”Big data @ work”, Thomas H. Davenport

Det genomsnittliga amerikanska företaget förvarar en datamängd motsvarande 427 gånger USA:s kongressbibliotek.

All fotografisk data som finns på Facebook innehåller fler pixlar än de som Kodak någonsin har behandlat.

Varje dag produceras lika mycket rörlig bild som under televisionens femtio första år.

Väldigt talande siffror.

Men är de sanna?

Nej. Thomas Davenport har hittat på dem, mest för att visa hur ointressanta de är. Även om de skulle kunna vara sanna så är de sådana som främst är användbara vid cocktailpartyn, menar han.

Storleken saknar betydelse när det handlar om big data. Det räcker med att konstatera att det är enormt.

Big data är en modern, kanske aningen överansträngd term, som används för att beskriva de enorma mängder information som i dag lagras. Att lagra den information som vi genererar när vi handlar, motionerar eller kommunicerar via sociala medier är både enkelt och billigt. Och inget slängs.

Om det ska nämnas en siffra så har mängden data i världen uppmätts till 2,8 triljoner gigabyte. Den uppmättes för två år sedan.

Men storleken saknar betydelse då det inte är den som har mest information som premieras, utan den som kan dra störst nytta av den.

För är det något big data handlar om så är det att strukturera, analysera och plocka russinen ur informationens stora kaka.

Och att det kräver ett sätt att arbeta som världen tidigare inte har skådat.

En trend

Många har gjort anspråk på termen big data, men i de allra flesta fall handlar det om att klä gamla metoder i en ny trendriktig kostym.

Big data kommer att bli en ganska kortlivad term, förutspår Thomas Davenport, som gillar allt med big data förutom namnet (han själv var för övrigt av åsikten att big data bara var ”ytterligare en tekniktrend som inte gäller mig” innan han satte i gång med sin forskning).

Det är bristen på struktur snarare än storleken som är det mest utmärkande med big data.

Poängen med big data har sammanfattats i form av tre ”v”: volym, variation och hastighet (velocity). Sedan har andra lagt till ytterligare två: sanningsenlighet (veracity) och värde.

Det betyder att det är en stor mängd information, som ger en stor bredd, ett svindlande djup och som dessutom flödar snabbt. Lyckas vi tyda den rätt är vi sanningen på spåren. Och är därmed en god bit på väg mot de bästa besluten.

För att kunna förfina sina strategier kring vad som ska göras med dessa nya former av information måste vi plocka isär begreppet och bygga upp det igen.

Först och främst måste vi konstatera att big data betyder olika saker för olika organisationer.

Jobbar du inom hälsovård kan det innebära att du kombinerar olika elektroniska journaler med information om arvsmassa för att skapa personliga behandlingsprogram för en patient.

Att säga ”vi ska inleda ett stort big dataprojekt” kan betyda ”vi ska analysera videoinspelningar från våra bankomater för att lära oss att bättre förstå relationen till våra kunder”.

Är det här för att stanna?

Ja. Oavsett vad som händer med de sociala nätverksplattformar som vi använder i dag – Twitter, Facebook, Pinterest – så kommer den information som de i dag säger om sina användare inte att försvinna. Antalet uppkopplade enheter översteg antalet människor redan 2011. Runt 2025 kommer omkring 50 miljoner enheter vara anslutna till internet.

Ur chefens perspektiv

Den nya tekniken för med sig så många utmaningar att de flesta ännu är svåra att skönja. Thomas Davenport återkommer då och då till att hans bok är skriven så tidigt i en ny tidsålder att det är svårt att hitta riktigt bra exempel. Men han nämner ofta exempel som Google, LinkedIn och Facebook som företag som skapat sin framgång med hjälp av insamling och analys av stora mängder data.

Deras arbetssätt sipprar nu över på andra företag och organisationer.

Möjligheterna med big data är stora och många. Lär vi oss bara att hantera dem så finns det stora vinster att göra.

