2011 släppte managementkonsultföretaget McKinsey & Co en rapport i vilken det målades upp en ljus framtid för big data. Bland annat förutsågs ett ”ekonomiskt överskott” på 600 miljarder dollar, cirka 5,5 biljoner kronor, för konsumenter. Frågan är förstås hur man definierar ekonomiskt överskott för konsumenter. Blir varorna billigare?

Läs också: EU vill se över riskerna med big data inom finans och försäkring

Hur som helst förutsades det att hantering och analys av stora datavolymer, alltså big data, skulle vara lönsamt. Ytterligare ett exempel på det i rapporten var att big data förutsades skapa ett ökat årligt värde på 300 miljarder dollar, cirka 2,8 biljoner kronor, inom sjukvården.

Nu, fem år senare, har McKinsey gjort en uppföljning på studien. Och vet du vad, de storslagna förutsägelserna har inte slagit in!

Enligt McKinsey har till exempel 50 – 60 procent av värdet som förutsågs för geografiska data realiserats. Det beror främst på att inte alla har råd med smartmobiler med inbyggd gps.

För tillverkande industri har bara 20 – 30 procent av värdet blivit verkligt. Riktigt illa är det för amerikansk sjukvård och offentlig verksamhet inom EU, med endast 10 – 20 procent. Något bättre klarar sig den amerikanska detaljhandeln med 30 – 40 procent.

En av anledningarna till problem är att det krävs en massa jobb för att hantera all öppen mjukvara som är populär för big data. Exempel på sådan mjukvara är Hadoop, Spark, Hive och Kafka.

Läs också: Nu ska Monty erövra big data – MariaDB lanserar Hadoop-dödare

Ett troligtvis ännu större problem är att många företag som har investerat mycket i tekniska lösningar inte har ändrat sina organisationer för att kunna dra nytta av investeringarna. Det är jobbigt att bygga upp kunskap och affärsprocesser för att kunna tjäna pengar på dataanalys.