Stora journalistprist till databas-journalistik

Det som var extra intressant med Helenas arbetssätt var att hon använt databaser som sina intervjuobjekt. Juryns motivering till priset är “För att hon som internationell superstjärna inom databas-journalistiken hittar scoopen där andra bara ser ettor och nollor”

Det var cirka 11,5 miljoner dokument eller 2,6 terabyte data så hur hittade Helena ett scoop i den enorma datamängden. Vad hon gjord var att se databasen som intervjuobjekt och tillämpade den metod hon alltid använder för en intervju.  Metoden är kort att första ta reda på vad vet jag om intervjuobjektet. Här såg Helena data om privatpersoner, länder och belopp och insåg att här kan det finnas kopplingar, en historia. Nästa steg är formulera den första frågan. Beroende på svaret på den första frågan formuleras därefter att antal följdfrågor och till sist kontrolleras svaren, kan detta stämma? Nu hade Helena ett team av databasanalytiker till sin hjälp men den avgörande kunskapen hade hon själv. Att se en story och ställa de rätta frågorna.

Som verksam inom Business Intelligence ser jag dagligen bevis på det höga värdet i vad ett företags data kan berätta men också hur mycket som finns kvar att upptäcka. Men med moderna BI-verktyg finns numer alla möjlighter att göra dessa upptäckter och jag hittar få argumnet till att inte ta vara på den möjligheten. Det behöves inte alltid ett team av analytiker eller ens databaser utan mycket går att göra själv och med data från olika typer av datakällor. Det kallas i branschen för Self Service BI. Det ska i ärlighetens namn säga att Self Service BI än så länge kräver en hel del av dig som användare. En bakgrund som utvecklare eller ett brinnande intresse är en stor fördel. Oavsett om du gör det själv eller tar in hjälp så är det nyfikenhet, förståelse för verksamheten och förmågan att se samband som är framgångsfaktorerna.

Så kanske är det du som blir ditt företags superstjärna och där andra bara ser ettor och nollor ser du en affärsmöjlighet eller kanske en risk, och beslut som måste fattas. Mitt tips är att försöka koppla samman flera datakällor för att se hela “historien” och de första frågorna kan vara så enkla som att ta fram olika topplistor. Topp 10 bästa, sämsta, högsta, lägsta och följdfrågorna blir att analysera grundorsaker till att listorna ser ut som de gör. Det är lätt att bli förförd av alla möjligheter till analys och snygga visualiseringar men glöm inte att kontrollera svaren, är de rimliga.
Lycka till