Informationen flödar

I ett traditionellt beslutsfattande tar en analytiker – eller chefen själv – fram en mängd data, för den åt sidan för analys och tar sedan fram en modell och ger råd åt beslutsfattaren. Det kan vara en rapport eller en utvärdering.

När det gäller big data går det inte att dra sig tillbaka till ett laboratorium för att analysera informationen – här flödar den fram hela tiden. Medan vi granskar informationen händer samtidigt något nytt.

Därför krävs det en mer kontinuerlig metod för provtagning, analys och beslutsfattande.

Inom Förenta Nationerna har det skapats ett verktyg för hantering av big data som kallas HunchWorks och som beskrivs som ”världens första sociala nätverk för hypotesbildning, bevisinsamling och kollektivt beslutsfattande”. Syftet med HunchWorks är att uppfatta trender genom att mata in misstanken och den information som misstanken bygger på – till exempel väderinformation om annalkande torka som kan leda till svält i Afrika – så att andra kan se den och väga den mot sina egna observationer.

Digitala röksignaler, brukar det kallas.

Målet med HunchWorks är att ta reda på huruvida man över huvud taget ska ägna sådana misstankar analys och handling.

Men verktygets blotta existens markerar en stor förändring i organisationskulturen.

Analytikern blir superhjälte

Hittills har analytikern använts för att förstå och finjustera processerna, hålla ledningen informerad och göra den uppmärksam på avvikelser.

Ledningen gör bedömningar av arbetsförmågan, planerar förbättringar och genomför dem genom långa projekt.

Men det var då. I den snabba utvecklingen, i den nya big data-eran, är det de som kan se förändringen och agera snabbt och smart, liksom litegrann i farten, som har övertaget.

En framgångsrik egenskap inom affärslivet och it kommer att vara förmågan att upptäcka nya mönster och smidigt agera på dem, snarare än stabilitet.

De analytiker och tekniker som arbetar med big dataverktyg hittar ständigt nya källor för att lära sig se mönster, händelser och möjligheter i en omfattning och takt som hittills har saknat motstycke.

Exemplet med HunchWorks visar hur big data förändrar inriktningen på ledarskap. Projektet beskrivs som ett verktyg för att flytta information mellan de kunskapssilor som finns både i och utanför FN.

De har tidigare inte varit sammankopplade, mycket på grund av hierarki och traditioner. Nu flödar informationen mellan dem.

Big data rör hela organisationen

Det är människorna som verkligen får big data att fungera. Att big data enbart ska hanteras av it-avdelningen går inte längre att förvänta sig. I större organisationer involveras marknads-, finans-, produktutvecklings-, strategi- och it-avdelningen.

Från att ha varit ett internt verktyg arbetar i dag analytiker i hela organisationen, från intern rapportering till att jobba med produkter och tjänster mot kund.

Boken räknar upp en lång rad organisationer där analytiker och forskare har fått framträdande roller, alltifrån Netflix till General Electrics via Google och LinkedIn.

Information utifrån

En stor förändring som big data för med sig är att en stor del av den information som ligger till grund för beslut i dag kommer utifrån, från externa källor.

Förr kom större delen av informationen från interna informationssystem.

Här använder sig Thomas Davenport av ett citat som managementgurun Peter Drucker gjorde 1998: ”Det påskyndar en nedbrytande tendens, särskilt i de stora företagen, som innebär ett fokus på kostnader och insatser i stället för på möjligheter, förändringar och hot. Ju mer insiderinformation den högsta ledningen får, desto mer kommer att krävas för att balansera den med uppgifter från utsidan – och det finns inte ännu.”

Men nu finns det. Massor.

Men att kunna ta in mer extern information som underlag till sitt beslutsfattande kräver att chefer förändrar sitt sätt att tänka och sina vanor.

De måste regelbundet kartlägga dessa externa källor till information för att se vad som finns tillgängligt och hur det kan stödja deras organisation.

I den stora mängden data är det viktigt att titta brett efter nya källor för att hjälpa dig att fatta beslut.

