Big Data
Smarta data och smart analys för bättre beslutsfattande och bättre resultat
Alla företag behöver därför veta vad big data är och hur de fungerar, samt ha en grundläggande förståelse för fenomenet. Om du vet hur man konkret använder big data för att fastställa affärsresultat och hur man använder kunskapen för att förbättra verksamheten kan ditt företag få stora konkurrensfördelar.
� Starta med strategin � Mät variabler och data � Analysera data � Rapportera resultat � Transformera verksamheten och beslutsfattandet Boken har legat etta på försäljningslistor i både USA och Storbritannien och vunnit pris för ”Management Book of the Year 2016” av the Chartered Management Institute. Bernard Marr är en storsäljande författare, föredragshållare och konsult inom områdena big data, analys, ledningsstrategi, nyckeltal och verksamhetsstyrning. Han kallas ibland för ”the Big Data Guru” och är en tongivande röst när det gäller big data-hantering för företag och organisationer.
Best.nr 47-12235-6 Tryck.nr 47-12235-6
47122356_BigData_omslag_original.indd 1
Smarta data och smart analys för bättre beslutsfattande och bättre resultat
Den här boken är en introduktion till att omsätta hanteringen av big data i praktiken. Här finns många exempel från företag och organisationer som tydligt visar hur man arbetar med detta komplexa ämne i sin verksamhet. Boken utgår från SMART-modellen som står för
Bernard Marr
Nästan allt vi gör idag lämnar digitala spår efter sig. Genom att samla ihop, analysera och använda sig av denna digitala information – big data – kan företag nå betydande kommersiella insikter.
Big Data
Internationell bästsäljare – nu på svenska
Smarta data och smart analys för bättre beslutsfattande och bättre resultat
Bernard Marr 3/28/17 8:11 AM
ISBN 978-91-47-12235-6 © 2017 författaren och Liber AB The original title: Big data: using smart big data, analytics and metrics to make better decisions and improve performance Original edition: © 2015 Wiley All rights reserved. Förläggare: Helga Laurin Projektledare: Kajsa Lindroth Översättning: Manne Svensson Grafisk form och omslag: Fredrik Elvander Produktion: Lars Wallin Första upplagan 1 Repro: Integra Software Services, Indien Tryck: People Printing, Kina 2017
Kopieringsförbud Detta verk är skyddat av upphovsrättslagen. Kopiering, utöver lärares och elevers begränsade rätt att kopiera för undervisningsbruk enligt BONUS-avtal, är förbjuden. BONUS-avtal tecknas mellan upphovsrättsorganisationer och huvudman för utbildningsanordnare, t.ex. kommuner och universitet. Intrång i upphovsmannens rättigheter enligt upphovsrättslagen kan medföra straff (böter eller fängelse), skadestånd och beslag/förstöring av olovligt framställt material. Såväl analog som digital kopiering regleras i BONUS-avtalet. Läs mer på www.bonuscopyright.se. Liber AB, 113 98 Stockholm tfn 08-690 90 00 www.liber.se Kundservice tfn 08-690 93 30, fax 08-690 93 01 E-post kundservice.liber@liber.se
47122356_BigData_inlaga G5.indd 2
3/22/17 3:40 PM
Innehåll INLEDNING: VÄLKOMMEN TILL EN SMARTARE VÄRLD.......................................... 6 Smartare idrott................................................................................................ 7 Smartare vård................................................................................................... 7 Smartare hem.................................................................................................. 8 Smartare kärlek............................................................................................... 9 Smartare föräldraskap.................................................................................... 9
Kapitel 1. SMARTARE AFFÄRER............................................................................. 11 Vem använder big data?............................................................................. 12 Hur företagen använder big data............................................................... 13 Få inte panik!................................................................................................. 16 Fokusera för att skörda frukterna............................................................... 17
Kapitel 2. S = STARTA MED STRATEGIN.............................................................. 20 ”Small is beautiful” i big data-världen..................................................... 23 Det strategiska SMART-brädet................................................................... 24 Päronträdsmetaforen.................................................................................... 27 Det strategiska SMART-brädet i praktiken............................................... 29 1. Syftespanelen............................................................................................ 29 2. Kundpanelen............................................................................................. 30 3. Ekonomipanelen....................................................................................... 31 4. Driftspanelen............................................................................................. 32 5. Resurspanelen........................................................................................... 34 6. Konkurrens- och riskpanelen................................................................. 35 Smarta frågor är svaret................................................................................. 35 SMART analys och Google.......................................................................... 37 Fallstudie: Project Oxygen.......................................................................... 38 Viktiga handlingspunkter............................................................................ 42
47122356_BigData_inlaga G5.indd 3
3/22/17 3:40 PM
Kapitel 3. M = MÄT VARIABLER OCH DATA........................................................ 44 Typer av data.................................................................................................. 45 Strukturerade data...............................................................................................45 Ostrukturerade och halvstrukturerade data................................................46 Interna data............................................................................................................47 Externa data............................................................................................................47 Datafiering: de nya formerna av data........................................................ 48 Aktivitetsdata.........................................................................................................49 Samtalsdata............................................................................................................51 Bilddata från filmer och fotografier...............................................................52 Sensordata...............................................................................................................53 Internet of things..................................................................................................56 Big datas anatomi......................................................................................... 57 Bakslag för big data.............................................................................................58 Hur variabler och data kan utnyttjas till strategisk fördel.................... 60 Identifiera dina variabler och databehov.....................................................60 Kundrelaterade databehov................................................................................63 Ekonomiska databehov......................................................................................68 Variabler och data i praktiken.................................................................... 72 Viktiga handlingspunkter............................................................................ 74
