Når en virksomhet skal bygge en ny dataplattform, starter samtalen nesten alltid med leverandøren. Snowflake, Databricks eller Microsoft Fabric? Det lages sammenligningsmatriser, det holdes demoer, og det kan gå måneder før noen bestemmer seg.
Vår erfaring er at plattformvalget betyr mindre enn man skulle tro. De modne alternativene kan alle løse de fleste behov. Det som avgjør om plattformen skaper verdi, er spørsmålene rundt den – og de blir ofte stilt for sent.
Start med hvem som skal bruke dataene
Før du vurderer en eneste leverandør, bør du vite hva plattformen skal brukes til og hvem som skal bruke den. Standardrapportering til ledelsen stiller andre krav enn analytikere som vil utforske data fritt. Maskinlæring krever mye historikk og gjerne rådata. Regulatorisk rapportering – som i finans er et krav, ikke et ønske – krever sporbarhet, reproduserbarhet og tall man kan stå inne for overfor tilsynsmyndigheten.
Skriv ned de viktigste bruksområdene, konkret. Hvem konsumerer dataene, i hvilket verktøy, hvor ofte, og hvor ferske må de være? Svarene snevrer inn valget langt mer effektivt enn en funksjonsliste fra en leverandør.
Tre grunnleggende retninger
Forenklet finnes det tre hovedretninger, og ingen av dem er best i alle situasjoner.
Den første er lager-først og SQL-sentrert. Datavarehuset står i sentrum, og det meste av arbeidet gjøres i SQL. Det passer godt når hovedbehovet er rapportering og analyse, og teamet er sterkest på SQL og datamodellering.
Den andre er lakehouse og notebook-sentrert. Dataene ligger i åpne filformater, og mye av arbeidet gjøres i Python og notebooks. Det passer godt når maskinlæring, store datamengder eller ustrukturerte data er en viktig del av bildet, og teamet trives i kode.
Den tredje er en plattform tett knyttet til et eksisterende Microsoft-miljø. Bruker dere allerede Power BI, Azure og Microsoft 365, kan det gi reelle fordeler: felles identitetsstyring, kjente verktøy og færre integrasjoner.
Grensene viskes dessuten ut etter hvert som leverandørene nærmer seg hverandre. Forskjellen ligger mer i hva som faller naturlig, enn i hva som er mulig.
Kostnadsmodell og kostnadskontroll
Skyplattformer prises i hovedsak etter forbruk. Det er fleksibelt, men betyr at kostnaden styres av hvordan plattformen brukes – ikke av hva som står i kontrakten. En dårlig skrevet spørring, en jobb som kjører oftere enn nødvendig, eller regnekraft som aldri skrus av, kan gi overraskende regninger.
Spørsmålet er derfor ikke bare hva plattformen koster, men hvordan dere skal holde kostnaden under kontroll. Hvem eier budsjettet? Finnes det varsler, grenser og synlighet per team eller bruksområde? Dette bør være på plass før bruken tar av, ikke etter den første store fakturaen.
Kompetansen i teamet
En plattform som ikke passer teamet, blir dyr uansett hvor god den er. Er styrken deres SQL og BI, er det lite vunnet på en løsning som forutsetter at alle skriver Python – og omvendt. Vurder ærlig hvilken kompetanse dere har, hvilken dere realistisk kan bygge eller hente inn, og hvem som skal drifte plattformen om to år.
Styring, tilgang og sporbarhet
I finans er dette ofte det viktigste punktet, og likevel blir det gjerne skjøvet på. Hvem har tilgang til hvilke data, og hvordan styres det? Kan dere dokumentere hvor et tall i en rapport kommer fra, hvilke transformasjoner det har gått gjennom, og hvem som har endret logikken? Hvordan håndteres personopplysninger og sensitive kundedata?
Alle de store plattformene har verktøy for tilgangsstyring og datalinjer. Men verktøyene gjør ingen jobb alene. Styring er først og fremst et spørsmål om modell, eierskap og disiplin – og det er langt enklere å bygge inn fra start enn å ettermontere.
Unngå innlåsing der det faktisk betyr noe
Noe innlåsing er uunngåelig, og ikke nødvendigvis et problem. Poenget er å vite hvor den gjør vondt. Data i åpne formater, transformasjonslogikk i versjonskontrollert kode og et tydelig skille mellom forretningslogikk og plattformspesifikke funksjoner gjør det langt enklere å bytte eller kombinere senere. Det er der det lønner seg å være prinsipiell – ikke i hvert eneste verktøyvalg.
En pragmatisk vei videre
I stedet for å bruke et halvår på å velge perfekt, bør dere starte smått. Velg ett bruksområde med tydelig verdi, og bygg det skikkelig: en solid datamodell, tilgangsstyring, kostnadskontroll og automatisert utrulling. Da lærer dere mer om plattformen på noen uker enn på måneder med sammenligninger, og dere får et fundament som er klart for neste bruksområde.
Hos Adventis hjelper vi virksomheter – særlig innen finans – med nettopp dette: å avklare behovene, velge en plattform som passer, og bygge et datafundament som holder over tid. Vi har ingen leverandør å selge inn, bare et ønske om at plattformen faktisk blir tatt i bruk.