Om du till exempel har fakta som förutspår att era kunder kommer att svika er, som bygger på vad kunderna har köpt eller inte köpt kan du förbättra informationen genom att tillföra extern data från deras konsumtionshistorik: hur agerar de när de handlar på andra ställen? Eller så kan du lyssna på och analysera deras kommentarer från sociala medier.

Inte längre beslut med magen

Big data får stora konsekvenser för beslutsfattande i organisationen även på så sätt att besluten måste fattas snabbare. I samma ögonblick som din egen analys slutförs kommer ny fakta att läggas till den gamla.

Och de stora insikterna kommer inte från själva informationen i sin råa form, då skulle det knappast bli några beslut fattade alls, utan från analysen och processandet av den.

Big data ställer således nya krav på kompetens inom ledarskap, organisationsstrukturer, teknik och arkitektur.

”Det är kanske den mest genomgripande förändringen av det vi gör för att skapa värde utifrån information sedan 1980-talet”, skriver Davenport.

Exakt vad big data kommer att innebära för förändring av ledarskapet kan inte Thomas Davenport riktigt ge svar på. Vi befinner oss fortfarande, som nämnts tidigare, så tidigt i utvecklingen.

Men där många beslut tidigare – och kanske fortfarande – fattades med hjälp av magkänslan kommer vi att få möjlighet att gå mot ett mer informationsdrivet beslutsfattande.

Företag och organisationer kommer att veta mer om sin omvärld och de kommer att kunna tillämpa analys för att fatta beslut och gå till handling.

Hur vägen dit kommer att se ut kommer att variera kraftigt mellan olika organisationer.

Thomas Davenport berättar om hur han under ett samtal med en hög chef på ett stort mobiltelefonföretag kom in på Googles omtalade projekt med förarlösa bilar. Det är ett viktigt projekt, som kommer att få stor betydelse i big data-tidens sätt att tänka.

Hade mobiltelefonföretag något liknande projekt på gång? undrade Thomas Davenport.

”Nej, sådant överlåter vi till Google”, sade chefen.

Det är troligen ett misstag, skriver Thomas Davenport, vars främsta råd är ”bli aldrig självgod”.

Den sortens självgodhet har dömt många företag till misslyckande.

För att komma framåt med stora uppgifter, måste du ha förlängt diskussioner inom företaget om vad allt det nya också kan innebära för din bransch och ditt företag, och hur du ska svara på det.

Att inte göra någonting är att sätta ditt jobb och din organisation i stor fara.

”Om big data förändrar din industri, borde inte din organisation vara involverad i förändringen, och inte bara dess offer?” undrar författaren.

Vilken strategi ska du ha?

Innan du skaffar dig en stor databas för att kunna lagra all data eller innan du anställer en massa forskare som kan analysera informationen måste du bestämma dig för hur big data ska passa in i din organisation.

Det viktigaste steget att ta mot big data är att skaffa sig en struktur för det. Du behöver bestämma dig för hur snabbt ni ska ta er fram.

Några frågor du bör ställa dig själv om din big data-strategi:

Vill du närma dig big data för att du framförallt är intresserad av de kostnadsreducerande fördelarna? Eller vill du förbättra er förmåga till beslutsfattandet och kreativitet?

Och om ditt fokus är dina beslut, är ditt mål att främst fatta samma som du fattar i dag, fast lite snabbare? Eller vill du fatta ännu bättre beslut med hjälp av den information som big data ställer till förfogande?

Även om du ställer dig konservativ till big data så måste du utforska ämnet för att se hur det skulle passa in i ditt företag eller din organisationsmodell, skriver Thomas Davenport, som menar att om du saknar de interna resurserna för att göra denna typ av bedömning, så finns det alltid konsulthjälp att tillgå.

Att stå utanför är inget alternativ, alltså.

Alla borde göra en bedömning av vilka typer av stora volymer eller ostrukturerade data organisationen kanske redan har. Och så borde de se vilken typ av information som kan vara användbara sett till den nuvarande strategin.

