lagra sin data gratis, men en risk som finns med en public CC lösning är säkerheten då detta inte är någonting som
leverantören alltid garanterar (Tole, 2015).
Private cloud erbjuder en säkrare lösning för användare och används oftast inom organisationer och körs då oftast genom organisationens data center och hanteras av intern personal eller av leverantören (Prasad, Naik & Bapuji, 2013). Fördelarna med denna modellen är säkerheten som kommer med en privat lösning samt att många leverantörer erbjuder en egenbyggd lösning vilket medför bättre prestanda och stabilitet jämfört med andra lösningar (Tole, 2015).
Hybrid cloud kombinerar den publika och den privata moln modellen så att användare kan bestämma vilken data som kommer att lagras och presenteras på det privata molnet alternativ det publika molnet (Tole, 2015). Med denna lösningen kan organisationer använda det privata molnet för att köra stabila applikationer medans resurskrävande arbeten körs i det publika molnet, resursanvändning kan då delas mellan de olika lösningarna (Prasad, Naik & Bapuji, 2013).
Community cloud innebär att en CC lösning körs av ett antal organisationer som delar data inom samma molnlösning och denna lösning används oftast av olika
regeringsorgan eller universitet inom samma region (Tole, 2015). Istället för att sprida ut sig över olika lösningar använder sig organisationer av samma molnlösning för att dela upp sina resurser och erbjuds då en billigare lösning (Prasad, Naik & Bapuji, 2013).
2.3 Cloud BI
Cloud BI är ett nytt sätt implementera BI lösningar genom att flytta traditionella BI lösningar till molnet med syftet att eliminera implementationen av kostsamma och komplexa BI-lösningar och infrastruktur på plats (Olszak, 2014). Med Cloud BI kan BI-
lösningar erbjudas som en service med hjälp av molnbaserad infrastruktur vilket
resulterar i reducerad kostnad jämfört med ett traditionellt BI-system samtidigt som det är snabbare att implementera och erbjuder ökad flexibilitet (Olszak, 2014).
Enligt Gash, Ariyachandra och Frolick (2011) kan storleken på en organisation påverka vilken inställning som dom kommer att ha mot Cloud BI. Majoriteten av medelstora till stora organisationer brukar redan ha implementerat ett BI-system på plats och då kan en flytt till molnet ses som ett snabbare och billigare utvecklingsområde eller för att introducera kunder till nya teknologier som molnet erbjuder. Mindre företag har oftast inte ett robust BI-system på plats och Cloud BI erbjuder då möjligheten att testa ett BI- system utan alla kostnader som medföljer vid en implementation (Gash, Ariyachandra &
Frolick, 2011).
Cloud BI har många fördelar som kan gynna organisationer men det passar inte för alla organisationer att flytta sin nuvarande BI lösning till molnet. Faktorer som storlek, arkitektur och strategiska mål måste beaktas av organisationen för att veta om Cloud BI kan gynna organisationen (Olszak, 2014). Tamer, Kiley, Ashrafi och Kuilbar (2013) samt Baars och Kemper (2010) påpekar att data som är särskilt värdefull för organisationer inte borde flyttas till molnet på grund av säkerhetsrisk. Tamer et al. (2013) menar att organisationer inte borde outsourca sina kärnkompetenser och därför borde dom inte heller outsourca den data som är kopplad till dessa kompetenser. Olszak (2014) påpekar att även om datasäkerhet är ett aktuellt problem inom Cloud BI så erbjuder många leverantörer en säkrare miljö för kunders data än som dom själva har i dagsläget.
Det förväntas att verksamheter kommer att migrera från traditionell BI till Cloud BI då moderna teknologier ökar effektiviteten för affärsprocesser och den ökande mängden data kommer leda till ett behov av att koppla ihop traditionell BI och CC (Maresova, 2015). När fler verksamheter inser styrkorna som Cloud BI kan ge så ökar
implementationen av Cloud BI gradvis (Al-Aqrabi et al., 2015). För att verksamheter ska kunna genomföra en lyckad implementation av Cloud BI är det viktigt att dom förstår styrkorna och svagheterna som medföljer med implementationen av ett sådant system.
Organisatoriska problem kan påverka implementationen av ett sådant system då alla verksamheter inte kan utnyttja de styrkor som finns hos traditionell BI samt Cloud BI på grund av förebyggande faktorer, det blir således viktigt för verksamheter att identifiera om dessa system kan gynna dom (Tamer et al., 2011).
2.4
Tidigare forskningsstudierFör att kunna besvara studiens frågeställning så har tidigare relevanta studier identifierats som stöd vid utformning av en sammanställning av utmaningar kring områdena BI, Cloud BI och SaaS. Målet med sammanställningen är att kunna jämföra detta med intervjusvar för att genomföra en analys kring vilka utmaningar som verksamheter står inför idag vid implementationen av ett Cloud BI-system.
Nedan i avsnitt 2.4.1 presenteras de utmaningar som utvalda forskningsstudier har bedömt som mest kritiska vid implementationen av BI, Cloud BI och SaaS system.
2.4.1 Utmaningar vid implementation av BI, Cloud BI och SaaS BI
Vid implementationen av ett BI system finns det ett antal olika varningssignaler som kan visa att projektet kommer att stöta på problem (Thamir & Poulis, 2015). En av de
vanligaste anledningarna till att dessa implementationer misslyckas är datakvalitet då detta är en mycket viktig dimension inom BI-system. Om den data som organisationen har tillgång till har dålig kvalité och stor spridning kan detta leda till svårare analys, summering samt extrahering av information som är viktig för verksamheten (Thamir &
Poulis, 2015).
