Hvornår bør SMV’er kode deres løsninger? En analyse af low-code og pro-code visualiseringsværktøjer med afsæt i SMV-virksomheders datamodenhed.

Dette projekt bygger på eksisterende forskning om datamodenhed og teknologiaccept, herunder teorier som Gartner’s Analytics Maturity Model og Technology Acceptance Model (TAM). Forskningen indikerer, at valg af teknologi, som low-code vs. pro-code værktøjer, er tæt forbundet med en organisations datamodenhed. Dog mangler der konkrete anbefalinger til, hvordan disse værktøjer bør vælges afhængigt af virksomhedens niveau af datamodenhed.

Forskningsspørgsmålet er: Hvordan bør virksomheder vælge mellem low-code og pro-code visualiseringsværktøjer baseret på deres datamodenhed? Underliggende undersøgelsesspørgsmål omfatter:

1. Hvilke aspekter af datamodenhed påvirker valget af værktøjer?
2. Hvordan varierer behovet for low-code vs. pro-code værktøjer i organisationer på forskellige datamodenhedsniveauer?

Gennem en litteraturgennemgang og kvalitative samt kvantitative analyser sigter projektet mod at udvikle konkrete anbefalinger til, hvordan virksomheder kan vælge den mest passende teknologi, baseret på deres specifikke datamodenhed.

Dette projekt adresserer et videnshul i eksisterende forskning vedrørende valget af low-code og pro-code visualiseringsværktøjer baseret på virksomheders datamodenhed. Virksomheder vil ofte ikke være teknisk rustet til at kunne tage et velbegrundet valg, da området tapper ind i en disciplin, som er omfangsrig og, for mange virksomheder, fjern fra deres kernekompetencer.

Projektet skaber værdi for erhvervslivet ved at tilbyde praktiske retningslinjer for virksomheder, der står over for valget af analyseværktøjer. Det hjælper organisationer med at vælge den mest effektive teknologi baseret på deres specifikke behov og datamodenhed, hvilket kan optimere deres dataanalysekapacitet og understøtte bedre beslutningstagning. Desuden har projektet værdi for erhvervsakademisektoren ved at bidrage til akademisk viden om teknologivalg i relation til datamodenhed.

Projektet er inddelt i en række arbejdspakker (WP), som er underinddelt i hhv. opgaver (T) og leverancer (D).

WP1: Projektledelse

       T1.1: Deltagelse i styregruppemøder

       T1.2: Eventuelle koordineringsmøder med DVL

WP2: Litteraturstudie

       T2.1: Litteratursøgning og selektion af relevant litteratur

       T2.2: Kortlægning af eksisterende litteratur om datamodenhed og teknologiaccept

       T2.3: Analyser af brugen af low-code og pro-code værktøjer i SMV-virksomheder

WP3: Komparativ analyse og use-case

       T3.1: Sammenligning af fordele og ulemper ved low-code vs. pro-code værktøjer

       T3.2: Udvikling af den samme visuelle løsning i hhv. low-code og pro-code værktøj

WP4: Kommunikation

       T4.1: Opslag på LinkedIN ved opstart af projekt

       T4.2: Opslag på LinkedIN efter endt litteraturstudie

       T4.3: Opslag på LinkedIN ved endelige resultat og publicering af working paper

       T4.4: Skrivning af working paper

       T4.5: Produktion af brancherettet produkt

       D4.1: Working Paper

       D4.2: Brancherettet product

       D4.3: LinkedIn opslag 1, 2 og 3

Projektet anvender en hermeneutisk tilgang med fokus på systematisk litteraturgennemgang, komparativ analyse og en konkret use-case, hvor den samme løsning bygges i både et low-code og et pro-code værktøj.

Teorien understøttes af datamodenhed og teknologiaccept for at evaluere, hvordan valget af værktøj afhænger af virksomhedens analytiske kapacitet og teknologiske forberedelse.

Problemstilling:

Hvornår bør virksomheder kode deres løsninger? En analyse af low-code og pro-code visualiseringsværktøjer med afsæt i virksomheders datamodenhed.

Forskningsspørgsmål:

1. Hvordan relaterer forskellige niveauer af datamodenhed sig til valget af low-code og pro-code visualiseringsværktøjer?
2. Hvilke faktorer ved datamodenhed påvirker brugen af disse værktøjer i praksis?
3. Hvad er fordelene og ulemperne ved at vælge low-code vs. pro-code værktøjer i relation til virksomhedens behov og mål?
4. Hvilke faktorer er de mest afgørende i valg af visualiseringsværktøj?

Metode:

Dette projekt vil anvende en kombination af litteraturgennemgang, teknisk dokumentation, og en praktisk use-case:

• Litteraturgennemgang: Kortlægning af eksisterende forskning om datamodenhed og teknologiaccept, samt analyser af brugen af low-code og pro-code værktøjer i erhvervslivet.
• Komparativ analyse: Sammenligning af fordele og ulemper ved low-code vs. pro-code værktøjer for at identificere bedste praksis baseret på datamodenhed.
• Use-case: Udvikling af den samme visuelle løsning i både et low-code værktøj og et pro-code. Denne case vil give konkrete erfaringer og en direkte sammenligning af de praktiske fordele og udfordringer ved at arbejde med begge typer værktøjer.

Empirien i dette projekt omfatter primært eksisterende forskning, tekniske dokumenter og en praktisk use-case. Jeg vil anvende akademiske artikler og studier om datamodenhed og teknologiaccept for at undersøge, hvordan valget af visualiseringsværktøjer afhænger af virksomheders datamodenhed. Derudover vil jeg benytte tekniske rapporter og dokumentation fra de relevante værktøjsudbydere, der beskriver funktionaliteterne af disse værktøjer.

En central del af empirien vil være en use-case, hvor jeg udvikler den samme løsning i både et low-code og et pro-code værktøj. Denne case vil give praktisk indsigt i forskellene mellem værktøjerne i forhold til brugervenlighed, fleksibilitet og anvendelse i konkrete scenarier.

• Klarlæggelse af sammenhængen mellem datamodenhed og teknologivalg: Virksomheder på lavere datamodenhedsniveauer vil sandsynligvis vælge low-code værktøjer som Power BI, mens mere modne organisationer vil vælge pro-code løsninger som Shiny.
• Praktiske anbefalinger: Udvikling af konkrete anbefalinger til virksomheder om, hvilket værktøj de bør vælge baseret på deres datamodenhed.
• Indsigt i barrierer og fordele: Identifikation af specifikke barrierer og fordele ved henholdsvis low-code og pro-code værktøjer.

Vidensprodukter:

• Working paper: En detaljeret akademisk rapport, der præsenterer projektets resultater og analyser, som kan anvendes af forskere og undervisere i dataanalyse.

• Brancherettet produkt: Et oplæg, der kan holdes til konferencer og for virksomheder som præsenterer projektets nøglefund på en tilgængelig måde. Oplægget vil fokusere på de praktiske implikationer af valget mellem low-code og pro-code visualiseringsværktøjer baseret på virksomheders datamodenhed. 

• Working paper: Dette produkt skaber værdi for forskere og undervisere, da det bidrager med ny viden om forholdet mellem datamodenhed og teknologivalg. Det kan anvendes som et akademisk referencemateriale og understøtte videre forskning og undervisning inden for dataanalyse.
• Brancherettet produkt: Dette produkt skaber værdi for virksomheder og praktikere, da det giver konkrete, praktiske anbefalinger om valg af low-code vs. pro-code værktøjer baseret på deres datamodenhed. Oplægget hjælper virksomheder med at optimere deres dataanvendelse og træffe velinformerede beslutninger.