Banner top Til forsiden Econa

Store data skapar nye kompetansebehov

figur-author

As human beings we sometimes become so excited about our theories, our blueprints, or conceptual systems that we superimpose our concept onto the real data with which we are presented.

– Richard Freeman: The Mirror of Yoga: Awakening the intelligence of the body and the mind.

Det digitale er ikkje noko nytt. Bankar og andre verksemder med store transaksjonsmengder har nytta seg av maskin- og programvare for strukturering og prosessering av transaksjonar sidan 60-talet. Prisane gjekk ned i takt med at krafta i prosessorane gjekk opp, og mot slutten av 90-talet kom Internett inn i privatlivet og yrkeslivet til dei fleste. Y2K-redselen rundt årsskiftet 1999/2000 førte til at mange av dei gamle systema vart skifta ut til fordel for nyare system, gjerne med grafiske grensesnitt som andre enn IT-folk kunne forstå seg på.

IT-bransjen fekk eit løft, noko som førte til eit godt økonomisk grunnlag for utvikling av betre system, og ei lita stund var det stor tru på at økonomi og teknologi skulle gå hand i hand inn i framtida. Denne trua fekk seg ein knekk under dot-konk-tida, då dei økonomiske forventingane til løysingane denne unionen kunne presentere vart for høge, og alt raste saman.

I åra etter vaks tiltrua til dei digitale forretningsløysingane litt etter litt, både hjå konsumentar og bedrifter. Bank- og reiselivsprodukt på Internett opna dørene til ytterlegare netthandel, og dette er ein sektor som framleis er i stor vekst (for 2013 var denne veksten estimert til 17 % på verdsbasis, med eit samla e-handelssalg på 1,2 trillionar kroner).

Moores lov seier at talet på transistorar ein kan få inn på eit kretskort, vil doble seg for kvar attande månad. Dette har stemt heilt sidan 1965 då han presenterte denne teorien i ein artikkel. Denne utviklinga har tett samanheng med utviklinga av maskinvare, og kan overførast til utviklinga innan prosesseringskraft, talet på pikslar i digitale kamera, og storleiken på sensorar.

Denne utviklinga gjorde mogeleg ein milepæl innan datateknologi som tok plass 9. januar 2007: lanseringa av den fyrste versjonen av iPhone. Den eininga klarte å pakke saman prosesseringskraft, tilgang til Internett, og – ikkje minst – ein del sensorar i lommeformat. Det var ikkje den fyrste eininga som klarte akkurat det, men det var den fyrste eininga som klarte å presentere dette på ein slik måte at den jamne forbrukar fatta interesse for teknologien.

I 2007 vaks òg det sosiale nettverket Facebook, ei vekst som til slutt skulle føre til at nettstaden fekk over ein milliard brukarar som hugleg postar bilete, videoar og statusar, og bedrifter som ved hjelp av målretta reklame prøver å skaffe seg nye kundar mellom medlemmene.

Denne utviklinga har ført til ein leiingsrevolusjon ifølge ein artikkel i Harvard Business Review, skreve av Andrew McAfee og Erik Brynjolfsson (2012). Bakgrunnen for denne revolusjonen er Big Data, eller store data. I 2013 var 90 prosent av alle data som fanst i verda, generert dei to føregåande åra. Det er potensial for å skaffe seg konkurransefortrinn ved hjelp av desse dataa, men då må vi forstå litt om innhaldet i dei.

FNs økonomiske kommisjon for Europa (UNECE) held årlege møter om MSIS (Management of Statistical Information Systems) i samarbeid med Norstat og OECD. Dei har teke på seg å definere kva slags data som fins under paraplyen store data. Grovt sett kan ein dele dette inn i tre kategoriar:

  • Sosiale nettverk (menneskegenererte data). Dette er data som tidlegare vart lagra og overført gjennom media som bøker, kunstverk, filmar, og musikkverk. Mesteparten av dette er no digitalisert og distribuert gjennom sosiale nettverk og liknande. Data er ofte ustrukturerte.
  • Tradisjonelle forretningssystem (prosessgenererte data). Dette er dokumentasjon av interne prosessar og forretningstilfelle/transaksjonar mellom bedrifter og samarbeidspartnarar. Dette inkluderer òg offentlege data. Dette er data som er strukturert, oftast i relasjonsdatabaser.
  • Tingas Internett (maskingenererte data). Sensorar er i aukande grad brukt for å registrere og måle aktiviteter i den verkelege verda. Eksempel på dette er sensorar som er i bilar og mobiltelefonar, men òg i hushaldsartiklar. Denne typen data veks ettersom talet på sensorar aukar, og vert ei viktig kjelde for informasjon for bedrifter. Dette er data som vert generert i høg fart.

Bedrifter er frå før kjente med data frå tradisjonelle forretningssystem, sjølv om mange ikkje klarar å utnytte dei. Utfordringa for leiinga er her for det første å sortere ut relevante data i dei tre kategoriane, og deretter å samanstille dei for å hente ut ny og nyttig informasjon.

Brynjulfsson og McAfee gjev tre kjenneteikn på store data: mengda, farten dei vert generert i, og variasjonen. Maskingenererte data er strukturerte, og det vil på den måten verte ei litt mindre utfordring å integrere dei med data frå tradisjonelle system. Data frå sosiale nettverk er derimot ei større utfordring – korleis skal ein til dømes hente ut relevant informasjon frå dei over 100 timane med video som vert lasta opp til YouTube kvart minutt i døgeret?

Ein kan òg seie at data avlar data. Svært mange typar data representert i store data kan vere utgangspunktet for å skape meir data. Opplysingar om eit kjøp, som tidspunkt, produkt og pris, kan spreiast via sosiale nettverk, og vere utgangspunktet for ein ny straum med data. Denne straumen kan vi ha betre kontroll med ettersom det er vi som har initiert han.

Eg vil kome med følgjande påstand: Alle data som vert generert (og som er forståeleg for menneske), er potensielle sosiale objekt, altså noko som kan vere eit utgangspunkt for meir dialog eller engasjement, noko som vil generere enda meir data som «likes», kommentarar og vidaresendingar.

Utfordringane er mange. Nokre av dei er teknologiske; det må investerast i både programvare og maskinvare for å nytte seg av og ikkje minst sortere og filtrere data. Nokre kunnskapsmessige: Det vil trengs meir kompetanse i statistikk og dataanalyse innan fagfelt der dette fram til no ikkje er ein del av forventa kunnskap. Men dei største utfordringane finn vi innafor fagfeltet leiing.

Teknologi og kunnskap skal gjere om store data til brukande informasjon for bedriftene. For å kunne nytte denne informasjonen må ein kunne evne å delegere meir av avgjerslene. Allmenn tilgjengeleg informasjon skal gjere det lettare for rett medarbeidar på rett plass å ta den rette avgjersla.

Etter mitt syn er likevel den største utfordringa mental: å gå frå å tru til å vite. I ein pressa kvardag er det lett å prøve å tvinge det vi ser, inn i strukturar og mønster vi allereie kjenner: å gå for magefølelsen i staden for det fakta viser, å nekte å tru på at data har relevans. Jobb på strategisk nivå har alltid vore den delen av ei verksemd som har hatt minst direkte støtte av data. Dette er no i ferd med å endre seg. Dei som møter det digitale med eit ope sinn, er dei som kan nytte seg best av det.


© Econas Informasjonsservice AS, Rosenkrantz' gate 22 Postboks 1869 Vika N-0124 OSLO
E-post: post@econa.no.  Telefon: 22 82 80 00.  Org. nr 937 747 187. ISSN 1500-0788.

RSS