Utöver datakvalité är integreringen mellan BI-system och andra system inom organisationen en annan teknisk utmaning som organisationer stöter på vid implementationen av BI-system (Işık, Jones & Sidorova, 2013). Integration mellan system betyder här en sammankoppling av systemens applikationer och data, antingen fysiskt eller funktionellt. Genom att sammanlänka systemen på detta sättet så kan värdet ökas för båda systemen, jämfört med om dom hade arbetat enskilt, denna integration är viktig för att systemen ska kunna gynna hela organisationen (Işık, Jones & Sidorova, 2013).
För att genomföra en lyckad implementation av ett traditionellt BI-system krävs det även att förstå hur den organisatoriska kulturen inom företaget fungerar samt att involvera både ledningen, den tekniska och den affärsinriktade sidan. Genom att
involvera alla sidor i verksamheten i implementationen ges en mer tydlig bild på kraven kring funktionerna som förväntas ges av BI och en tydligare implementationsstrategi kan nås (Thamir & Poulis, 2015).
En av de vanligaste organisatoriska utmaningarna vid implementationen av ett nytt BI- system är den nivå av motstånd som implementationen får mot sig. När ett nytt projekt introduceras till verksamheten finns det oftast en nivå av resistens där anställda inte vill byta sättet som dom tidigare har arbetat på (Sharda, Delen & Turban, 2014). Utöver detta är vanliga organisatoriska utmaningar även vilken nivå av stöd som projektet får från ledningen samt vilken utbildning som användare av systemet får. Om ledningen inte stödjer projektet fullt ut så når det oftast inte rätt mognadsgrad för att se faktiska
resultat, om stödet är lågt så allokeras inte nog med resurser till utbildning av anställda och projektet når inte sin fulla potential (Sharda, Delen & Turban, 2014).
2.4.2 Cloud BI
Implementationen av Cloud BI har möjligheten att ge många fördelar till verksamheten, men det medföljer även ett antal utmaningar som verksamheter måste anpassa sig till, där säkerheten ses som den största utmaningen (Patil & Chavan, 2020; Gangwar & Date, 2016; Tamer et al., 2013). Cloud BI är oftast separerat från resten av verksamhetens IT- system och därför blir integration mellan dessa applikationer en utmaning som
verksamheter måste anpassa sig till då integration mellan system är en mycket viktig del av ett traditionellt BI-system (Patil & Chavan, 2020; Olszak, 2014; Tamer et al., 2013).
Eftersom BI och analyser är dataintensiva processer finns det oro kring att behöva lita på externa leverantörer av molntjänster när det kommer till stora mängder företagsdata (Tamer et al., 2013).
Inom Cloud BI är geopolitiska risker något som måste övervägas då lagringen av data oftast sker i servrar utomlands och politiska beslut är något som kan påverka
leverantörens hantering av data, således blir detta någon som användare måste ta hänsyn till när dom väljer en leverantör av molntjänster (Maresova, 2015). För leverantörer som lagrar data utomlands blir lagar och regelverk något som både
användare och leverantörer behöver ta hänsyn till då dessa kan handla om vart data får lagras och vem som ska få ha tillgång till denna data (Tamer et al., 2013).
Utöver detta är tillgänglighet ett problem inom Cloud BI som användare måste ta hänsyn till. För att få åtkomst till leverantörens resurser är tillgänglighet till molnet ett måste för användare av dessa lösningar (Balachandran & Prasad, 2017; Gangwar & Date, 2016;
Maresova, 2015). Tillgänglighetsproblem refererar till leverantörens underhåll av sina servrar och om dessa ligger nere, men det kan även beröra nätverksproblem hos
användare av tjänsten (Balachandran & Prasad, 2017; Gangwar & Date, 2016; Maresova, 2015).
2.4.3 SaaS
Införandet av SaaS i en verksamhet kan leda till motstånd från anställda, liknande motståndet som ett traditionellt BI-system möter från ledningen då detta oftast innebär stora förändringar för arbetssättet kring BI och IT (Mbuba & Yu, 2014). Utöver detta blir även en utmaning med införandet av SaaS att verksamheten behöver lita mycket på den valda leverantören av molntjänsten, detta kan ses som oroande om kärnapplikationer inom verksamheten är direkt kopplade till den molnbaserade lösningen (Mbuba & Yu, 2014). Likt generella utmaningar vid Cloud BI är datasäkerhet och äganderätt en stor utmaning för SaaS när leverantörer lagrar data utomlands, till detta medföljer även lagar och regelverk som användare behöver ta hänsyn till (Tomar, Singhal & Kumar, 2018;
Mbuba & Yu, 2014).
När verksamheter inte har samma kontroll över sin data kan det oftast ses som oroande då mer tillit behöver ges till leverantören, en utmaning som har identifierats kring detta är att det finns en avsaknad av tillförlitlig kontroll för datasäkerhet för leverantörer som lagrar data utomlands (Tomar, Singhal & Kumar, 2018; Mbuba & Yu, 2014). Dessa utmaningar kring SaaS kan leda till att roller förändras inom verksamheten för anställda som arbetar med IT frågor. Anställda kan få arbeta som stöd till den implementerade SaaS lösningen och utveckla nya kunskaper för att arbeta med säkerhetsfrågor kring SaaS lösningen (Mbuba & Yu, 2014). SaaS kan ses som en sorts outsourcing då
verksamheten flyttar processer som tidigare har genomförts på plats till molnet där dom hanteras av en tredje part (Mbuba & Yu, 2014). Outsourcing av processer kan oftast kopplas till organisatorisk förändring och för införandet av SaaS kan detta leda till ökat motstånd från anställda inom verksamheten som direkt påverkas av detta (Mbuba & Yu, 2014).
