Data ska inte vara något bara IT förstår.

En analytiker som tar emot frågor från hela organisationen har inte tid att göra djupanalys — hon hinner knappt leverera det som efterfrågas. Frågorna staplas. Prioriteringar sker. Vissa affärsfrågor väntar i kön längre än de borde.

Det är ingen kritik av analytikern. Det är en systemfråga. Om varje datafråga kräver en mellanhand är det inte data som driver beslut — det är analytikerns arbetsbelastning.

Och det skapar en annan konsekvens som är svårare att se: folk slutar ställa frågor de egentligen borde ställa. Om svaret tar tre dagar att få så ställer man inte frågan när den dyker upp i ett möte på tisdag — man anpassar sig och arbetar med det man redan vet.

Self-service BI är ett uttryck som används slarvigt. Ibland menas att det finns en Power BI-rapport som alla kan öppna. Det är ett steg, men det är inte self-service — det är en delad rapport.

Verklig self-service innebär att rätt person kan hitta den data de behöver, förstå vad den betyder och använda den för att besvara sin specifika fråga — utan att gå via IT eller analytiker. Det kräver mer än en bra rapport. Det kräver att data är tillgänglig i ett format och på en plats som är begriplig för icke-tekniska användare. Att begreppen är dokumenterade. Att det är tydligt vilken version av ett nyckeltal som är den officiella. Att det finns definierade vägar till djupare analys för dem som behöver gå längre.

En datakatalog är ett av de verktyg som faktiskt löser det här — en sökbar yta där data beskrivs, ägarskapet framgår och definitionerna finns lättillgängliga. Det låter trivialt, men de flesta organisationer har ingen. Och utan det fastnar man i att varje ny fråga kräver att någon förklarar vad datan egentligen innehåller.

Self-service kräver att tre saker stämmer.

Data måste finnas på ett ställe. Om svaret på en fråga kräver att man samkör data från tre system manuellt, är det inte self-service — det är ett analytikerjobb. Grunden är en plattform som håller samman informationen och gör den åtkomlig.

Verktygen måste passa användarna. En controller som är van vid Excel kan använda Power BI utan stor utbildning, om rapporterna är välstrukturerade och begreppen stämmer. En produktionsledare som behöver se status per linje behöver en vy som matchar hur hon tänker om sitt arbete — inte ett analytikerperspektiv på data.

Begreppen måste vara dokumenterade och stabila. Det är det som avgör om en person kan lita på att de förstår vad de ser. Utan dokumentation behöver man alltid fråga vad siffran egentligen mäter. Och med dokumentation som ständigt är inaktuell är det inte bättre.

Self-service förändrar analytikerns roll — det eliminerar den inte. Analytikern slutar vara en förvaltare av datafiler och blir i stället den person som bygger och underhåller plattformen som gör self-service möjligt. Som skapar de semantiska modellerna. Som dokumenterar definitionerna. Som hanterar de mer komplexa analysprojekten som kräver riktigt djup förståelse av datan.

Det är ett mer värdefullt sätt att använda kompetensen. Och det frigör kapacitet för den typ av analys som verkligen kan flytta verksamheten — inte den löpande leveransen av rapporter som egentligen inte borde kräva en analytiker.