Infotalk

big data

Analytics 2014: Data is the new Bacon

03 september Siavoush Mohammadi

Dessa konferenser är alltid intressanta att gå på, inte så mycket för de tekniska finurligheterna som presenteras och de ibland fantastiska case folk lyckats göra, utan mycket på grund av den stämning som råder. Förväntan. Nyfikenhet. Denna konferens var inget undantag, i en fullsatt sal med hundratals experter och nyfikna av olika sort andades en förväntan kring två begrepp som ni säkert kan gissa er fram till. Just det, “Big Data” och “textanalys”.

Det var nog länge sen man kunde höra ett enda begrepp repeteras så pass mycket som under dessa två dagar, “big data”, “Big data”, “BIG data”, “BIG Data” och “BIG DATA!!.” Hypen kring detta begrepp får mig att tänka på när den första iPaden lanserades av Apple, näst in till alla talade om den, många ville ha den, men få visste varför de ville ha den eller vad de skulle göra med en om de fick en. I Big Data fallet ter sig stämningen vara snarlik, med tillägget då, om vi fortsätter analogin, att ytterst få skulle veta hur man faktiskt skulle införskaffa en. Det är i princip jämförbart med att klättra uppför Kebnekaise för att kunna hitta butikerna som sålde dem.

Vi ger oss på den mer fundamentala frågan, varför vill vi ha detta? Det vi ser rent konkret i våra kunders verksamheter är att källsystemen (Billingsystem, hemsidor, CRM verktyg och så vidare) genererar mängder med information som ”bara ligger där”, totalt oanalyserat, oanvänd data som skulle kunna berätta något om kunden eller verksamheten.

Vi ser också stora bolag som Google och Facebook tjäna oförskämt stora pengar, just på data från sina användare. Om man har sett Facebooks annonsverktyg för en “page” så inser man ganska snabbt att individen inte är kunden utan produkten som de säljer till marknadsförande bolag. Man köper faktiskt delvis vilken information just Du ska få se.

Effekten detta har haft på marknaden är att alla “vill oxå.” Man inser mer och mer att Clouderas utdelade T-shirts på eventen kanske är något på spåren trots allt, “Data is the new Bacon.”

Ett annat ämne som lockade deltagarna var textanalys/mining. Vad som är fascinerande med detta ämne är att det har snarlik hype som big data. Samtliga föreläsningar vi deltog i där ämnet berördes på ett populärt plan fångade stort intresse hos majoriteten. Men en av föreläsarna svarade på en fråga, som åtminstone svävade i våra sinnen, “hur gör man detta på riktigt då?” Man skulle kunna tro att inget skulle fånga lyssnarnas intresse som en mer hands-on föreläsning. Men intresset var som följande

- Antal deltagare: 34
- Antal deltagare som lämnade salen under presentationen: 3
- Antal personer som somnade under presentationen: 3
- Antal personer som spenderade större delen av tiden med blicken i mobilen: 9
- Antal personer som var mer fascinerade över folks reaktion och som började anteckna statistik istället: 1

Sanningen är att textanalys innebär mycket hårt manuellt arbete också för att få till det riktigt bra, inskrivande av ord i dictionaries, regular expressions och liknande saker kräver eftertanke och tid. För att göra saken svårare så är människor också hyfsat lustiga och sarkastiska (om ni är skeptiska till det uttalandet så kan ni ju pröva göra en twittersökning på hashtagen #SJ). Men även om både Google och Facebook gör det, så ska man inte underskatta utmaningen. Att räkna ord är en sak, att skapa analytiskt värde kräver tid och eftertanke…

En reflektion är också hur svårt flera leverantörer haft att övertyga sina kunder om nyttan av Big Data Analytic och Textmining, tappra försök till trots. Det egentligen enda konkreta exemplet under konferensen var hur man har sett att man säljer mer blöjor och öl om produkterna placeras bredvid varandra i butiken. Ett exempel som första gången användes i förra årtusendet. Det finns givetvis också många bra applikationer av text mining och Big data (se exempelvis boken Big Data at Work som Jill Dyche skrivit tillsammans med Davenport) men allt detta till trots, så ser vi ändå komplexiteten och svårigheterna i detta ämne.

Avslutningsvis, Big data är inte magi, men det kräver arbete och en klar idé om behovet så att förväntningarna inte skenar iväg. Ett behov som finns i nästan alla verksamheter, men som kanske inte alltid diskuteras sammanfattas av detta citat av Max Planck som togs upp under analytics2014,

“Experiment is the only means of knowledge at our disposal. Everything else is poetry, imagination.”

Det vill säga bara det att ha data enkelt tillgängligt (och enligt vår erfarenhet, gärna visualiserat) kommer ge ny insikt i verksamheten och kundernas beteenden, som i sin tur triggar kreativitet.

Fysiker lär sig om naturen genom att skapa förklarande modeller. I några av våra uppdrag har vi tydligt kunnat se hur även företag kan lära sig om sin ”natur” (den egna verksamheten och kunden) genom att experimentera, visualisera och faktiskt leka med data.

 

Siavoush Mohammadi

Jonas Johansson

 

Siavoush Mohammadi

Fokus på affärsanalys, kravställning, arkitektur och rapportering, med erfarenhet främst inom Telekom. Siavoush har också utvecklat analysmjukvara för 3D-visualisering av stora datamängder.

Kommentarer

Lämna en kommentar
  •  

    Send this to a friend