2.4.4 Sammanfattning av utmaningar
En summering av de utmaningar som har identifierats vid införandet av BI, Cloud BI samt SaaS med referenser kan hittas i Tabell 1. Utifrån de studier som har identifierats så har de två primärtyperna av problemområden identifierats: Strategiska och
organisatoriska utmaningar vid införandet av dessa lösningar. Inom kategorin
organisatoriska utmaningar faller de utmaningar som påverkar personalen,
verksamheten, processer inom verksamheten och den relation som verksamheten har med tredje parter, exempelvis vid införandet av ett Cloud BI-system. Tekniska
utmaningar syftar på de utmaningar som berör infrastrukturen inom verksamheten samt mjuk och hårdvara som påverkas av beslut som tas. Dessa två kategorier utgör tillsammans forskningsområdet då den identifierade litteraturen tyder på att ett stort antal utmaningar vid implementationen av BI, Cloud BI och SaaS är organisatoriska eller tekniska. Det finns utmaningar vid implementationen av dessa system som inte faller in i dessa två kategorier men baserat på den tidigare forskningen anses dessa områden vara mest relevanta då en större undersöknings möjlighet finns.
Tabell 1 Sammanfattning av utmaningar från litteraturen (Författarens egna)
Område Problemområde Problem Referens
BI Organisatoriska Involvera ledningen (Thamir & Poulis,
2015); (Sharda, Delen
& Turban, 2014) Förståelse för kultur
inom organisationen
(Thamir & Poulis, 2015)
Resistans från ledningen
(Sharda, Delen &
Turban, 2014)
Tekniska Datakvalitet (Thamir & Poulis,
2015) Integration mellan BI
och andra system
(Işik et al., 2013)
Cloud BI Organisatoriska Hantering av lagar och
regler
(Tamer et al., 2013);
(Maresova, 2015)
Tekniska Säkerhet (Gangwar & Date,
2016); (Tamer et al., 2013); Kasem &
Hassanein (2014) Integration mellan
system
(Olzsak, 2014); (Tamer et al., 2013)
Tillgänglighet (Balachandran &
Prasad, 2017);
(Maresova, 2015)
SaaS Organisatoriska Resistans från
anställda
(Mbuba & Yu, 2014)
Äganderätt (Tomar, Singhal &
Kumar, 2018); (Mbuba
& Yu, 2014) Outsourcing av
kunskap
(Mbuba & Yu, 2014)
Tekniska Datasäkerhet (Tomar, Singhal &
Kumar, 2018); (Mbuba
& Yu, 2014)
3 Problemområde
Business Intelligence är ett område som ständigt expanderas och kräver anpassning till nya utmaningar som uppstår (Olszak, 2016). Inom området BI finns det nya teknologier som uppkommer för att bemöta dessa utmaningar och således nya
undersökningsmöjligheter att utforska (Olszak, 2016). Cloud computing är en av dessa teknologier som på de senaste åren revolutionerat området BI och kombinerat med BI skapas det nya undersökningsmöjligheter då CC anses vara en stor del av framtiden inom BI (Al-Aqrabi et al., 2015; Olszak, 2014).
CC har utvecklats för att förbättra nuvarande BI mjukvara och sammanslagningen av CC och BI är en trend som har möjlighet att erbjuda stora möjligheter för framtiden av BI (Olszak, 2014; Prasad, Naik & Bapuji, 2013). Cloud BI spelar en stor roll i framtida utveckling inom Business Intelligence men akademisk undersökning inom Cloud BI är begränsat och flertalet forskare anser att mer forskning behöver genomföras på ämnet (Larson & Chang, 2016; Olszak, 2014; Kasem & Hassanein, 2014).
Flertalet forskare påpekar vikten av att förstå hur Cloud BI kan gynna användare innan dom investerar i det och för att få ett bredare perspektiv inom ämnet Cloud BI påpekas även vikten av att samla in erfarenheter från praktiska användare (Apeksha, 2014;
Baars & Kemper, 2010; Thompson & van der Walt, 2010). Mycket av den forskning som görs inom ämnet jämför arkitekturen mellan traditionella BI system och cloud
computing men forskningen kring praktiska erfarenheter från användare och vilka utmaningar dessa stöter på är begränsad (ElMalah & Nasr, 2019; Pyae, 2018; Olszak, 2014; Prasad, Naik & Bapuji, 2013).
Många av de studier som görs om ämnet Cloud BI diskuterar utmaningar utifrån ett teoretiskt perspektiv när organisationer inför en molnbaserad BI lösning, men dessa studier har en begränsad diskussion kring vilka tekniska eller organisatoriska
utmaningar som företag står inför när en sådan implementation görs i praktiken. De studier som har identifierats är Llave (2017), Kasem och Hassanein (2014), Olszak (2014), Maresova (2015) och Tamer et al. (2013), och i dessa studier så analyseras utmaningar med Cloud BI i litteraturen. Studierna visar att det finns rum för att vidare undersöka hur företag påverkas på olika strategiska nivåer i praktiken vid införandet av ett Cloud BI system.