Kapitel 4. A = ANALYSERA DATA.......................................................................... 76 Analysens evolution..................................................................................... 76 Textanalys....................................................................................................... 78 Textkategorisering............................................................................................... 78 Textgruppering...................................................................................................... 79 Koncepturskillning.............................................................................................. 79 Attitydanalys......................................................................................................... 80 Dokumentsummering................................................................................... 83 Sammanfattning............................................................................................ 84 Talanalys......................................................................................................... 85 Sammanfattning............................................................................................ 86 Video- och bildanalys................................................................................... 87 Ansiktsigenkänning...................................................................................... 88 Beteendeanalys.................................................................................................... 89 Situationsmedvetenhet..................................................................................... 91 Hur video- och bildanalys redan används.................................................. 91 Den mörka sidan.................................................................................................. 93 Kombinerad analys....................................................................................... 94 Medicinsk tillämpning av kombinerad analys......................................... 94 Andra tillämpningar av kombinerad analys............................................... 95 Vad dina ”likes” säger om dig........................................................................ 97 Transparens.................................................................................................... 99 Skapa alltid värde.............................................................................................. 102
47122356_BigData_inlaga G5.indd 4
3/22/17 3:40 PM
Prediktion kontra privatliv....................................................................... 103 Gör det rätta!............................................................................................... 104 Viktiga handlingspunkter......................................................................... 105
Kapitel 5. R = Rapportera resultat..................................................................... 107 Datavisualisering........................................................................................ Ny datavisualisering.................................................................................. Visa kartor........................................................................................................... Visa text............................................................................................................... Visa data.............................................................................................................. Visa beteenden och känslor......................................................................... Visa kopplingar.................................................................................................. Ändlösa möjligheter........................................................................................ Hur datavisualiseringen kan förbättras.................................................. Infografik...................................................................................................... Akta dig för självbetjäningsbranschens informationsverktyg........... Ingredienserna för lyckad datavisualisering och infografik............... Styrpaneler.................................................................................................. ”Top Gun” för en dag....................................................................................... Att utveckla en styrpanel.............................................................................. Viktiga handlingspunkter.........................................................................
108 111 112 112 113 115 116 120 120 122 126 128 130 131 133 135
Kapitel 6. T = TRANSFORMERA VERKSAMHETEN........................................... 136 Förstå och rikta in sig på målkunder bättre.......................................... Förbättra och optimera affärsprocesser................................................. Främja människors hälsa och välbefinnande........................................ Öka säkerheten och minska bedrägerierna........................................... Driva verksamheten och personalens prestationer............................. Förbättra städer och annan infrastruktur............................................... Nya affärstillfällen..................................................................................... Det smarta kommer även att transformera sysselsättningen........... Viktiga handlingspunkter.........................................................................
136 139 141 144 145 148 149 153 155
SLUTSATS............................................................................................. 156 Tack....................................................................................................... 159 Om författaren..................................................................................... 160 Register................................................................................................. 161
47122356_BigData_inlaga G5.indd 5
3/22/17 3:40 PM
Inledning:
Välkommen till en smartare värld Världen blir smartare. Det är en utveckling som syns överallt och inte lämnar någon bransch eller sektor oberörd. Ta till exempel en sådan gammal och väletablerad industri som fiskenäringen. Även om folk har fiskat sedan tidernas begynnelse var det inte förrän på 1500-talet som fiskarna hade båtar som gick att gå till sjöss med. Detta framsteg förändrade radikalt villkoren för fisket och för första gången blev det möjligt att få stora, lönsamma fångster. Med de nya båtarna kunde man ge sig ut till fiskevattnen med inte mycket mer än en kompass, en sextant och lite ”insiderkunskap” som förts vidare från den ena generationen till den andra i fiskefamiljerna. Om man seglade på natten kunde man använda sig av astronomisk navigering och sätta kursen med hjälp av stjärnorna för att komma till rätt plats. När fiskarna kom till fiskevattnen kastade de sedan sina nät och hoppades på det bästa. I slutet av 1800-talet hade fisket kommersialiserats. Små fiskebåtar gav vika för gigantiska trålare där man kunde bearbeta fångsten ombord. När man började orientera sig med längd- och breddgrader förenklades navigeringen avsevärt, och under de senaste decennierna har tekniken förvandlat fisket från konst till vetenskap. Moderna fiskebåtar är teknikintensiva och styrs med avancerade navigationssystem och GPS. Ofta är små sensorer fästa vid fisken så att man alltid kan spåra var stimmen befinner sig, och ekolod används för att precisera hur omfattande stimmen är samt var och när man bör kasta ut näten. Moderna fiskare vet var fisken är just nu, var den kommer att vara imorgon och när de ska kasta ut sina nät för bästa tänkbara fångst av den fisk de är ute efter. Fisket har utvecklats och blivit smartare. Och det är bara ett exempel. Idag är världen smartare inom allt från idrott till vård i hemmet. Till och med kärleken och föräldraskapet håller på att bli smartare!
47122356_BigData_inlaga G5.indd 6
3/22/17 3:40 PM
Smartare idrott Smart teknik används numera vitt och brett inom idrotten för att hitta och rekrytera talanger såväl som att övervaka och förbättra prestationer – både för motionärer och för professionella utövare. Det går numera att få tag i basketbollar med över 200 inbyggda sensorer, som ger spelare och tränare detaljerad återkoppling på prestationerna. Inom tennisen kan ett system som kallas SlamTracker registrera en spelares prestationer, visa statistik i realtid och göra uttömmande matchanalyser. Den som någon gång har sett på rugby kanske har undrat över vad den lilla knölen mellan skulderbladen på spelarna är för något – det är ett GPS-system som gör att tränarna kan utvärdera hur spelarna presterar i realtid. Apparaten mäter spelarnas snitthastighet, huruvida de presterar över eller under sina normala nivåer och hjärtrytmen, för att ta reda på eventuella problem innan de inträffar. Alla dessa saker kan vara till hjälp för tränare för att undvika skador och fatta rätt beslut vid byten. Liknande teknik används i fotbollens Premier League och i många olympiska sporter, som till exempel cykel. Men tekniken är inte bara till för professionella idrottsmän. Det finns många kroppsnära teknikprylar som kan mäta hälsa och välbefinnande i farten. Jag har till exempel alltid på mig ett aktivitetsarmband för att hålla reda på hur många steg jag har tagit varje dag, hur många kalorier jag har bränt och hur bra jag har sovit om natten. Armbandet är synkroniserat med min badrumsvåg, så om jag lägger på mig vikt kommer den att påpeka det och tvinga mig att antingen röra på mig mer eller äta mindre.
