Hur Big Data blir smart data (del 2)

Forskare räknar med att 98% av all världens informa­tion idag är digi­tal. Mängden data till­sammans med den rika flora av ostruktur­erade källor som exist­erar innebär att det är svårt att be­arbeta detta med tradi­tion­ella data­baser eller mjuk­varu­tekno­logi. I en tidigare artikel för­klarade vi inne­börden och betyd­elsen av big data, nu dyker vi djup­are kring analysen och be­­skriver de dimen­­sioner du behöver förstå för att kunna vaska fram guldet bland all din data.

Den allra största ut­maningen är dock inte bara volymen data utan för­mågan att analys­era den data som existerar med rätt metoder. Analyser som lyckas om­vandla in­forma­tionen till något som till­för nytta och värde för dig och för dina kon­sum­enter i mötet med dig. För att åstad­komma det måste datan kom­bin­eras med kon­sument­kunskap och kvali­tativa insikter och du måste kunna placera analysen av datan i rätt kon­text, se orsaks­samband och förstå kon­sum­entens motiva­tion bakom sitt ager­ande för att göra den använd­bar. Annars finns risken att du ställer fel frågor och får fel­aktiga be­kräft­elser. Du behöver kort och gott klara av att om­vandla Big data till ”smart” data för att göra den använd­bar, skapa bättre kund­upplev­elser och få ökad kon­kurrens­kraft.

De fyra dimensionerna av Big data

För att kunna skapa de rätta insikt­erna måste man börja med att bryta ner och förstå data enligt fyra dimen­sioner, som kallas för de fyra V:na av Big data: Volume, Velocity, Variety och Veracity.

• Volume (volym): Hur stor mängd data skapas varje sekund? Du måste kunna hantera det faktum att din data som allra minst för­dubblas från år till år. Vi talar inte om tera­byte, vi talar i nu­läget om zetta­bytes och bronto­bytes.
• Velocity (hastighet): Hur snabbt skapas, för­flyttar sig, bearbetas och analys­eras data? Tänk bara på hur inlägg i sociala medier kan bli virala och sprida sig som en löp­eld på ett par sekunder. Idag finns det fak­tiskt teknik som låter oss analysera data sam­tidigt som den skapas utan att den först måste lagras i en databas.
• Variety (variation): Vilka olika typer av data skapas? Förr fokus­erade vi på struktur­erad data som snyggt och ordnat som kunde placeras i tabeller, t.ex. finansiell data. Idag kan vi se att upp till 80% av världens data är ostrukturerad (text, bilder, röst, kon­versa­tioner på sociala medier, videor etc.). Genom Big data-tekno­logi kan vi hantera och kombinera informa­tionen från dessa källor. Det finns fler typer av källor och fler kommer att till­komma, var så säker.
• Veracity (trovärdighet): Denna punkt hänvisar till hur ”stökig” eller tro­värdig datan är i sin ut­form­ning. Eftersom Big data kommer från så många olika källor är det svårt att kontroll­era kval­itet och exakt­het. Före­ställ dig bara t.ex. alla stav­fel, det vardags­språk som används och egna hash­tags som skapas – går datan att lita på? Hur bra kan den egent­ligen identi­fiera och skapa affärs­nytta? Är analysens resul­tat menings­full för er verk­samhet? Datan måste kunna veri­fieras utifrån både exakt­het och kon­text annars ger den inte rele­vanta insikter.

Du har nu fått en genom­gång av Big datas fyra dimen­sioner som du måste be­mästra och förstå för att inte halka ohjälp­ligt efter. Lägg till detta det vi berörde initi­alt i denna arti­kel och som vi kan kalla för det femte V:et – Värde. Att ha till­gång till big data är bort­kastat om du inte genom kom­petent analys i rätt kon­text kom­binerat med kvalita­tiva insikter lyckas om­vandla datan till värde.

Vi på Spinit hjälper dig att finna lösningar som gene­rerar genuint värde och affärs­nytta för dig, din verk­sam­het och dina kon­sum­enter. Kontakta oss idag!