Utöver den forskning som jämför arkitekturen mellan traditionella BI system och CC så diskuterar studier till stor del de utmaningar som finns i litteraturen när organisationer inför en molnbaserad BI lösning. Dessa studier har dock en begränsad diskussion kring vilka tekniska eller strategiska utmaningar som företag står inför när en sådan
implementation görs i praktiken. Dessa studier klassar säkerhet, tillgänglighet, motstånd från ledningen och en förståelse för lagar och regler som de största utmaningar som en implementation av Cloud BI stöter på, där säkerhet är den största tekniska utmaningen och en förståelse för lagar och regler den vanligaste organisatoriska utmaningen
(Maresova, 2015; Kasem & Hassanein, 2014; Olszak, 2014; Tamer et al., 2013).
Datasäkerhet anses vara den största tekniska utmaningen då data är en kärnkomponent inom Cloud BI, och att hålla en hög datasäkerhet och datakvalité är av stor vikt för organisationer (Maresova, 2015; Kasem & Hassanein, 2014). Förståelse för lagar och regler anses vara den vanligaste organisatoriska utmaningen då detta är direkt kopplat
till datasäkerhet. Lagringen av data utomlands kan påverka organisationers
datasäkerhet och en förståelse för lagar och regler är således mycket viktigt (Maresova, 2015). Enligt Llave, (2017) finns rum för att vidare undersöka vilka faktorer som påverkar implementation av Cloud BI inom verksamheter. De flesta studier som görs inom ämnet fokuserar på arkitekturen, ramverken, modeller, barriärer eller critical success factors för att göra en lyckad implementation med hjälp av litteraturinsamling (Llave, 2017). Ytterligare forskning som syftar på att undersöka vilka utmaningar som företag stöter på när implementationen av Cloud BI görs i praktiken kan bidra till en bättre helhetsbild inom ämnet (Llave, 2017).
3.1 Frågeställning
Som framkommit i Tabell 1 och problemområdet är forskningen kring vilka tekniska och organisatoriska utmaningar som finns vid implementationen av ett Cloud BI system i praktiken begränsad. De studier som presenteras påpekar vilka utmaningar som organisationer kan stå inför som implementerar Cloud BI baserat på
litteraturinsamlingar och saknar således kvalitativ datainsamling från praktiska användare av Cloud BI.
Frågan som har tagits fram är:
• Vilka organisatoriska och tekniska utmaningar påträffar företag som inför en Cloud BI-lösning?
3.2 Syfte
Syftet med undersökningen är att identifiera om de tekniska och organisatoriska utmaningar som presenteras inom litteraturen kring ämnet Cloud BI stämmer överens med de utmaningar som organisationer stöter på när dom implementerar Cloud BI i praktiken. Genom att besvara frågan kan studien bidra till att få en bättre förståelse kring vilka utmaningar det finns kring implementation av Cloud BI i praktiken.
3.3 Avgränsningar
Uppsatsen är begränsad till att undersöka vilka tekniska och organisatoriska utmaningar som verksamheter påträffar som inför en molnbaserad Business
Intelligence lösning. Därmed är det inte leverantörens perspektiv som är av intresse, utan perspektivet från de som har påbörjat eller infört Cloud BI i sin organisation och vilka utmaningar dessa har stött på. Studien har begränsats till att undersöka tekniska och organisatoriska utmaningar och det kommer därför inte att läggas någon tyngd på andra aspekter av implementationen av ett sådant system såsom politiska eller
ekonomiska utmaningar.
3.4 Förväntat resultat
Resultatet ska kunna beskriva problemområdet och besvara vilka tekniska och
organisatoriska utmaningar vid införandet av ett molnbaserat BI-system som användare har påträffat. Stämmer användares problem överens med de som presenteras i
4 Metod
Detta kapitel avser att presentera och argumentera för tillvägagångssättet som valdes i syfte att besvara forskningsfrågan. Forskningsstrategin som undersökningen följer är fallstudier och metodansatsen är kvalitativ. För datainsamling genomförs semi- strukturerade intervjuer med en induktiv konventionell innehållsanalys.
4.1 Forskningsstrategi
Det finns två olika tillvägagångssätt vid val av metod, den kvalitativa metoden eller den kvantitativa metoden. Kvalitativa metoder handlar om att fördjupa våra kunskaper inom ett område och få en förståelse för ett sammanhang, istället för att försöka hitta ett svar för fenomenet (Berndtsson, Hansson, Olsson & Lundell, 2008; Patton, 2014). Den
kvantitativa metoden handlar om att förstå hur någonting är konstruerat, byggt eller hur det fungerar och detta förklaras genom insamling av data vilket representerar insamlad data istället för insamlade åsikter. Målet med den kvantitativa metoden är att skapa teorier och modeller för att stärka en hypotes (Berndtsson et al., 2008). Kvalitativa metoder styrker vanligtvis sina resultat i ord och uttryck och de kvantitativa metoderna presenterar sitt resultat i siffror.