Smartare vård Sjukvården blir också smartare och är på väg att revolutionera våra liv. Professor Larry Smarr, en av USA:s mest inflytelserika datorforskare och världens mest övervakade person lyckade självdiagnosticera Crohns sjukdom – långt innan några symtom visade sig och tidigt nog för att det skulle gå att behandla sjukdomen effektivt. Smarr berättar: I en värld där man kan se vad man gör mot sig själv under livets gång kommer folk förhoppningsvis att ta mer ansvar för att hålla sig friska. Så det är nästan så att vi befinner oss i början av tideräkningen för en helt ny värld inom me dicinen, som kommer att leda till ett betydligt friskare samhälle med fokus på friskvård istället för att bota sjukdomar när det är alldeles för sent.1
1 BBC Two (2013) Horizon: Monitor Me, berättat av dr Kevin Fong.
Inledning: Välkommen till en smartare värld I 7
47122356_BigData_inlaga G5.indd 7
3/22/17 3:40 PM
Den här möjligheten att övervaka vår egen hälsa förebådar ett nytt, spännande forskningsfält för preventiv medicin baserad på data. I teorin har vi länge vetat att förebyggande åtgärder är att föredra framför botande, men dagens samverkan mellan teknik och vård omsätter nu denna insikt i praktiken. I år förväntas nästan 42 miljoner kroppsnära, trådlösa träningsoch hälsorelaterade apparater säljas globalt. Enligt ABI Research kommer ”utgifterna för att inbringa data från denna kroppsnära trådlösa konsumentelektronik de närmaste fem åren att öka till en marknad på 52 miljoner dollar 2019”. Molntjänster som Ginger.io låter redan vårdgivare övervaka sina patienter med hjälp av sensorbaserade applikationer på smarttelefoner.2 Och Proteus tillverkar en ”sväljbar” scanner av ett sandkorns storlek, som kan användas för att kontrollera när och hur patienterna tar sin medicin, så att vårdgivarna håller sig informerade om den medicinska följsamhetsgraden – dvs. hur ofta patienterna följer läkarens ordination. Den kan rent av ställas in så att anhöriga meddelas om att de bör påminna patienten. Men det handlar inte bara om möjligheten att övervaka och sköta vår egen hälsa bättre. Big data, analys och den smarta revolutionen förändrar i detta nu sjukvården med innovationer som moderna hjärnscannrar, neonatalavdelningar och system för diagnosticering och behandling av cancer. Möjligheterna är oändliga.
Smartare hem Allt blir också smartare i hemmet. Från bilarna vi kör till och från hemmet till värmesystemen, prylarna, köksredskapen och till och med mattorna! Utvecklingen från rudimentär till smart är särskilt påtaglig när det gäller bilar. Från början var T-Forden svart, med manuell växel, några få knappar och inget säkerhetsbälte. Idag har vi bilar med instrumentpaneler som påminner om en flygplanscockpit, med kameror och sensorer som förenklar parkering och varnar föraren om han eller hon hamnar för nära trottoarkanten eller en annan bil. En del bilar bromsar automatiskt och fickparkerar sig själva. Andra synkroniserar trafikinformationen och dirigerar föraren till en annan väg för att komma bort från trafikstockningar och olyckor. Sensorer på motorn bevakar hur bra man kör, vilket i sin tur eventuellt kan sänka (eller höja) försäkringspremien och successivt justera intervallerna för service baserat på körstil. Det finns smarta termostater som kontrollerar hemmet och bara värmer upp de områden som används. Temperaturen i hemmet kan ändras medan 2 Palmer, S., White, E., Romanski, P., Benedict, K. och Gardner, D. (2014) ”Integrating Consumer Wearable Health Devices Will Drive Healthcare Big Data Adoption, Says ABI Research”. http://bigdata.ulitzer.com/ node/3058905.
8 I I nledning: Välkommen till en smartare värld
47122356_BigData_inlaga G5.indd 8
3/22/17 3:40 PM
man fortfarande är på jobbet, så att huset är varmt och hemtrevligt när man kommer hem en vinterkväll. Den här möjligheten att kontrollera och efter hand förändra temperaturen kan spara en hel del tid och energi. Naturligtvis handlar lösningen på energikrisen inte bara om att hitta nya energikällor som vind- och solkraft, utan också om att spara den energi vi har och använda den mer effektivt. Smarta tv-apparater kan använda sig av ansiktsigenkänning så att dina barn aldrig får se något olämpligt för deras ålder och smarta mattor kan varna dig ifall dina ålderstigna föräldrar inte gör sitt morgonkaffe som de brukar. Med tanke på alla leksaker, prylar och smarta hushållsapparater som finns numera är det fler maskiner än människor som är uppkopplade mot internet. Och alla dessa smarta saker samlar data och kommunicerar med varandra.
