90% af al data, der findes i verden i dag, er ifølge IBM skabt inden for de to seneste år. Så der er ingen tvivl om, at vi globalt oplever en sand dataeksplosion lige nu.

Udfordringen ligger i, hvad man skal bruge al den data til. Og det er her big data analyse kommer ind i billedet.

Techpedia: Big data

Begrebet ‘Big Data analyser’ dækker over evnen til at indsamle, håndtere og analysere enorme mængder data.

Data kan være strukturerede, semi-strukturerede eller helt ustrukturerede.

Struktureret data er det, man typisk finder i et regneark, hvor hver kolonne og række indeholder helt specifikke datasæt, der er lette at søge i. ERP-, CRM- og PIM-systemer vil også være steder, hvor man kan finde struktureret data.

Et eksempel på ustruktureret data kunne være indholdet i e-mails, som typisk omfatter en masse forskellig information – hovedsageligt beskrevet i tekst og sætninger men uden en fast struktur, hvilket gør det svært at søge i.

Ser man derimod på e-mailen i sin helhed incl data om afsender, modtager, dato mm. kan den betragtes som semi-struktureret, da den omfatter såvel strukturerede som ustrukturerede data.

Video og sociale medier er andre eksempler på ustruktureret data.

Analysedelen handler så om at undersøge store mængder forskellige data, og finde nye mønstre, sammenhænge og præferencer, og dermed få bedre indsigt i f.eks. kundernes adfærd eller finde steder, hvor produktionen kan optimeres.

Og det er noget som flere og flere virksomheder vil benytte sig af.

Forretningspotentialet ved big data

I 2017 investerede europæiske virksomheder 214 mia. kr. i big data analyse, og allerede i 2021 forventer analysevirksomheden IDC, at investeringerne runder 302 mia. kr.

De virksomheder, der i dag bruger big data, gør det i høj grad for at kunne træffe flere og bedre forretningsbeslutninger på baggrund af indsamlede interne data.

Alt fra besøgshistorik, kundeordrer og transaktioner til leverandørdialog, produktionsdata og logistikinformation kan analyseres og i sidste ende bruges til at øge omsætningen, forbedre kundeservicen og blive mere effektiv.

Boliga, der er Danmarks mest benyttede boligportal, er et eksempel på en virksomhed, der benytter big data.

De indsamler og kombinerer data fra bl.a. ejendomsmæglere, BBR, Matrikel-data, OIS-registre og billeder, så brugerne får mulighed for at undersøge både prisudvikling, salgspriser og geografien omkring boligerne.

Syddansk erhvervsskole bruger big data til at forudse, hvilke elever der er i fare for at falde fra, så de aktivt kan gå ind og handle på det i tide.

Også produktionsvirksomheder kan få fordel af at bruge big data. Danske Migatronic, der producerer over 20.000 svejsemaskiner om året, benytter også big data.

Ved at indsamle data fra den enkelte svejsemaskine, kan de give feedback på den enkelte brugers svejsestil, forudsige maskinernes vedligeholdelsesbehov samt give bedre rådgivning i forhold til kundernes valg af produkter og tilbehør.

Big data er ofte sin egen værste fjende

Brugen af big data i Danmark er dog endnu ikke så udbredt. Blot 14 % af de danske virksomheder bruger big dataanalyse i deres hverdag.

Det skyldes typisk, at store datamængder kan være svære at komme i gang med, og at forretningspotentialet ved det ikke er klart.

I første omgang vil data typisk ligge ustruktureret i forskellige systemer og formater, og der vil ligge et væsentligt arbejde i at få struktureret disse, så selve analysearbejdet kan komme i gang.

Her er det vigtigt, at man har en klar strategi for, hvad data skal bruges til, og hvor i forretningen den indsamlede data skal bringe værdi. Ellers ender man med at indsamle og analysere en masse data, som reelt ikke bruges til noget i forretningen.

Når strategien er klar og data er indsamlet og struktureret, er det vigtigt, at man får analyseret data på en meningsfuld måde, så organisationen får en indsigt, de kan handle på.

Det giver f.eks. ikke mening bare at indsamle en masse salgs- og kundedata, hvis medarbejderne ikke efterfølgende kan reagere på disse informationer.

Brug formlen fra succesfulde virksomheder

Mckinsey & Company har kigget nærmere på, hvordan ”high-performing companies” bruger big data i forhold til virksomheder, der ligger under middel.

Især fire ting gør, at high-performers har succes med deres big data initiativer:

  • Big data projektet sponsoreres og støttes af topledelsen, typisk på CEO-niveau
  • Data er tilgængelig på tværs af organisationen
  • Kompetencerne til at arbejde med ustruktureret data i realtid
  • De har de nødvendige værktøjer til, at medarbejdernes f.eks. selv kan foretage analyserne

Samtidig er disse virksomheder gode til at måle effekten af deres indsats.

54% af high-performerne måler effekten af deres analyseindsats i forhold til deres toplinje. Til sammenligning er det blot 19% af low-performerne, der gør dette.

Gode cases om big data


Data skal sikre succesen på græsset

Når AaB løber på banen i Aalborg, følges de af en lang række kameraer og sensorer, der skal være med til at sikre dem flere sejre.


Brug af big data sparer 160 mio. kr. i vedligehold

Ved i realtid at analysere 3,6 millioner datapunkter i sekundet fra forskellige sensorer, kan man nu forudsige togenes driftstop.


Har du en god New Tech case, du vil dele?

Har du som medlem af IT-Branchen et godt eksempel på, hvordan en virksomhed helt konkret og med succes har digitaliseret hele – eller dele af din forretning, så skriv din case ind i vores skabelon og send den til os på itb@itb.dk.

Yderligere læsning

Sådan definerer Wikipedia big data.
– Forbes har skrevet en længere artikel om potentialet ved big data.
– Du kan også læse McKinseys analyse vedr. big data.