I denna forskning används en fallstudie med kvalitativ datainsamling med målet att hitta information från praktiska användare som presenterar vilka tekniska och
organisatoriska utmaningar som en verksamhet står inför när bytet görs från ett
traditionellt BI-system till Cloud BI. En fallstudie gör det möjligt att utforska ett fenomen i dess naturliga miljö, denna miljö kan vara en organisation, en avdelning, en grupp eller en person (Berndtsson et al., 2008). Fallstudien kommer att beskriva vilka tekniska och organisatoriska utmaningar som de praktiska användarna av Cloud BI system anser att organisationer borde ta hänsyn till vid implementation av ett sådant system. Fallstudien baserar sig på Business users och IT arkitekter, detta ger studien mervärde då dem är i fokus som praktiska användare av Cloud BI med kunskap om både tekniska och
organisatoriska utmaningar kring ämnet.
Inom den kvalitativa metodansatsen kan ett flertal olika studier användas, men för att uppfylla studiens syfte genomförs här en fallstudie då en noggrann undersökning av ett fenomen kan genomföras i dess naturliga miljö (Berndtsson et al., 2008). För att uppfylla studiens syfte kommer utmaningar kring implementation av Cloud BI i praktiken
undersökas och det anses mer relevant att undersöka ett färre antal respondenter på en djupare nivå där en sakkunnig respondent kan diskutera utmaningarna inom ämnet. En fallstudie valdes över en enkätstudie eller litteraturstudie då dessa ej ansågs ha
möjlighet att uppnå studiens syfte på samma sätt som en fallstudie.
Kvantitativ data används för att samla in variabler som beskriver tekniska och
organisatoriska utmaningar inom området från litteraturen. För att samla in kvalitativ och kvantitativ data används semistrukturerade intervjuer. För att få en så bred vy av åsikter som möjligt från praktiska användare hålls frågorna öppna för att möjliggöra för ytterligare diskussion om ämnet. Fokus för undersökningen ligger hos Business users och IT arkitekter för att representera de praktiska användarna av Cloud BI. För att kunna besvara frågeställningen i problemområdet kommer semistrukturerade intervjuer genomföras med praktiska användare av Cloud BI. Genomförandet av
semistrukturerade intervjuer möjliggör en öppen diskussion med sakkunniga inom ämnet och mönster kan hittas i intervjusvaren när en öppen diskussion genomförs, jämfört med stängda frågor.
4.2 Val av ansats
Inom denna studie används den kvalitativa metodansatsen för att samla in information från de respondenter som har varit med och påbörjat eller infört Cloud BI i en
organisation och vilka organisatoriska och tekniska utmaningar som de har stött på.
Enligt Berndtsson et al, (2008) används den kvalitativa metodansatsen för att fördjupa kunskaper inom ett område och få en förståelse för sammanhanget, istället för att besvara en hypotes. Den kvalitativa metodansatsen används i kombination med den deskriptiva analysmetoden för att få en helhetsbild kring implementationsutmaningar inom ämnet Cloud BI från praktiska användare och således besvara frågan ”Vad har hänt?”. Den kvalitativa metodansatsen valdes framför den kvantitativa då en
fördjupning inom utmaningar kring implementation av Cloud BI ansågs mer relevant för att besvara forskningsfrågan gentemot kvantitativ datainsamling. Genom att intervjua respondenter som har påbörjat eller infört Cloud BI i en organisation så kan utmaningar kring en implementation i praktiken identifieras och analyseras i kombination med identifierade studier för att besvara forskningsfrågan.
4.3 Fallstudie
I detta arbete planeras en fallstudie att tillämpas som metod då en fallstudie möjliggör undersökning av ett problem i dess naturliga miljö (Berndtsson et al., 2008).
Undersökningen av utmaningar kring implementation av Cloud BI i praktiken
genomförs mest effektiv med en fallstudie då en öppen diskussion med sakkunniga kan genomföras. Ett alternativ till intervjuer var att genomföra en enkät med öppna frågor för att skapa samma lägesbild, men en enkät möjliggör inte vidare diskussion kring specifika frågor på samma sätt som en semi-strukturerad intervju. Berndtsson et al.
(2008) beskriver metoden att använda enkäter som ett enklare sätt att nå ut till respondenter och företag men det är svårare att undersöka invecklade problem då en enkät inte kan få samma svar som i ett möte mellan två personer där följdfrågor kan ställas och en öppen diskussion kan föras. Fallstudie valdes således som metod då ett problem kunde undersökas hos företag som var sakkunniga inom ämnet med flera års erfarenhet inom både tekniska och organisatoriska frågor inom Cloud BI.
4.4 Datainsamling
För att samla in data angående vilka tekniska och organisatoriska utmaningar som uppstår kring en implementation av Cloud BI så genomförs semi-strukturerade intervjuer med respondenter på företag som har genomfört eller påbörjat en
implementation av Cloud BI. Semi-strukturerade intervjuer används för att samla in data och identifiera mönster från sakkunniga inom ämnet där en aktiv diskussion förs för att få en så bred syn kring utmaningar inom ämnet som möjligt. Praktiska användare inom
ämnet representeras av Business users och IT-arkitekter och anses därför ha kunskap nog inom ämnet för att genomföra intervjuerna.
Respondenter kommer att meddelas att dom har fullständig anonymitet vid
genomförandet av intervjuer och att dom har vid behov möjlighet att ändra eller helt ta bort sina svar. Vid godkännande kommer intervjuer att spelas in med syftet att
transkribera och analysera de svar som har getts. Inspelning av intervjuer kommer att tas bort efter transkribering. Efter att transkribering av intervjuer har genomförts kommer en analys att genomföras för att jämföra de svar givna från respondenter med den sammanställning av data från litteraturen som har gjorts i (tabell 1), med syftet att jämföra studiens frågeställning med den data som är identifierad från litteraturen.