Smartare kärlek Till och med något så personligt som att bli kär håller på att bli smartare. Alla hoppas på att hitta sin själsfrände, men för många är sökandet inte alls okomplicerat. Nätdejtingsidan eHarmony parar ihop människor baserat på 29 olika variabler, som personlighetsdrag, beteenden, trosföreställningar, värderingar och social kompetens. Varje person som går med i eHarmony fyller i ett uttömmande frågeformulär, som ger data till analysmodellen för att hitta potentiella matchningar. Den amerikanska digitalfuturisten Amy Webb har tagit dataalgoritmerna på nätet ett steg längre. Efter en särskilt hemsk första dejt – där hennes ”drömprins” hade beställt allt det dyraste på menyn, avnjutit det och sedan tagit en springnota efter ett besök på toaletten – skapade Webb sitt eget personliga poängsy stem baserat på vad som var viktigast för henne hos en presumtiv livspartner. Dessutom analyserade hon andra profiler för att se vad som fångade deras uppmärksamhet, testade förändringar i hennes egen profil för att se vad som avgjorde antalet och kvaliteten på förfrågningarna och gick enbart med på att gå på dejt med någon som hade högre än en viss poäng. Och det fungerade … Amy Webb är idag lyckligt gift och har en dotter tillsammans med sin man.3
Smartare föräldraskap Föräldraskapets komplexa konst håller också på att bli smartare. För att upptäcka och minska potentiella risker strax före och efter födseln är det många barn runtom i världen som konstant kontrolleras med mängder av mätvärden 3 https://www.ted.com/talks/amy_webb_how_i_hacked_online_dating
Inledning: Välkommen till en smartare värld I 9
47122356_BigData_inlaga G5.indd 9
3/22/17 3:40 PM
och data som bland annat hjärtrytm och andning. Med dessa livsviktiga åtgärder kan man förutse infektioner ett dygn innan barnet visar några synliga symtom, så att man kan ingripa tidigt och i många fall rädda liv. När barnet väl har förlösts på ett säkert vis kan han eller hon också sova på en madrass full av sensorer som kontrollerar andningsmönster och hjärtrytm och varnar föräldrarna om något är fel. Tänk bara hur många tragiska dödsfall i barnsäng som kunde ha undvikits med denna smarta teknik. Vi kan till och med köpa smarta blöjor som twittrar till smarttelefonen när vårt barn behöver byta! En bra förälder behöver förstås egentligen ingen tweet för att ta reda på den informationen, men den senaste generationen blöjor analyserar urinen automatiskt och varnar föräldrarna ifall natriumhalten ökar, om det finns risk för uttorkning eller om barnet håller på att bli infekterat – allt detta innan några fysiska symtom ens är synliga. Föreningen av data och teknik håller på att förändra vår värld radikalt och göra den smartare. Och affärerna måste också bli smartare. Om vi för en stund återgår till fiskeanalogin: När fisket utvecklades till en industri var konkurrensen tillräckligt liten och fiskebeståndet tillräckligt stort för att en fiskare inte skulle behöva befinna sig på en särskild plats för att få en riklig fångst. Deras erfarenhet, utrustning och mängden fisk i havet medförde att de skulle lyckas så länge de inte råkade på riktigt uselt väder. Men med dagens konkurrens och ändliga fiskbestånd, som kräver ansvarsfull hantering, har världens fiskare tvingats utvecklas och bli smartare. Och detsamma gäller alla branscher i alla sektorer. Idag är de riktigt framgångsrika företagen de som förstår var deras kunder finns och, kanske ännu viktigare, vad de gör och vart de är på väg. De vet vad som händer när det händer och låter den kunskapen vägleda dem i strategi och beslutsfattande. Företag som inte tar till sig den SMARTA revolutionen kommer att hamna i bakvattnet.
10 I Inledning: Välkommen till en smartare värld
47122356_BigData_inlaga G5.indd 10
3/22/17 3:40 PM
Kapitel 1.
Smartare affärer Big data är centralt för den smarta revolutionen. Själva grundidén bakom uttrycket ”big data” är att allt vi gör i allt högre utsträckning lämnar ett digitalt spår (eller data) efter sig som vi (och andra) kan använda för att bli smartare. Drivkrafterna i denna sköna nya värld är tillgången till allt större datavolymer och vår ständigt ökade tekniska kapacitet att utvinna kommersiella insikter ur dessa data. Det råder inget större tvivel om att big data håller på att förändra världen. Det har redan fullkomligt förvandlat vårt sätt att leva, hitta kärleken, bota cancer, bedriva forskning, förbättra arbetsprestationerna, leda städer och nationer och att driva företag. Följaktligen finns en enorm hajp och uppståndelse kring big data. Alla pratar om det. Det är det allra hetaste temat i vartenda styrelserum, varenda affärstidning från The Economist och Fortune till Harvard Business Review. Big data håller till och med på att leta sig in i dagspress och allmänna medier. Men trots allt surr kring big data förstår de flesta det ännu inte och väldigt få vet vad de ska göra med det. Personligen gillar jag inte termen. Jag tycker att den är för simplifierande och potentiellt missvisande. Visserligen spårar vi och lagrar data om allt, så vi har teoretiskt sett tillgång till stora mängder data – därav termen big data. Men det verkliga värdet ligger inte i de stora mängderna, utan i vad vi kan göra med dem just nu. Det är inte mängden data som gör skillnaden, utan vår förmåga att analysera mer omfattande och komplexa kluster av data än någonsin förut. Innovationer som molntjänster i kombination med högre hastighet i nätverken samt kreativa tekniker för att analysera data har resulterat i en ny förmåga att skapa värde ur stora, komplexa datamängder. Dessutom kan analysen numera utföras utan att man behöver investera i eller bygga stora superdatorer. Det innebär att vilket företag eller vilken statlig myndighet som helst kan utnyttja big data för att förbättra sitt beslutsfattande. En särskilt stor kraft är vår förmåga att analysera så kallad ”ostrukturerad data” (mer om detta i kapitel 3). Enkelt uttryckt är ostrukturerad data sådant som vi inte enkelt kan lagra och indexera i traditionella format eller databaser,
47122356_BigData_inlaga G5.indd 11
3/22/17 3:40 PM
som mejlkonversationer, inlägg på sociala medier, videofilmer, foton, röstinspelningar, ljud etc. Det är i att kombinera dessa röriga och komplexa data som en stor del av värdet ligger. Många företag börjar använda big data-analys som komplement till sin traditionella dataanalys för att få rikare och bättre inblick och fatta smartare beslut. Det som big data egentligen borde stå för är SMARTA data, och även om jag tror att termen big data kommer att försvinna med tiden, så är den ökade produktionen och användningen av SMARTA data definitivt här för att stanna.