Människorna viktigast

Vilka är människorna som jobbar med big data?

Den avancerade tekniken och den stora mängden information till trots – det är männi-skorna som är viktigast, även inom big data. Det är inte bara dataforskare eller de som producerar applikationer eller modeller som påverkas av big data.

Visserligen förutspår Thomas Davenport en drastisk ökning av antalet analytiker i företag och organisationer, men big data påverkar alla och innebär stora förändringar – inte minst för dem som ska leda organisationen.

I hundratalet olika organisationer har Thomas Davenport sett ett perfekt samband mellan hur många riktigt smarta människor som utför analysarbetet och nivån på deras analytiska förmåga.

Ditt ledarskap är med andra ord en kritisk faktor för om ni ska lyckas med big data.

Men vad skiljer då cheferna i de framgångsrika företagen från de som leder de mindre lyckade?

Våga satsa 

Ett utmärkande drag, menar författaren, är att de framgångsrika verkar vara mer benägna att uppmuntra experimentlusta. De vågar satsa på sådant som de inte nödvändigtvis får tillbaka pengarna på, vilket ju är svårt när det gäller att ta fram nya produkter eller skaffa sig metoder för snabbare beslut.

Reid Hoffman, en av LinkedIns grundare, som också har haft ett finger med i spelet när det gäller betaltjänsten PayPal, såg snabbt möjligheterna med att analysera den information som utbyttes på nätverksplattformen.

Det var han som bestämde sig för att börja anställa analytiker i den annars ganska ingenjörs-tunga organisationen. Han uppmuntrade dem att försöka utveckla nya produkter och tjänster, men också att de skulle kontakta honom om de upplevde att deras idéer fastnade, antingen i processen eller i hierarkin.

Det hände Jonathan Goldman, en analytiker som Reid Hoffman hade anställt.

Han tog fram en prototyp till det som sedermera blev den väldigt populära tjänsten People You May Know.

Men ingenjörerna var inte så sugna på att införliva den. De motsatte sig den till och med.

Då vände sig Jonathan Goldman till sin chef Reid Hoffman, som ju lovat att ingripa. Nu gjorde han det och lät Jonathan Goldman testa sina idéer.

Det slutade med att denna tjänst, People You May Know, skaffade LinkedIn flera miljoner nya användare.

Det skulle inte ha hänt utan Jonathan Goldmans idé – eller utan att Reid Hoffman hade backat upp honom.

Nej, Thomas Davenport tar inte upp detta exempel för att uppmuntra medarbetare att runda sina närmsta chefer och gå direkt till företagsledningen.

”Men det är inte fel att höga chefer öppnar en direktkanal till dem i början av big datas tidevarv”, skriver Thomas Davenport.

Att på samma sätt som Reid Hoffman visa intresse för nya idéer tar bort hindret för implementeringen av nya innovationer.

Jeff Bezos, Amazons grundare, har sagt: ”vi slänger aldrig data”, eftersom de inte vet om den i framtiden kommer att komma till användning.

Vad kan vi lära oss av startup-företagen?

När en insikt har utvunnits ur information, måste den klassificeras – är den irrelevant för verksamheten? Är den intressant men inte särskilt användbar? Ska den vara grunden för en åtgärd?

Kravet på flexibilitet hör till det viktigaste inom big data. Det här är en självklarhet i ett startup-företag, men kräver ganska stor förändring i större organisationer.

I boken radar Thomas Davenport upp exempel på vad vi kan lära oss av startup-företagen när det gäller att hantera stora mängder information. Till de mer grundläggande lärdomarna hör det snabba tempot och att inte fästa så stor vikt vid misstagen.

Liksom att inte känna sig obekväm med att sätta upp stora mål: Facebook vill göra världen mer öppen och sammankopplad. Google vill organisera all världens information och göra den tillgänglig och användbar för alla.