Formatet på intervjun kommer att vara utformat enligt de utmaningar som presenteras i tabell 1, där en semistrukturerad design följs med öppet tänkande för att främja en aktiv diskussion med respondenter angående utmaningar inom Cloud BI. För att samla in data från respondenter och utforma intervjufrågor har följande steg skapats som presenteras i figur 3
Figur 3 Datainsamling (Författarens egna)
4.5 Forskningsetik
Vetenskapsrådet (2002) presenterar fyra stycken huvudkrav inom området forskningsetik: informationskravet, samtyckeskravet, nyttjandekravet och
konfidentialitetskravet. Arbetet har respekterat dessa krav och respondenter har informerats om hur deras data kommer att användas. Dessa huvudkrav ingår i de rättigheter som respondenten har vilket presenteras nedan.
Respondenten har rätten att inte delta i studien, om respondenten efter genomförd intervju vill ändra eller helt ta bort sin medverkan har respondenten rätt till detta.
Respondenten har rätt att ge informerat samtycke, vilket innebär att dom utöver samtycke till datainsamling måste ha förståelse för vad datainsamlingen innebär i kontexten av studien. Utöver detta så måste syftet med undersökningen tydliggöras och även forskarens bakgrund, intervjuprocessen som helhet samt dataanvändning
presenteras. Respondenter har rätt till sekretess och rättigheten att förbli anonyma under studiens gång. Insamlad data ska respekteras utifrån dessa rättigheter och respondenten har vid behov möjlighet att hemlighetsstämpla information som de ej anser borde presenteras i studien.
4.6 Analys
För att identifiera mönster och variabler inom den kvalitativa datan så har en induktiv konventionell innehållsanalys genomförts. En konventionell innehållsanalys är en metod
som används för att tolka innehållet av data med hjälp av mönster och teman (Hsieh &
Shannon, 2005). Med hjälp av en konventionell innehållsanalys så kan ett fenomen beskrivas där koder och kategorier uppkommer direkt i datan, detta möjliggörs genom upprepad genomläsning av den kvalitativa datan där kategorier identifieras och
meningsbärande stycken kodas för lättare analys (Hsieh & Shannon, 2005). En nackdel med konventionell innehållsanalys är att man kan missa att koda och kategorisera all intressant data, vilket kan resultera i en sämre analys eller missförstånd inom
informationen. De steg som genomförs för att analysera kvalitativ data beskrivs i figur 4.
Figur 4 Analys (Författarens egna)
För att påbörja analysfasen så transkriberas den insamlade kvalitativa datan, efter transkribering så läses innehållet igenom ett flertal gånger för att skapa en bättre förståelse. Det andra steget i analysfasen är att identifiera kodord som i sin tur kan användas för att skapa kategorier, efter identifiering av kodord kan alltså
huvudkategorierna identifieras. Det sista steget i analysfasen blir att med hjälp av huvudkategorierna skapa underkategorier som kan ses som en utvärdering av dem kategorier som har skapats.
5 Materialpresentation
Detta kapitel avser att beskriva hur studien har genomfört de olika momenten från urval av respondenter till genomförande av datainsamling och analys av insamlad kvalitativ data. En mer detaljerad beskrivning på genomförandet av datainsamling och analys av insamlad data finns beskrivet i detta kapitel.
5.1 Respondenter
De respondenter som har deltagit i fallstudien har insikt inom ämnet Cloud BI då dom har själva eller med hjälp av konsult påbörjat eller infört Cloud BI inom sin organisation.
För att vara med i urvalet ska respondenterna själva eller med hjälp av en konsult påbörjat eller genomfört en resa inom Cloud BI för att anses sakkunniga. Den här studien inkluderar respondenter som anses ha kunskapsnivå god nog för att föra en aktiv diskussion med om utmaningar inom ämnet Cloud BI då dom uppfyller
ovanstående krav. De respondenter som inte består av konsulter bidrar med ett utökat användarperspektiv då dom har varit med införandet av Cloud BI från start i deras organisation. Konsulter som respondenter bidrar med att dom har arbetat med införandet av Cloud BI på flera olika organisationer och får på så sätt en bättre övergripande bild över utmaningarna inom Cloud BI. De respondenter som är högre uppsatta inom en organisation har oftast en bra insikt i både tekniska och
organisatoriska frågor men konsulter har oftast möjlighet att bidra med insikter från flera olika organisationer vilket kan skapa en bättre helhetsbild. Kontakt med
respondenter har skett via mail och genomförandet av intervjuer har skett på distans med hjälp av Zoom och Microsoft teams. Förberedelser för intervjuer beskrivs
ytterligare i metodkapitlet, där deltagande informeras om deras rättigheter och samtycke till ljudinspelning.
Respondent R1 R2 R3 R4 R5
Titel Chef –
Data and analytics
Konsult – BI, Analys och DW
Head of BI - Utvecklare och
Arkitetktur
Del av
ledningsgruppen – Tidigare konsult inom Cloud
Konsult och IT arkitekt
Erfarenhet IT 10 år 13 år 21 år 11 år 15 år
Storlek på
organisation Stor Liten Medel Liten Stor
5.2 Genomförande
Intervjuerna är utförda enligt den intervjuguide som finns i bilaga A. Intervjuguiden utgörs av semistrukturerade frågor men målet med intervjuerna har varit att öppna upp för en diskussion med respondenter angående Cloud BI och vad dom anser är aktuella utmaningar inom ämnet. För att få så mycket information som möjligt under
intervjuerna har relevanta följdfrågor ställts som för diskussionen tillbaka till ämnet Cloud BI.