Vem använder big data? De stora aktörerna på området, som Amazon, Google, Walmart och Facebook, väcker redan stort uppseende. Walmart hanterar till exempel mer än en miljon kundtransaktioner per timme och importerar dessa till databaser som uppskattas innehålla mer än 2,5 petabyte med data.4 Företaget kan nu kombinera data från en mängd olika källor – kundernas tidigare köp, deras mobiltelefoners platsdata, Walmarts interna lagerkontrollsystem, sociala medier och externa källor som vädret – och påbörja skräddarsydda försäljningsåtgärder. Om du till exempel någon gång har köpt varor att grilla med på Walmart, råkar bo inom fem kilometers radie från ett Walmart-varuhus som har grillrengöring i lager och vädret är soligt, så kan du få ett rabatterbjudande på grillrengöring skickat till din smarttelefon. Ett annat exempel är en av mina kunder, ett ledande telekomföretag, som använder big data till att förutse kundtillfredsställelse och potentiellt kundbortfall. Grundat på telefoni- och sms-data såväl som analys av sociala medier har företaget kunnat dela in sina kunder i olika kategorier. Analysen har visat att människor i en viss kundkategori var betydligt mer benägna att säga upp sina abonnemang och gå över till en konkurrent. Denna extremt användbara information hjälper nu företaget att noggrant övervaka tillfredsställelsen bland dessa kunder, prioritera insatser som hindrar dem från att avsluta abonnemangen och hålla dem nöjda och glada. Även bilar i mellanklassegmentet har idag omkring fyrtio mikroprocessorer som mäter hur bilen presterar. Denna elektronik svarar vanligtvis för ungefär en tredjedel av kostnaden för en ny bil. Alla dessa data som genereras, samlas och analyseras av bilföretagen ger dem förstås avsevärda konkurrensfördelar. En tillverkare som samarbetar med ett externt analysföretag lade märke till att en sensor i bränsletanken från en tysk leverantör inte alls fungerade bra. Tillverkaren kunde ha bett den tyska leverantören att åtgärda problemet, men då skulle för4 SAS (2012) ”Big Data Meets Big Data Analytics: Three Key Technologies for Extracting Real-Time Business Value from the Big Data That Threatens to Overwhelm Traditional Computing Architectures”.
12 I Kapitel 1. Smartare affärer
47122356_BigData_inlaga G5.indd 12
3/22/17 3:40 PM
bättringen ha förts vidare även till andra biltillverkare som anlitade samma leverantör. Så istället gjorde tillverkaren en uppdatering av mjukvaran som fixade till problemet, tog patent på åtgärden och sålde det till leverantören.5 Big data håller på att förändra affärerna i grunden inom allt från tillverkning till sjukvård och från detaljhandel till jordbruk. Att data kan samlas in för varje tänkbar aktivitet med en sådan hastighet medför allt större möjligheter att finjustera procedurer och operationer för att krama ur varenda liten droppe av effektivitet.
Hur företagen använder big data Olika industrier har reagerat på olika sätt. Inom detaljhandel och försäljning har man försökt samla in så mycket information om sina kunders liv som möjligt för att uppfylla de föränderliga behoven mer effektivt. Inom tillverkningsindustrin försöker man strömlinjeforma driften. Kalibreringsinställningar i utrustningen kan dokumenteras och optimeras och varulagersmiljöer övervakas för att ta reda på de optimala villkoren för ett minimum av svinn och spill. För globala företag kan detta innebära att man samlar in och analyserar data från anläggningar världen över, så att man kan granska mindre avvikelser och förstå resultaten av dem. År 2013 använde sig exempelvis läkemedelsjätten Merck av analys för att dramatiskt minska de utsläpp som orsakades av variationer i omgivningsfaktorerna i tillverkningen. Det tog tre månader och inbegrep 15 miljarder beräkningar av individuella produktionsdata från 5,5 miljoner vaccinpartier. Detta gjorde det möjligt att upptäcka de optimala förhållandena för fermenteringsprocessen, vilket skulle öka avkastningen avsevärt när läkemedelsmyndigheten väl hade godkänt de föreslagna förändringarna i tillverkningsprocessen. I bilindustrin fastslogs i en rapport 2014 av Centre for Automotive Research att framstegen som möjliggjorts av avancerade IT-lösningar och big data hade varit ”en innovationsmotor”. Rapporten betonade bilarnas och industrins allt större komplexitet som den största utmaningen biltillverkarna stod inför. Effektiviteten hos varje maskin – och människa – som är en del av tillverkningsprocessen kan dokumenteras, så att företagen förstår vad det är som fungerar och kan göra förbättringar när de behövs. Och inom jordbruket hjälper analysen av data industrin att klara utmaningen att öka livsmedelsproduktionen med 60 procent, vilket enligt prognoserna behövs fram till 2050 för att möta befolkningstillväxten. John Deere, som tillverkar traktorer och jordbruksmaskiner, sätter redan in sensorer i maskinde5 Mayer-Schonberger, V. och Cukier, K. (2013) Big Data: A Revolution That Will Transform How We Live, Work and Think. London: John Murray Publishers.
