Hvordan skape verdi av big data?

Altså vi har hørt dette mange ganger nå: «Det er enorme verdier i data». Det er vel og bra. Men hvordan kan vi faktisk skape verdier av big data? Tidlig forskning på område har noen forslag det er verdt å se mer på.

Det er to komplementære men forskjellige typer «assets» som må vurderes når man ser på verdien av big data. Den ene dimensjonen er analytiske kapabiliteter. Her ligger evnen til å kunne analysere komplekse data og skape mening ut av de. Den andre dimensjonen er tilgang til data. Det er stor forskjell mellom organisasjoners adgang til data ettersom mye er privat eid og kontrolleres av få aktører slik som Google og Facebook.

For å bygge analytiske kapabiliteter må mange organisasjoner investere tungt i immaterielle eiendeler og humankapital. Dette medfører en oppgradering av eksisterende arbeidsstokk og samtidig ansettelse av nye hoder som kan bringe ny innsikt. For organisasjoner hvor dataanalyse ikke har vært en sentral del av virksomheten tidligere, kreves det at man håndterer denne utviklingen som et innovasjonsprosjekt med stor autonomi, disiplinert lederskap og hvor analysetemaet får tilgang til hele virksomheten.

For å bygge tilgang til data kreves det en vesentlig investering i å strukturere eksisterende datakilder som er proprietære til den individuelle organisasjonen. Samtidig må man forstå hva som finnes av offentlig tilgjengelig data som kan kombineres med proprietære kilder. Et tredje punkt er å vurdere kjøp av tilgang til nødvendig data fra andre kilder. Og dette kan bli dyrt dersom virksomheten ikke har en klar oversikt over hva som trengs. Forskning på området tyder imidlertid så langt på at det er analytiske kapabiliteter som er den viktigste kilden til konkurransefortrinn.

Så hvordan kan bedrifter og andre organisasjoner tenke på verdiskapning fra big data? Hvordan kan de fatte beslutninger om investeringer som er riktig i forhold til de mål og forutsetninger virksomheten har?

Tidligere nevnte forskning antyder en mulig måte å tenke på dette på. Basert på intervjuer med fremtredende CEOs forslår de en typologi av digitale forretningsmodeller.

Data brukere (data users) er virksomheter som bruker data til strategiske beslutninger som f.eks hvilket produkt man skal lansere og når. Dette er bedrifter som også kan lage produkter ut fra sine data. Et eksempel på dette er PAI. Dette er en aktivitetsmonitor på samme måte som FitBit, men den er basert på input fra HUNT (Helseundersøkelsen i Nord Trøndelag). Innsikten fra tusenvis av mennesker som har blitt observert over 20 år har gjort at folkene bak PAI kan lage en mye bedre aktivitetsmonitor enn tidligere versjoner. Dette er altså et datadrevet produkt.

Data tilbydere (data suppliers) er virksomheter som samler data fra ulike kilder og gjør de klar for input inn i andre virksomheters beslutningsprosess. Verdiskapningen her skjer gjennom å pakke sammen data og selge videre. Et eksempel på dette er Legistorm. Selskapet rensker og sammenstiller masse data om den amerikanske kongressen som lønnsnivå, avstemninger, komitemedlemskap og lignende. Alle data er offentlig tilgjengelig, men i vanskelig tilgjengelig format for videre analyse. Derfor tilfører Legistorm verdi gjennom å renske og strukturere data for videre salg.

Data fasilitatorer (data facilitators) er virksomheter som bidrar til de andre kategoriene med infrastruktur og kunnskap. Slike virksomheter tilfører verdi gjennom å ha spisskompetanse på deler av dataanalyseprosessen. Dette kan være fysisk infrastruktur som skytjenester og beregningskraft (som Amazon Web Services), analyseplattformer (som SAS), eller konsulenttjenester som Accenture eller Nord Universitet spin-off Mimir Analytics.

De fleste virksomheter vi i DigInn jobber med havner i den første kategorien. De er ofte selskaper og organisasjoner uten teknisk spisskompetanse på dataområdet, men med en forståelse av at dette er et tog de må være med på. Og det er mange rammeverk og modeller for hvordan virksomheter kan ta dette skrittet. Men her vil jeg oppsummere dette i tre punkter.

