Big data exploderar, samtidigt som det dyker upp allt fler mobilappar och molntjänster för beslutsstöd. Alla är överens om att mängden data som finns tillgänglig för analyser ökar markant under de närmaste åren.
Alla tecken tyder också på att antalet tekniska lösningar för analysera data ökar, både till antal och typ.
Frågan är vilka tillämpningar som blir resultatet av alla nya produkter, tjänster och tekniska lösningar. Vilka typer av användare kommer att vara inblandade? Hur, och till vilka personer, ska resultaten av analyserna distribueras?
Ett sätt att få grepp om läget är att börja i två utgångspunkter som befinner sig i varsin ända av en skala: data och användare.
Det är kanske framför allt två typer av data som förväntas öka i omfattning: sensordata och data från sociala nätverk. Dessutom ökar mängden transaktionsdata som blir tillgänglig för analys. Typexemplet är att stora livsmedelskedjor får koll på varenda vara i varenda kunds varukorg, kanske till och med i realtid när kunderna betalar, eller i alla fall nästan i realtid. Slutligen lär inte intresset minska för besökarbeteende på webbplatser.
Det ger fyra typer av data som är extra intressanta: sensordata, sociala data, transaktionsdata och webbesökardata.
Traditionellt sett har främst två grupper jobbat med beslutsstöd, förutom renodlade analytiker: ekonomifolk och specialister.
Till ekonomifolk går det även att räkna in höga chefer, de vill bara ha mindre detaljerad information än ekonomer i allmänhet. Specialistgruppen kan inkludera till exempel chefer som har extra mycket intresse av ett visst område. Den stora nya gruppen som tillkommer är användare i allmänhet.
Det ger tre typer av användare att titta på: analytiker, ekonomer/chefer, specialister och allmänna användare.
Sammantaget ger datatyperna och användartyperna en tabell, se ovan. Cellerna innehåller exempel på möjliga tillämpningar, för olika kombinationer av användare och data.
När behoven i form av tillämpningar blir mer klara för ett företag återstår utmaningen att hitta tekniska lösningar, mjukvara, molntjänster och mobilappar för att realisera dem.
Den som börjar i den andra ändan (tekniska lösningar, mjukvara, molntjänster och mobilappar), för att sedan tänka ut smarta tillämpningar, lär inte lyckas så bra med modernt beslutsstöd.
Ekonomer och chefer
Sensordata: Samla in data från utrustning för att göra ekonomiska analyser.
Sociala data: Skaffa sig en bild av hur det egna företaget uppfattas.
Transaktionsdata: Mer detaljerade ekonomiska analyser.
Webbesökardata: Hitta nya försäljningsgrepp, till exempel kors- och uppförsäljning.
Specialister
Sensordata: Samla in data för effektivitetsmätningar av olika typer av utrustning.
Sociala data: Hitta nya kanaler för att nå ut med information och nya personer att informera.
Transaktionsdata: Hitta nya samband mellan orsak (förändringar av verksamheten) och verkan (ekonomiskt utfall).
Webbesökardata: Identifiera nya kundgrupper och intresse för nya produkter och tjänster.
Användare i allmänhet
Sensordata: Larm när strömmande data från utrustning avviker från normalläget.
Sociala data: Larm om missnöje med det egna företaget. Exempel på aktivitet som ger positiv respons bland folk.
Transaktionsdata: Snabbare översiktsbild av det ekonomiska läget.
Webbesökardata: Översiktlig information om vilka besökarna är och hur de beter sig.