Kapitel 1. Smartare affärer I 13
47122356_BigData_inlaga G5.indd 13
3/22/17 3:40 PM
larna. Data som bönderna har tillgång till via tjänsterna myjohndeere.com och Farmsight hjälper dem att skapa optimala villkor för sina grödor. Dessutom används dessa data av John Deere till att förutse efterfrågan på reservdelar. När en produkt väl har skördats eller tillverkats måste den förstås säljas och distribueras. De petabyte med kunddata som de stora detaljhandlarna redan har samlat in talar om för dem vilka som kommer att vilja köpa vad, var och när. Amazon använder till exempel sitt S3-system för att hålla ordning på miljontals varor i en mängd olika lagerbyggnader och distributionscenter utspridda över jordklotet. Lagerarbetarna kan spåra leveranser i realtid för att se vad som är var någonstans och vart det ska. I försäljningsfasen kan detaljhandeln utnyttja data för att bestämma var varorna bör visas upp, vilka butiker som kommer att sälja mest av vilken specifik produkt och spåra kundernas rörelsemönster i butikerna. Kundkort är ingenting nytt, men alltmer sofistikerad kartläggning av kundbeteenden kommer att leda till en ökning varmed detaljhandlarna kan förutse vad du kommer att köpa. Det har gått så långt att Amazon tror att de snart kommer att kunna förutse vad du ska köpa med tillräcklig precision för att skicka ut varorna till dig innan du ens har beställt dem! Dagens möjligheter att bygga nätverk håller också på att förändra företagen. År 2014 meddelade Cisco att de bildat en fond på 150 miljoner dollar för uppstartsföretag som verkade för bättre integration mellan den virtuella och den fysiska världen. Möjligheten att koppla samman produktion, lagerkontroll, distribution och säkerhetssystem och låta dem kommunicera med varandra kommer att medföra större effektivitet och mindre spill för företagen. General Electric kallar denna konvergens mellan data och maskiner för det ”industriella internet” och menar att det kan bespara den globala industrin spill värt 150 miljarder pund. Varje sektor av industrin lär sig att skörda frukterna av big data-analys, och det verkar sannolikt att sökandet efter innovativa metoder att samla, dokumentera och analysera data kommer att spela en stor roll i affärerna inom överskådlig framtid. Till och med något så subjektivt och ”mänskligt” som personalfrågor förändras i grunden av big data och analys. Att hitta och behålla rätt människor är ett stort orosmoment för de flesta företag. Att vårda kompetensen medför stora utmaningar och kostnaderna om man misslyckas med ledarskapet och styrningen av ett företag är enorma. Den genomsnittliga kostnaden för ett misslyckat ledarskap i företagens toppskikt har uppskattats till 2,7 miljoner dollar.6 Det har också publicerats uppskattningar av hur utbrett det dåliga ledarskapet är, och de
6 Smart, B. D. (1999) Topgrading. Upper Saddle River, New Jersey: Prentice-Hall.
14 I Kapitel 1. Smartare affärer
47122356_BigData_inlaga G5.indd 14
3/22/17 3:40 PM
Register A abstraktion 83 accelerometersensor 54, 148 affärsidé 29, 121 affärsinformation, digitala verktyg för 127, 135 aktivitetsarmband 50 aktivitetsdata 49 algoritm 52, 84, 85, 86, 87, 88, 93, 95, 96, 104 Amazon 12, 14, 16, 17, 20, 49, 58, 62, 105, 140 analys 140-141 anonymisering 60, 103, 158 ansiktsigenkänning 9, 53, 59, 88, 89, 91, 93, 100 användargenererad data 61, 63 applikation 8, 50, 56, 83, 84, 85, 88, 89, 93, 111, 112, 115, 139, 143, 148, 153 attitydanalys 80, 81, 82, 106, 139 Ayadsi 116, 118
B Bank of America 15 barnsäkerhet 9 Beane, Billie 146 bedrägeri 58, 71, 72, 86, 93, 104, 116, 118, 136, 144, 149, 155 beslutsfattand 10, 11, 16, 17, 29, 37, 76, 91, 107, 123, 124, 127, 128, 149, 155, 157 beteendeanalys 88, 89, 91 bevakning av anställda 15 Big Table 77 bilddata 52, 77, 87, 105
47122356_BigData_inlaga G5.indd 161
biometriska data 67 blogg 51, 63, 82 Brin, Sergey 38 brittiska flygvapnet 131 brott 86, 91, 92, 93, 100, 104, 118, 144, 157 butiker 14, 20, 26, 27, 53, 59, 60, 62, 63, 87, 89, 90, 94, 99 böcker 49 börsmarknadsdata 68
C cancerdiagnos 141 censur 101 Challenger-olyckan 107 Chrome 15, 147 Cisco 14 Con Edison 96 Crazy Egg 115
D D3.js 113 databas 11, 12, 23, 45, 46, 62, 74, 76, 77, 78, 90, 92 databehov 60, 63, 65, 68, 71 data discovery 22, 43, 62, 127, 150 datahierarki 61 datainsamling 15, 17, 23, 70, 73, 74, 76, 139, 151 dataintrång 120, 121 datalagring 20, 38, 45, 46, 48, 57, 74, 76, 87, 126 datamängd 11, 22, 44, 45, 47, 58, 65, 73, 74, 75, 76, 77, 78, 88, 89, 94, 95, 97, 105, 107, 108, 112, 116