Här är saker vi kan lära oss av de företag som hittills är bäst på att jobba med big data:

Använd big data för att ta fram nya produkter och tjänster:

Det vanligaste sättet att använda sig av data är att ta reda på hur en produkt används, när den vanligtvis går sönder, hur den kan bli servad på bästa och mest effektiva sätt. Det är också möjligt att använda big data för att informera kunder om deras beteende kring en produkt, till exempel hur de kan köra sin bil mer energisnålt.

Gör verktyg, inte bara applikationer:

Många företag som jobbat med stora mängder information – här nämner Davenport Yahoo som exempel – har varit tvungna att tillverka sina egna verktyg när de har utvecklat sina produkter. Ville de både förverkliga sina visioner och jobba kostnadseffektivt var de tvungna att göra det själva. Anmärkningsvärt är att flera av dem sedan gjort verktygen tillgängliga för andra.

Ge ansvar:

Många startup-företag har gett sina datautvecklare mycket ansvar för att ta fram nya produkter och tjänster. Ibland har företagens högsta chefer själva varit datautvecklare, men i de flesta fall har ledningen jobbat nära de som jobbar med utveckling. Försök att se till att vissa ledande befattningshavare i organisationen ansvarar för att lyssna på datautvecklarna, för att få dem att förstå att deras arbete gör skillnad.

Bidra till det allmänna:

Många av de lösningar som tagits fram i omfattande big data-projekt bygger på så kallad öppen källkod, alltså programvara som är gratis och öppen för vem som helst att använda. Hos dessa bolag finns det ett starkt etos, en önskan att göra verktyg tillgängliga för den stora gemenskapen.

Experimentera i stor skala:

För startup-företagen är experimenterandet det enda sättet att fastställa orsak och verkan.

Främja nära samarbeten:

Hur får startup-företagen tag på all den kompetens de behöver? Davenport har ställt frågan till många företag. Ofta har han fått svaret att kompetensen vanligtvis inte finns hos en person, utan att medarbetarna måste arbeta nära varandra i team för att tillsammans bidra med de pusselbitar som behövs till en särskild kompetens. Och ofta jobbar de dessutom fysiskt nära varandra: alla medarbetare sitter i samma rum, vilket gör kompetensutbytet lätt.

Jobba med kulturen

Under de år som Thomas Davenport har samlat material till sin forskning kring big data har han mött en stor mängd företag och organisationer. Han har börjat se ett samband mellan dem, inte minst när det gäller kulturen i dem.

Många av dem är otåliga och angelägna om att inte stå kvar på samma fläck. De skyr status quo. Detta drag finns hos många framgångsrika företag, men kanske i synnerhet hos startup-företag. Detta driv finns även hos medarbetarna, vilket ger cheferna en utmaning, då dessa otåliga individer förmodligen kommer att gå vidare till en annan arbetsplats om de uppfattar sin arbetsgivare som trögfotad.

I kulturen ingår ett starkt fokus på forskning och innovation. Big data-företagen är ständigt på jakt efter metoder för att lära sig nya saker om sitt sätt att arbeta eller sina kunder. Google, som kanske var det allra första big dataföretaget, uppmuntrar sina medarbetare att lägga delar av sin arbetstid på att utveckla nya idéer.

Hos många företag går utvecklingen av teknik och information hand i hand. Ofta ligger de så långt fram att de tvingas uppfinna sina egna verktyg. Google och Amazon är exempel på organisationer som knuffat gränsen framåt för den tekniska utvecklingen.

Viktig för kulturen i de framgångsrika big dataföretagen är att ledarna inte drar sig för att peka ut djärva mål. Google bestämde sig tidigt för att göra verklighet av den självkörande bilen. Var beredda att satsa flera miljarder dollar för att bygga upp kapacitet inom programvara för att hantera big data. Att ledarna så tydligt pekar ut vägen gör det möjligt för medarbetarna att ta till sig – och engagera sig i – organisationens nya inriktning.

Ofta hänger detta dessutom ihop med en icke-hierarkisk och meritokratisk organisation: de som är tidigt ute med big data tror att stora idéer kan komma från var som helst i organisationen. De har lärt sig att dra nytta av det.