Hvad er Big Data egentlig?
Det synes som om, at alle taler om Big Data. Lad os starte med at postulere, at Big Data er ikke længere en hypet teknologi. Det er blevet et afgørende og multi-facetteret ledelsesmæssigt koncept/værktøj, der er væsentlig for både erhvervslivet og samfundet. Et koncept/værktøj som kan gøre livet lettere for kunder, borgere, virksomheder og samfund hvis det vel og mærke anvendes rigtigt!
Hvad er Big Data?
Som udgangspunkt er det selvfølgelig vigtigt, at man forstår Big Data konceptet. Men endnu vigtigere er, at lære, hvorfor Big Data er ikke bare et digitalt støtteben til den eksisterende forretningspraksis. Med den rette ledelsesmæssige tankegang kan denne nye teknologi skabe afsæt for at genoverveje forretningsmodeller, transformere eksisterende modeller og den traditionelle interaktion med jeres interessenter, ikke mindst kunderne. Men det er jo ikke nok at tale om Big Data…
“Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it...” Professor Dan Ariely, Duke University
Læs også: Digitale kanaler er afgørende, hvis nye kunder skal finde dig
Big Data skal skabe gensidig værdi
Vores Big Data dogme er: BIG DATA skaber gensidig værdig for kunde/borger og virksomhed/samfund. Hvis ikke denne gensidige værdiskabelse er tilstede vil man ikke være motiveret til at dele og give viden. Når kunder fx giver virksomheden indsigt gennem data, skal der gives værdi tilbage til kunden i form af at kunden har oplevet fordele og gør det lettere at være kunde.
Lad starte med at sætte fokus på Big Data konceptet og de opgaver, der ligger i at holde styr på og analysere Big Data. Formålet er, at finde nye og ofte overraskende indsigter, samt forbedre interaktion med stakeholder, logistik og profit/værdi ved at bruge det som en forebyggende, beskrivende, proaktiv eller intelligent teknologi. Big Data findes på strategiske, taktiske og operationelle niveauer.
Læs også: Flere danskere køber medicin på nettet
Big Data modellen, V9
Vores V9 model viser hvordan du og din organisation kan skabe værdi med Big Data ved at forstå de 9 V’er:
Viewpoint x Volume x Variety x Velocity x Veracity x Visuality x Validity x Volatility = Value
V9 beskriver endvidere Big Datas særlige karakteristika, hvilket gør det mere forståeligt og håndgribeligt.
Selvom mange analytikere, konsulenter, forskere, universiteter, og IT-specialister taler om Big Data som noget revolutionerende nyt, så kan det være svært for den almindelige leder at se hvorfor det nu skulle være noget særligt – er det ikke bare data i lidt større mængder end vi er vant til?
Man kan med rette sende en advarsel til virksomhederne mod, at tro de kan forstå menneskers adfærd og motivationer på baggrund af datasæt og korrelationer. Der kræves også indsigt i den symbolske betydning og de mere følelsesbaserede motiver, der driver den observerede adfærd. Kvaliteten af den viden ledere kan udvinde af Big Data afhænger også af hvilke kilder data kommer fra, hvilke algoritmer analytikerne har udviklet, og hvor stor analytisk skarpsindighed lederen besidder.
Det interessante er, at en organisation i princippet kan måle niveauet af teknologisk parathed ved at vurdere hvert enkelt V. 6 af de 9 V´er afslører organisationens teknologiske færdigheder, ressourcer og ledelsesmæssige evne til at samarbejde internt og nedbryde silotænkning. Mens Viewpoint ikke nødvendigvis påvirker alle V´erne, for eksempel Volumen og Validitet, så påvirker det, hvordan ledere hver især vægter de enkelte V´er og den værdi de kan skabe med Big Data.
Kort forklaring af de 9 V'er følger forneden.
Læs også: Guide til brug af data
Forklaring af de 9 V'er
1. Viewpoint
Hvilken synsvinkel du har på Big Data er bestemt af dit mindset. Perspektivet hvorfra du anskuer jeres interaktion med kunderne og hvordan dette projiceres på de 8 andre V´er, både muliggør og begrænser hvordan I skaber mening med Big Data. Det første V afgør hvilken type indsigt du forventer af Big Data, hvilke data du vil efterspørge og hvordan du fortolker dem og hvordan du mener data bedst kan visualiseres. Desuden afspejles din synsvinkel på Big Data i organisationens vision og strategi og har indflydelse på hvordan I legitimerer forandringsprocesser. Derudover afhænger Big Data implementering af jeres handlinger, interaktion og kommunikation i og på tværs af organisationen.
2. Volume
Volumen refererer til den datamængde, I genererer og var en del af de første beskrivelser af Big Data, hvilket nok forklarer termen. Bare se på mængden af de e-mails, posts på sociale medier som Facebook, Twitter og Instagram eller fotos, videoklip, data fra sensorer, kunde- og transaktionsdata, vejrdata, osv. som vi producerer og deler. Vi tæller ikke længere datamængder i terabyte, selv om dette allerede kan lyde som en masse; nu opgiver vi datamængderne i Zettabyte eller Brontobyte.