3/22/17 3:41 PM
datavisualisering 19, 108, 111, 112, 116, 118, 119, 120, 122, 123, 126, 127, 128, 129, 130, 134, 135, 157 datorprogram, se mjukvara datorspel 141 Dell 82 detaljhandel 13, 14, 55, 83 diagram 108, 110, 113, 129, 130, 133, 135, 151 digitalbox 86 distribution 14 DNA 92, 142, 154 dokumentsummering 83
E e-bok 49 Economist Intelligence Unit 16 efterfrågan 27, 28 eHarmony 9 energibesparing 9, 140 enhetlig data 128 e-post 12, 46, 51, 56, 78, 79, 84, 100, 107, 147 etisk fråga 104, 157, 158 Evolv 15 experimentell data 63 extern data 47, 48, 61, 74, 76, 156
F Facebook 12, 16, 17, 22, 45, 47, 51, 52, 53, 58, 59, 60, 82, 83, 84, 88, 92, 97, 98, 101, 102, 139, 147, 157 finansiella tjänster 138 Firefox 15, 147 fiske 6, 10 Flickr 52 förarlös bil 153 försäkringsbolag 60, 71, 86, 104, 138, 139, 144, 149 försäljning 12, 13, 14, 26, 53, 62, 65, 94, 104, 108, 110, 111 försäljningsdata 26, 45, 47, 65, 94 för tidigt födda barn 95, 142 föräldraskap 6, 9
G Gatorade 82 General Electric 14, 151, 152 ”genes in space” 142 Gladwell, Malcolm 94 Gmail 100 Gonzalez, Mario Costeja 101 Google 12, 16, 17, 20, 24, 37, 38, 39, 40, 41, 48, 49, 51, 59, 63, 88, 89, 100, 101, 102, 112, 120 Google Books 49 Google Glass 89 Google Maps 48, 112 GPS 6, 7, 53, 54, 58, 63, 77, 92, 140 graviditet 84, 99, 104, 137, 157, 158 gränskontroll 153 gyroskop 54
H Hadoop 77, 126 halvstrukturerad data 45, 46, 47, 61, 62, 63, 74, 75 historieberättande 120, 121, 122, 129, 130, 133 hjärnskada 141–142 hotell 139 HRV 50 hudvävnadsanalys 88 hälsofrämjande förändring 136, 141, 143, 155
I IBM 46, 145, 154 IDC Digital Universe Study 41, 56 idrott 6, 7, 82, 96 infografik 122, 124, 126, 127, 128, 129, 130, 133, 134, 135, 157 informationsålder 16 infrastruktur 34, 136, 144, 148, 155 Infångad data 61, 63 Instagram 52 integritet 45, 51, 58, 91, 99, 100, 102, 104, 105, 144 intern data 47, 73, 74, 75, 156
162 I Register
47122356_BigData_inlaga G5.indd 162
3/22/17 3:41 PM
internet 9, 14, 49, 50, 51, 52, 57, 58, 62, 79, 81, 82, 86, 89, 92, 93, 96, 98, 100, 101, 104, 117, 118, 119, 120, 124 Internet of Things 48, 56, 57, 63, 75 intervjudata 69 intressenter 29, 106 iPhone 50, 85 IT-system 34, 70
J James, Bill 146 Jawbone 50, 102, 103, 150 Jobs, Steve 143 John Deere 13 Jolie, Angelina 143 jordbruk 13, 57
K kalkylblad 45, 46, 74, 78, 108, 123 kameraövervakning 53, 87, 88, 89, 90, 91, 92 karta över internet 118, 119 kartor 112, 113, 115 kassaflödesdata 68 kausalitet 103, 104 Kloutskalan 94 kombinationsanalys 106 kombinerad analys 94, 95, 96 koncepturskillning 79 konkurrensfördel 12, 17, 24 konkurrens och risk 28, 35, 42, 71 konsensusmoln 112 kreditkortsbedrägerier, se bedrägeri kroppsnära teknik 7, 8, 50, 56, 143, 145, 150 kunddatabas 46 kundkort 14, 53, 59, 91, 93 kundtjänst 154 kännare 94 kärlek 6, 9, 11, 22 kärnkompetens 27, 28, 32, 33 körvanor 149
L ledarskap 14, 15, 34, 41 leverantörskedja 128, 140 ”likes” 94, 97
linjediagram 108 LinkedIn 51, 94 ljuddata 51, 77, 105 läkare 141, 143, 153, 154
M manhål 95, 96 MapReduce 77 marknadsundersökning 27, 62, 64 medicinsk information 94, 153, 154 mejl, se e-post Merck 13 Microsoft Research Labs 84, 97 Minard, Charles Joseph 116, 117 mjukvara 13, 15, 45, 46, 51, 53, 59, 77, 80, 83, 85, 86, 88, 90, 91, 96, 104, 111, 112, 113, 120, 126, 127 molntjänst 8, 11, 89 musik 49, 77, 98, 105, 115 målgrupp, se målmarknad målmarknad 30
N NameTag 89 Narrative Science 96, 154 Nasa 107, 108, 121 NFC-sensor 54 NSA 58 nya affärstillfällen 149 nyhetstidning 96, 101, 121, 122 närhetssensor 54 nätdejting 9
O omgivningssensor 54 operationell styrpanel 133, 134 optimering av affärsprocess 136, 139, 140, 155 ordmoln 112 ostrukturerad data 45, 46, 47, 48, 61, 63, 72, 74, 75, 76, 78
P Page, Larry 38 partner 32 personalavdelning 16, 37, 38, 70, 146 personlighetsdrag 9, 60, 97, 98, 148
Register I 163
47122356_BigData_inlaga G5.indd 163
3/22/17 3:41 PM
PiLab 38, 39 pilot 132, 133, 152, 153 Pole, Andrew 99 PolyMaps 112, 113 postnatal depression 84 prediktion 10, 12, 14, 15, 18, 21, 22, 50, 60, 84, 96, 97, 98, 99, 103, 104, 137, 138, 139, 140, 141, 142, 143, 144, 147, 148, 157 Procter & Gamble 127, 128, 131, 133 Project Oxygen 38, 146 provocerad data 61, 62 Päronträdsmetaforen 27