Samtliga intervjuer har skett på distans på grund av den rådande pandemin. Samtliga intervjuer har tagit mellan 20 till 30 minuter att genomföra. Inspelning och
transkribering av intervjuer har varit avgörande för att få fram relevanta citat och data från intervjuerna.
Samtliga respondenter besatt goda kunskaper inom IT området och med en förståelse för hela verksamheten vilket var avgörande för att få fram relevant information om såväl tekniska som organisatoriska utmaningar.
6 Empiri
Nedan presenteras det material som har samlats in i samband med intervjuerna. Olika teman har identifierats i koppling till tekniska och organisatoriska utmaningar och dessa teman är relevanta för att kunna besvara studiens frågeställning. I detta kapitel
presenteras det material som framkom under intervjuer för att bidra till en ökad helhetsbild kring utmaningar inom Cloud BI.
6.1 Presentation av teman inom kategorien: Tekniska utmaningar
Nedan presenteras de teman som togs upp i relation till tekniska utmaningar.
6.1.1 Säkerhet
Enligt litteraturen är säkerheten den största tekniska utmaningen som organisationer stöter på när dom vill göra bytet från en on prem BI lösning till en Cloud BI lösning, hur ser då verksamheter som arbetar med Cloud BI på säkerhet?
Säkerheten är någonting som samtliga respondenter håller med är en av de viktigaste tekniska utmaningarna. R1, R2, R3, R4 och R5 håller med om att säkerhet är en av de viktigaste tekniska utmaningarna vid en implementation av ett sådant system, dock i en något annorlunda omfattning jämfört med litteraturen. Samtliga respondenter menar att säkerheten hos leverantörerna av Cloud BI är ganska säker och att det faktiskt är hur organisationer själva hanterar och bearbetar sin data som är den stora tekniska utmaningen. R1 menar att kryptering är ett måste när data flyttas upp till molnet, R2, R3, R4 och R5 håller med om att detta är av stor vikt. Anonymisering och
pseudonymisering av data är något som R2, R3 R4 och R5 anser är mycket viktigt, speciellt när känslig persondata läggs upp i molnet då detta måste följa GDPR.
När känslig data som kan kopplas till en verklig person läggs upp i molnet anser R2, R3, R4 och R5 att den borde pseudonymiseras i vanliga fall och anonymiseras om det anses att det behövs, om det exempelvis är medicinsk information om en privatperson.
Samtliga respondenter håller med om att säkerheten hos molnleverantörer är bra då det är i leverantörernas bästa intresse att bibehålla en god standard vid säkerhet, och att stora molnleverantörer oftast har tillgång till större kapital vid satsning på nya säkerhetslösningar.
6.1.2 Tillgång
R1, R2, R3, R4 och R5 menar att tillgång till data är en central utmaning som är väldigt viktig att bibehålla sig till. För att behålla en bra standard av säkerhet är accesskontroll och monitorering viktiga aspekter, genom att kunna undersöka vem som har gjort vad kan man bibehålla en hög standard av säkerhet och se till att alla har rätt tillgång till rätt tjänster (R1, R2, R3, R4, R5).
Genom att ha ett kontinuerligt arbete med vem som har rätt tillgång till data och monitorering så kan många interna säkerhetshål täppas igen enligt R3 och R4. Som en teknisk utmaning har samtliga respondenter sagt att de delar som berör access och monitorering av data är centrala inom de utmaningar som berör implementation av ett
Cloud BI system, där säkerhet går i första hand och access i andra hand. Genom att ge access till fel människor inom en verksamhet så kan säkerheten komprometteras.
6.1.3 Arkitektur och transport av data
IT arkitekturen inom företag kan bli en potentiellt teknisk utmaning när data ska flyttas från on prem källor till molnet. R1 menar att en av de största tekniska utmaningarna som dom har sett utöver säkerheten och access är transport av data, när data ska flyttas från de nuvarande datakällorna upp till molnet kan arkitekturen i ett företag spela stor roll. R1 nämner hur deras nuvarande BI lösning är väldigt svår att underhålla och den är skriven under lång tid där affärslogiken ligger på väldigt många olika ställen, detta resulterar i att det lätt blir stökigt och icke skalbart vilket lätt resulterar i
prestandaproblem.
R2, R3 och R5 håller med om att transport och integration av data är en utmaning som man kan behöva förhålla sig till när man gör bytet från on prem till cloud. R2 nämner att deras plan för att flytta till molnet är att bygga ett helt nytt system istället för att flytta deras nuvarande, vilket gör att dom har kunnat arbeta med ett agilt metodsätt för att undvika eventuella hinder som man hade stött på vid en traditionell flytt.
R4 menar att om en organisation har en vattenfallsmetod så blir flytten till molnet en väldigt omständig process eftersom hela flödet flyttas och en väldigt stor mängd människor behöver nå konsensus innan beslutet gås igenom. R4 påpekar att
organisationer som är agila och arbetar på ett agilt sätt har oftast genomfört en flytt till molnet redan.
6.2 Presentation av teman inom kategorin: Organisatoriska utmaningar
Nedan presenteras de teman som togs upp i relation till organisatoriska utmaningar.