3. Variety
De mange forskellige datakilder som Big Dataanalyser trækker på skaber stor varietet. Førhen håndterede organisationer primært strukturerede data, så som finansielle data (f.eks. salgsdata baseret på produkt, region og kunde) og transaktionsdata (produktion, logistik og/eller services). Den slags data kan nemt struktureres i nydelige kolonner og rækker i Excel tabeller og databaser. I dag har ledere helt andre udfordringer, da Big Data teknologien trækker på en række data fra både strukturerede og ustrukturerede kilder, f.eks. mails, sociale medier samtaler, fotos, sensordata, GPS sporing, video eller lydoptagelser og offentlige data, og kombinerer disse med traditionelle strukturerede data.
4. Velocity
Computernes eksponentielle udvikling og vores brug af smartphone betyder, at vi kan bearbejde og samtidig generere data ved hurtigt stigende hastigheder. Velocity, som vi med rette kan kalde ’Vild hastighed’ referer både til den hastighed vi genererer nye data og til den hastighed vi modtager og transmitterer data. Dette sker ofte i hurtige og komplekse processer. Bare tænk på de sociale medier, hvor posts går viralt på få sekunder, eller hvor hurtige kreditkorttransaktioner kontrolleres for bedrageri, eller de få millisekunder det tager handelssystemer at analysere sociale medie netværk med henblik på at opfange signaler, der kan udløse beslutninger om at købe eller sælge aktier.
Læs også: Sådan kommer du i gang med at bruge data
5. Veracity
Strukturerede og ustrukturerede data kommer i stigende grad fra forskellige kilder og af en svingende kvalitet, fordi nogle data er mere præcise end andre. Det betyder, at pålideligheden af Big Data kan være svær at kontrollere, så derfor bliver spørgsmålet om data er virkelige aldeles relevant. Virkeligt refererer altså til troværdigheden af data. Tænk bare på, hvordan Tweets, hashtags, forkortelser tastefejl og dagligdagstale influere pålideligheden og nøjagtigheden af data, der skal analyseres. Mange analytikere kæmper derfor med at ’rense’ data for at gøre det mere troværdigt.
6. Visuality
En visuel fremstilling af data gør det nemmere for de fleste mennesker at få et hurtigt overblik og afkode meningen hurtigere end man kan med talrækker og kodede datastrømme. Dashboards fungerer ligesom instrumentbrættet i en bil: det kan konvertere koder og numre til visuelle oversigter i grafer, kort og figurer, der er lette at tyde af den menneskelige hjerne. De kan omsætte komplekst data, så man intuitivt har nemmere ved at forstå det, hvilket gør det lettere for lederne at trække hurtig og relevant information ud som kan danne grundlag for deres beslutninger.
7. Validity
Begrebet Validitet viser hvor relevant data er i forhold til organisationens strategi og om den kan skabe nyttig indsigt med data. Bare fordi der er en korrelation mellem forskellige datasæt betyder det ikke, at det er relevant eller at der er en reel sammenhæng. Hvis man for eksempel kombinerer et lands bruttonationalprodukt (BNP) med data på vindhastigheden fra Meteorologisk Institut i perioden 1996-2015 og finder en sammenhæng, så er en sådan korrelation i bedste fald falsk og irrelevant.
8. Volatility
Volatilitet forholder sig til det presserende spørgsmål om, i hvilket omfang data kan lagres og bruges og hvilke regler, der gælder. I en verden af uanede mængder af realtidsdata er det stadig vigtigt at tænke på udgifter og kapacitet forbundet med opbevaring og håndtering af data. Flere og flere data er følsomme og bør beskyttes mod hackerangreb. Mange organisationer ser data som frie. Det kan de være på nuværende tidspunkt, men det vil sandsynligvis ændre sig, når EU-loven om persondata træder i kraft i 2018. Denne lov kræver, at organisationer søger tilladelse, hver gang de anvender personoplysninger om kunder på en anden måde end oprindelig tiltænkt og godkendt.
9. Value
Værdi er resultatet af de øvrige 8 V'er og er grundlaget for at anvende Big Data. Big Data handler bestemt ikke kun om store mængder data fra forskellige strukturerede og ustrukturerede datasæt og kilder. Big Data giver mulighed for at frembringe nye indsigter i dine eksisterende data, samt fange og analysere data, der kan indikere fremtidige trends og forudsige kommende ændringer i kundeadfærd og præferencer. Set fra et strategisk ledelsesperspektiv kan Big Data gøre din organisation mere adræt, robust og tilpasningsdygtig og dermed bedre til at navigere igennem forretningsmæssige udfordringer.
Per Østergaard Jacobsen
Ekstern lektor på CBS, Institut for Afsætningsøkonomi.
Per Østergaard Jacobsen har sammen med Pernille Rydén og Torsten Ringberg skrevet bogen "Disrupt your Mindset to Transform your Business with Big Data", som blev publiceret i 2017. Bogen er skrevet pba. deres forskningsarbejde som er et samarbejde ml. CBS og DTU.
Per har senest været projektleder på et stort CRM-forskningsprojekt på CBS, som blev publiceret i maj 2014: "Virksomhedernes Kunderelationer 2013 - CRM i danske virksomheder"
Derudover har Per siden 90'erne skrevet 6 bøger om CRM - heraf 3 udgaver af CRM Håndbogen.