  1. Start i det små – begynn å se på de data dere har i virksomheten. Dette krever vilje til å åpne opp datamaterialet og ikke frykte at det blir misbrukt av folk i organisasjonen til andre formål.

  2. Vær rask til å avslutte prosjekter som ikke avdekker noe vesentlig innen kort tid.

  3. Forankre arbeidet, om enn så lite, helt til topps i organisasjonen.

Vi i DigInn vil veldig gjerne høre om hvordan din organisasjon jobber med big data, så ta kontakt.

Men hva med Big Data i offentlig sektor da?

Den fremste fordelen med å ha tilgang til store mengder data er at vi kan gjøre bedre prediksjoner (se tidligere innlegg) og det har store konsekvenser for bedrifter og næringsliv. Dette gjør at Boeing kan anslå veldig presist når ulike deler i deres fly må byttes. Skape en bedre handleopplevelse eller generell kundeopplevelse slik som Starbucks gjør med kaffekundene sine . Øke forståelsen for egne kunder og dra nytte av dette til bedre lønnsomhet slik som American Express har gjort Og det finnes mange rammeverk for å inkludere bruk av big data i bedrifter og mange ytterlige eksempler på hvordan dette har blitt brukt. Forskningen er også kommet et godt stykke på vei i å forstå forretningsmodeller fra big data bedre.

Grovt sett er det to forhold hvor big data har store implikasjoner for bedrifter:

  1. Kunnskap om kundene gir mulighet til å kunne skape produkter og tjenester som er bedre tilpasset kundenes behov og ønsker. Særlig er det stort potensiale i å kommunisere bedre med egne kunder for å øke virksomhetens innovasjonskraft.

  2. Kunnskap om egen drift gjennom å kunne identifisere problemer i egen produksjon, skape bedre flyt i prosessen, og skape andre muligheter for produksjon.

Vi kan med andre ord litt enkelt si at det big data kan rette seg mot produksjonssiden og kostnadssiden av foretak. Og dette er jo i høyeste grad også relevant for offentlige organisasjoner. Det er mange forhold som trekkes frem, men innovasjon i offentlige tjenester er særlig spennende.

For å innovere må vi vite – masse Kunnskap om behov og preferanser hos brukere er vesentlig. For mens innovasjon i et marked for vanlige varer og tjenester skjer gjennom en kontinuerlig «feedback loop» mellom selger og kjøper, finnes ingen slik kontinuerlig mekanisme i offentlig tjenesteproduksjon. Det betyr at en kommune må finne erstatninger for denne «markedsmessige kommunikasjonen» for å lykkes med innovasjon. For markedsbaserte varer og tjenester er dette utfordrende nok. I mangel på markeder for effektiv feedback er dette ytterligere krevende ettersom produsenten selv må sørge for å fasilitere kommunikasjonen. Og her har Big Data Analytics (BDA) (avansert analyse av store datamengder). Her er noen interessante kostnadsbesparende eksempler som følge av innovative løsninger.

  • Ved hjelp av systematisk analyse av google søk har amerikanske myndigheter klart å overvåke og spore spredningen av influensa og andre smittsomme sykdommer på en måte som bedrer forebyggende tiltak.

  • Kombinasjon av persondata og sosiale medier har skapt muligheter for å predikere hvem som snyter på skatten og dermed sette inn forebyggende tiltak uten å bryte personvern.

  • Bedre arbeidsprosessene i offentlige tjenester ved å kombinere informasjon fra forskjellige kilder slik at vi som innbyggere slipper å oppgi samme informasjon i flere offentlige instanser.

