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