Företag och organisationer världen över sitter idag på stora mängder information oftast helt ovetande om den enorma potential som döljer sig under ytan. Det är många gånger svårt för ledningen att förstå värdet av tillgången och hur den kan realiseras för att bidra till att förverkliga verksamhetsmålen.

Mängden data i världen har fullständigt exploderat. Bara under de senaste två åren har vi producerat lika mycket data som vi gjort under hela mänsklighetens historia. Idag finns det lika mycket information i en vanlig dagstidning som det tog en hel livstid för våra förfäder att inhämta. År 2020 räknar Gartner med att det finns 6,1 miljarder smartphones och 50 miljarder smarta apparater i hemmet, alla vars främsta syfte att samla in, analysera och dela data. Om fem år så kommer 1,7 MB ny information att genereras per person och sekund!

Trots ofantlig tillgång till information så analyserar vi mindre än 0,5% av all data som finns tillgänglig idag

Idag analyserar vi mindre än 0,5% av all den data som finns tillgänglig. Om vi skulle öka detta värde med 10% så skulle det innebära $65 miljoner högre omsättning för ett typiskt Fortune 1000 företag. Det här är siffror som inget företag eller organisation har råd att bortse ifrån och därför kommer Big Data att vara fortsatt relevant oavsett om det är hypat eller inte. Jämför med e-handeln i början av 2000-talet hur överhaussat det var, med löften som aldrig infriades, men fenomenet i sig har idag blivit en del av alla våras liv.

Var finns då värdet av analys?

Det har skrivits spaltkilometrar med artiklar om hur analys och Big Data kan skapa nya värden. En person som jag rekommenderar att ni följer är Bernard Marr, bättre inspirationskälla i ämnet är svårt att hitta. Annars är det bara att Googla, en enda sökning involverar ca 1000 datorer som returnerar ett svar på  0,2 sek...men här kommer några axplock:

Bank och Finans Bankrate.com är ett finansbolag som tillhandahåller bolån och konsumentkrediter till privatpersoner. Genom att utgå ifrån kundens livssituation så har företaget lyckats kartlägga kluster av specifika kundsegment, enbart genom att analysera hur kunden rör sig på nätet. Ett exempel är förstagångsköpare på bostadsmarknaden. Om en kund är mellan 18-25 år och går in på en bostadssajt eller nätverksgrupp som söker bostäder så samlar företaget automatiskt in informationen i sina databaser. I och med detta kan Bankrate följa sina kunders hela ekonomiska livsresa - från student till arbetsliv till pension - så att de vid varje given tidpunkt ska kunna ge ett så relevant och träffsäkert krediterbjudande som möjligt.

Retail & Logistik. 35 miljarder kilometer. Så långt körde kommersiella lastbilar helt utan last i Europa 2013, enligt siffror från Eurostat. Det motsvarar en tredjedel av alla vägtransporter. Samtidigt säger branchen att 90 procent av alla ruttplanerare gör sitt jobb i Excel. Forbes har gjort en studie som menar på att om retail företagen nyttjade den fulla potentialen av den information som de själva sitter så skulle det operativa resultatet öka med 60%. Få andra åtgärder eller besparingar skulle ens komma i närheten av ett sådant resultat. För våra svenska retailföretag skulle det innebära ett par 100 miljarder i nya intäkter realiserade från förbättrad kundupplevelse, optimerade logistikprocesser och bättre lagerhållning, för att inte tala om minskad miljöpåverkan.

Sjukvården. Här finns en enorm potential.  Den prediktiva vården är i sin linda men idag kan sensorer skicka signaler som gör att läkaren kan kontakta dig innan du blir sjuk. Var 6:e sjukhus har sjukvården själva orsakat på grund av felbehandlingar. Detta skulle med stor sannolikhet vara ett minne blott om läkarnas diagnoser snarare byggde på faktabaserad dataanalys än godtyckliga bedömningar. En studie menar på att om sjukvården drog full nytta av sitt data skulle besparingen vara ca 5,000 sek per person och år. För Sveriges del handlar det om 48 mdr sek årligen, eller en ROI på 0,3 år för Nya Karolinska.

Arbetsförmedlingen i Danmark har använt sig av avancerad analys i syfte att minska långtidsarbetslösheten. Flödet av information till arbetssökande sköts via alogritmer som per automatik skickar relevanta jobberbjudanden i olika kanaler, web, e-mail, sms. Förutom att handläggarna avlastas så spårar systemet den arbetslösas klick på olika sajter och tar emot feedback som sammanställs tillbaka till handläggaren i en lärande loop. I och med detta minskas tiden för förberedelser för handläggaren samtidigt som den arbetssökande får en betydligt effektivare sökningsprocess som bygger på rationella beslut snarare än magkänsla. Genom att automatisera så kan handläggarna lägga mer resurser på de komplexa fallen; nyanlända, ungdomar och långtidsarbetslösa. Resultatet är bevisad minskad tid i arbetslöshet. Idag är Danska arbetsförmedlingen en av de myndigheter som har högst förtroende bland medborgarna i landet.

Hur kommer vi igång?

Nej det är inte komplext, nej det är inte dyrt, nej det tar inte lång tid. Att komma igång med ett Big Data initiativ är inget smärtsamt mastodontprojekt. I sin enklaste form kräver det tre personer; en från verksamheten, en från analysavdelningen och en från IT. Relativt snart kan datat visualisera samband, avvikelser, trender, mönster, kundsegment, livssituationer etc. som kan ge helt nya insikter och prioriteringar till verksamheten som input till den dagliga förvaltningen. Eller som Gartner säger: tänk Bi-modalt. Vi måste ha både struktur och innovation - och det samtidigt. Hypen må vara över...men Big Data har bara börjat.

Andra posts som jag skrivit om:

• Hur prediktiv analys identifierar ungdomar som riskerar att hamna snett
• Hur analys minskar arbetslösheten i Tyskland och sparar miljarder
• Hur analys förhindrar bidragsfusk och stoppar felaktiga utbetalningar