R rapportering 107, 108, 128, 129, 130, 131, 133, 134, 135, 155, 157 reklam 79, 81, 86, 94, 139 rekrytering 146 RFID 55, 66, 140 Rolls Royce-motorer 54, 55, 150, 151, 152 Rosling, Hans 120 rätten att bli bortglömd 101 rättsfall 101 röstigenkänning 51, 85
S sammansatt data 62 Samsung 102 samtalsdata 51 Schmidt, Eric 41 sensor 70 sensor 6, 7, 8, 10, 13, 48, 53, 54, 55, 56, 57, 70, 75, 77, 86, 88, 90, 92 Sentiment 80 ShotSpotter 92 situationsmedvetenhet 88, 91 sjukhus 142, 144, 151 självutvärderingsdata 70 skapad data 61, 62, 63 skräppostfilter 78, 79 Smarr, Larry 7 SMART badges 15 SMARTA data 12, 26, 60, 64, 66, 67, 69, 71 SMARTA frågor 26, 29, 36, 37, 41, 42, 44, 48, 60, 61, 64, 65, 66, 67, 68, 69,
70, 72, 73, 74, 75, 76, 86, 105, 107, 124, 129, 130, 134, 139, 149, 150, 154, 156 SMART-brädet 24, 25, 26, 27, 29, 31, 32, 33, 34, 36, 37, 42, 66, 67, 69, 71, 73, 75 SMART-modellen 18 smarttelefon 8, 10, 12, 49, 50, 52, 53, 54, 58, 84, 85, 139, 143, 145, 148, 149 Snowden, Edward 58 sociala medier 12, 15, 46, 48, 51, 52, 58, 59, 60, 72, 74, 78, 81, 82, 83, 84, 92, 93, 94, 127 sport, se idrott spridningsdiagram 108 SQL 46, 77 stapeldiagram 108, 111 statligt ägda data 48 strategisk styrpanel 133 stress 15, 19 stridsplan 131, 132, 133 strukturerad data 16, 38, 45, 46, 47, 48, 61, 62, 63, 69, 72, 75, 76, 78 styrpanel 130, 131, 133, 134, 135, 157 syftespanel 27, 29, 64, 69 sökmotor 79, 83–87, 101–102 sökmotordata 72 sömndata 50, 103, 150
T taggar 47, 59, 84, 87, 89 talanalys 85, 86, 106 Target 137, 138, 157, 158 telefonsamtal 51, 85 telekombranschen 137, 138 teletjänstcentral 85, 86 Tesco 20 textanalys 78, 83, 84, 86, 106 textgruppering 78, 79 textkategorisering 78 T-Forden 8 tidskrift 11, 35, 120–122 tillverkning 13, 140, 150, 151 Toyota Prius 140 transaktionsdata 26, 62, 63, 65, 68 transparens 99, 102, 103, 104, 157, 158
164 I Register
47122356_BigData_inlaga G5.indd 164
3/22/17 3:41 PM
trend 23, 27, 38, 49, 68, 78, 88, 94, 108, 120 triangulering av data 72, 74, 89, 156 TripAdvisor 139 trådlösa nätverk 56, 57 Tufte, Edward 130 Tumblr 51 Twitrratr 80, 81 Twitter 48, 51, 63, 80, 81, 82, 83, 84, 94, 101, 126 tårtdiagram 108, 110
U Uber 153 Up 50, 102
V V:n, big datas fyra 58 Verizon 86 video- och bildanalys 87, 88, 89, 90, 91, 92, 93, 106
visionsidé 29, 30 väderdata 21, 54, 56, 62, 132, 148 värdeerbjudande 30 värdeskapande 102, 106
W Walmart 12, 20, 62, 105, 139, 140 Watson (IBM:s dator) 154 Webb, Amy 9 webbkameror 59 webbläsare 15, 16, 49, 59, 136, 147 webbsida 46, 49, 51, 65, 78, 79, 83, 112, 115, 118 Wenger, Brittany 141
Y Yacktracker 80 YouTube 52, 63, 87
Ö översättningsprogram 51, 52 övervakningskamera 133
Register I 165
47122356_BigData_inlaga G5.indd 165
3/22/17 3:41 PM
Big Data
Smarta data och smart analys för bättre beslutsfattande och bättre resultat
Alla företag behöver därför veta vad big data är och hur de fungerar, samt ha en grundläggande förståelse för fenomenet. Om du vet hur man konkret använder big data för att fastställa affärsresultat och hur man använder kunskapen för att förbättra verksamheten kan ditt företag få stora konkurrensfördelar.
� Starta med strategin � Mät variabler och data � Analysera data � Rapportera resultat � Transformera verksamheten och beslutsfattandet Boken har legat etta på försäljningslistor i både USA och Storbritannien och vunnit pris för ”Management Book of the Year 2016” av the Chartered Management Institute. Bernard Marr är en storsäljande författare, föredragshållare och konsult inom områdena big data, analys, ledningsstrategi, nyckeltal och verksamhetsstyrning. Han kallas ibland för ”the Big Data Guru” och är en tongivande röst när det gäller big data-hantering för företag och organisationer.
Best.nr 47-12235-6 Tryck.nr 47-12235-6
47122356_BigData_omslag_original.indd 1
Smarta data och smart analys för bättre beslutsfattande och bättre resultat
Den här boken är en introduktion till att omsätta hanteringen av big data i praktiken. Här finns många exempel från företag och organisationer som tydligt visar hur man arbetar med detta komplexa ämne i sin verksamhet. Boken utgår från SMART-modellen som står för
Bernard Marr
Nästan allt vi gör idag lämnar digitala spår efter sig. Genom att samla ihop, analysera och använda sig av denna digitala information – big data – kan företag nå betydande kommersiella insikter.
Big Data
Internationell bästsäljare – nu på svenska
Smarta data och smart analys för bättre beslutsfattande och bättre resultat
Bernard Marr 3/28/17 8:11 AM