6.2.1 Resistans
De flesta respondenter har stött på resistens i någon form vid införandet eller
planeringen av deras molnlösning. R1 stötte på resistens från deras driftorganisation som i dagsläget underhöll deras fysiska servrar, när dessa skulle bli obsoleta och istället flyttas till molnet var driftorganisationen inte positivt inställd till detta. R3 menar att det vid skiften alltid finns en risk för att folk kommer att känna sig obekväma eller inte nödvändiga längre och det är någonting som man måste förhålla sig till. R4 menar att det är vanligt att stöta på resistans från anställda men att dom måste skola om sig om dom vill hålla sig aktuella på marknaden så att deras roller inte blir obsoleta. R5 har sett mer resistans från ledningen än från de anställda, R5 menar att när ett företag som har tillgång till mycket känslig data ska diskutera en flytt till molnet kommer mycket resistans från ledningen och legal avdelningen då detta oftast är mycket komplicerat.
6.2.2 Lagar och regler
Lagar och regler har varit en återkommande organisatorisk utmaning vid införandet av Cloud BI, detta eftersom det oftast krävs väldigt mycket arbete för att flytta över till molnet och mycket kontroll över vart ens data hamnar. R1 menar att outsourcing av
dokument och avtalsarbete har tagit väldigt mycket tid och legal delen är en mycket tidskrävande process i en flytt till molnet. R1 menar också att man absolut inte vill att ens data ska hamna i USA så mycket tid går år att säkerställa att ens data är skyddad på alla möjliga sätt, med olika säkerhetslösningar och avtal. R2, R3, R4 och R5 håller med om att man gör allt man kan för att undvika att ens data hamnar i USA, GDPR ser även till att organisationer hanterar persondata på ett korrekt sätt, och detta gäller även när data flyttas upp i molnet. R2, R4 och R5 menar att man måste arbeta aktivt för att följa GDPR och säkerställa genom både lagar och regler samt tekniska lösningar som
kryptering och pseudonymisering att persondata skyddas.
6.2.3 Arbetssätt och metod
Många respondenter har stött på varierande ändringar i sina arbetssätt och metoder under planeringen eller införandet av sina molnlösningar. R1 menar att eftersom man med Cloud oftast har en snabbare tillgång till molntjänsten och möjligheten att göra förändringar kan man testa nya saker, dock betalar R1 för molntjänsten när dom
använder den, så även om de får en snabbare lösning anser R1 att den kan bli dyrare. R2 har under införandet av deras lösning implementerat ett annat arbetssätt där fyra ramverk skapas för ett mer streamlined, kvalitativt, säkert och agilt arbetssätt. För att främja deras flytt till molnet och öka spårbarhet och kvalitet implementerade R2 dessa ramverk. R3 menar att vid en flytt till molnet så kommer kompetenser inom team att förändras, alla roller som tidigare har passat in gör inte nödvändigtvis det längre och detta är någonting som man måste förhålla sig till. R4 håller med om detta och menar att de kompetenser som förändras kan läras upp för att passa in i det nya arbetssättet.
7 Analys
I detta avsnitt jämförs empiriskt material mot tidigare forskning och analyseras.
Analyser genomförs även inom det empiriska materialet då respondenternas svar jämförs med varandra.
7.1 Säkerhet
En central utmaning inom Cloud BI som har framkommit både under insamlingen av empiriskt material och under genomläsning av tidigare forskning är säkerhet kopplat till implementation av Cloud BI. Enligt Olszak (2014) är oron över säkerheten en av de stora barriärerna som stoppar organisationer från att investera i Cloud BI. Olszak (2014) nämner även att molnleverantörerna erbjuder oftast en säkrare lösning än vad företag själva hade haft råd med. R1 instämmer med att leverantörer oftast har tillgång till ett större kapital att investera i säkerhetslösningar jämfört med vanliga företag.
“Det har alltid varit en utmaning att få fram budskapet att leverantören inte vill åt företags data i molnet eftersom dom erbjuder det som en tjänst, det är faktiskt säkrare i cloud jämfört med att lagra sin data on prem”(R1).
Det är organisationernas ansvar att säkra sin data i molnet med hjälp av kryptering och om data inte krypteras så kommer den inte att vara säker i molnet (Patil och Chavan, 2020; Kassem och Hassen, 2015). R1 menar att det är svårt att argumentera varför vanlig data oftast är säkrare i molnet men inom företag användare man oftast inte samma säkerhetslösningar som man gör i molnet.
“Man tror att data kommer att vara säkrare inom väggarna men ofta har man inte data krypterat inom företaget”(R1).
Vidare nämner Kassem och Hassein (2015) att det är nödvändigt för några
organisationer att behålla sin data på plats då den är av sådan känslig natur att det inte kan läggas upp på molnet på grund av säkerhetsskäl. Detta är någonting som flertalet respondenter har kommenterat på då GDPR tvingar organisationer att vidta nödvändiga säkerhetsåtgärder när det kommer till personlig information. R4 menar att GDPR är en stor utmaning för företag som vill lägga upp persondata i molnet då dom behöver utveckla anonymisering eller pseudonymisering.
“Antingen måste du låta bli att behandla det datat eller så måste du utveckla anonymisering av datat eller pseudonymisering av datat för att kunna tackla det problemet”(R4).
Något som enligt R4 stoppar äldre bolag med en större IT-lösning från att flytta upp till molnet är en kombination av en rädsla för dataläckage och GDPR då deras nuvarande lösningar helt är byggda on premise och inte nödvändigtvis anpassningsbara för GDPR.