Likevel er det, etter min mening, på produksjonssiden det mest spennende potensialet fra BDA fremgår. Dette er i all hovedsak knyttet til å skape bedre tjenester tilpasset innbyggerne. Forskning har vist at gode relasjoner på denne måten skaper høyere tillit, skaper en kultur for åpenhet og deling, og åpen offentlig sektor initiativ (open government). En stor empirisk studie fra hele EU fant at engasjement i egen situasjon som borger øker med kommunenes bruk av sosiale medier, men at effekten ikke nødvendigvis øker med antall innbyggere. Dette gjør det høyst relevant for mange norske kommuner med et ikke alt for stort folketall. Et meget spennende eksempel er nettstedet citysourced.com som kobler innbyggere og lokale myndigheter slik at førstnevnte kan rapportere om alle mulige slags problemer i nærmiljøene sine slik at kommunene kan aksjonere på dem. Dette sparer tid og penger, samt øker brukeropplevelsen.

Og nettopp det å bedre forstå brukeropplevelsen er et kjernemoment i det å gjøre offentlige tjenester bedre. I litteraturen om offentlig tjenesteproduksjon har moteord som co-creation (samskaping) og dets operasjonelle kusine Kommune 3.0 blitt fremtredende. Veldig enkelt sagt handler det om å involvere brukere, kommunen, lokalsamfunn, næringsliv, frivillighet og sosiale entreprenører i produksjon av offentlige tjenester. Og denne formen for innovasjon muliggjøres gjennom god kommunikasjon mellom kommuner og brukere hvor BDA spiller en utpreget rolle.

Hva kan norske kommuner gjøre? Mange norske kommuner tenker mye på dette og flere store prosjekter er i igangsatt. Det tenkes og gjøres mye godt rundt forbi. La meg likevel reflektere litt rundt hva slags kapasiteter kommuner og offentlige etater bør se mot å utvikle (i den grad de ikke allerede har gjort det).

  1. Utvikle kapasiteter til å gjennomføre kontinuerlige sentimentanalyser blant egne innbyggere. Tilgangen til software og programmeringsspråk som kan gjøre relativt presise sentimentanalyser basert på informasjon som er åpent tilgjengelig gjennom sosiale medier, er kraftig økende. En systematisk tilnærming til å følge egne innbyggere vil kunne gi betydelig innsikt i hvordan politiske prosesser oppfattes og tjenester blir tatt i mot. Dette kan imidlertid veldig fort gjøres uten vesentlig økning i antall årsverk og i stor grad knyttes direkte til mål kommunene har satt om kvalitet på tjenester.

  2. Jobbe mot en kultur og kapasiteter for åpen data tilgang. Dette betyr å skape de nødvendige forutsetningene for en mer åpen deling av data på tvers av private og offentlige kilder. Dette er ikke enkelt, men potensialet er enormt. Særlig trekkes utdanning og helse/omsorg frem. Åpen data skaper nye muligheter for å tilpasse læring til den enkelte elev fordi man kan kartlegge utfordringer og fremgang på en helt ny måte. I helse ligger det stort potensiale i å identifisere individer i faresonen for ulike sykdommer, utvikle rettede tiltak og opplæring av individer i risikogrupper. Eldreomsorg kan styrkes gjennom å bedre kjenne bakgrunn og familiære koblinger pasienten har.

  3. Gjennom økende grad av åpen data tilgang og deling av data, er det behov for måter å ivareta innbyggeres interesse på. En potensiell rolle for kommuner er å tilby tjenester for forvaltning av data på vegne av innbyggere. Fremveksten av data som «råvare» i mange bedrifters verdiskapning (de tjener penger på å vite mest mulig), har skapt behov for måter å ta kontroll på egne data på. Offentlige reguleringer som GDPR bidrar til å styrke individets kontroll, men det er fortsatt en lang vei å gå før vi som enkeltmennesker kan kontrollere bedrifters bruk av våre data. Noen av oss vil kunne bruke såkalte «Personal Data Exchanges» hvor vi kan selge data om oss selv til selskaper som trenger dem til sine produkter og tjenester. Men for mange vil dette være vanskelig i praksis grunnet liten kjennskap og interesse. Her kan kommunene eventuelt bidra med offentlige tjenester som både sikrer kommunene bedre datatilgang, og samtidig hjelper innbyggere til å forvalte sine egne dataressurser.

Uansett hva som viser seg å være lurt i årene som kommer, vil norske kommuner tjene på å tenke på dette allerede nå. Og i samkvem med universiteter og programmer som DigInn kan man skape mange muligheter for gode offentlige tjenester i årene fremover.