Sådan kommer du i gang med big data

Det lyder meget eksotisk, når internettets store datavirksomheder som Google og Facebook taler om intelligente systemer baseret på avancerede algoritmer og neurale netværk. Systemer, der kan forudsige, hvad du får lyst til at købe, før du selv ved det. De fleste har nok også hørt, at grundlaget hedder big data – eller på godt dansk: Helt vildt mange data.

Big data er talrige gange blevet udråbt som en af hjørnestenene i fremtidens konkurrencedygtige produktionsvirksomheder. Senest da verdens ledere mødtes til det økonomiske topmøde i Davos sidste år.

Men virkeligheden for mange danske produktionsvirksomheder er en helt anden. Data er noget, der ligger godt og trygt i hver sin afdeling af virksomheden, og de bruges sjældent til at se fremad.

Læg dertil, at det kun er et fåtal af de mindre danske virksomheder med under 100 medarbejdere, der bruger alle de data, de opsamler. Det viste en undersøgelse, som DI offentliggjorde i december 2015. Kun godt 10 procent af virksomhederne med under 100 medarbejdere brugte big data i deres forretning, mens det gjaldt 40 procent af de store virksomheder.

Det er nu, der skal oprustes

Men hvis der skal oprustes, så virksomhederne kan komme med i det globale ræs om kunderne, skal de se at få taget første skridt på vejen mod mere avancerede løsninger.

Det siger Jens-Jacob Thuun Aarup, der er direktør og partner i datavirksomheden Inspari:

»Det er ikke nok at have en masse data fra for eksempel sensorer i produktionen. Man bliver nødt til at være enige om, hvilke forretningsmæssige udfordringer, man vil løse,« siger han.

Illustration: Lasse Gorm Jensen

Læs også: Deep learning ser canceren før radiologen

Derfor opfordrer Jens-Jacob Thuun Aarup virksomhederne til, stille og roligt, at gå i gang med at etablere forudsætningerne, som han inddeler i en række trin, alle kan gå i gang med: For det første skal man kigge sig selv i øjnene og se, om big data overhovedet er på virksomhedens agenda? Hvis ikke, skal det ind på det strategiske niveau – med andre ord skal ledelsen beslutte, at det her vil vi!

Det gælder også om at oparbejde en kultur, som gør, at medarbejderne faktisk stoler på de data, der samles ind. Først på den måde kan man arbejde med data, så det understøtter selve forretningen.

Det rent tekniske skal også være på plads, så der eksisterer en fælles platform for data i virksomheden. Hvis ikke, så vil data fortsætte med at ligge i siloer som for eksempel produktionsdata i produktionen og økonomidata i økonomiafdelingen.

Og sidst, men ikke mindst, så skal virksomheden have medarbejdere med de rette kompetencer til at arbejde med big data.

Læs også: Brug af big data kræver et spring fra revision til videnskab

Gamle ingeniørdiscipliner skal støves af

I starten handler det om at støve nogle af de gamle discipliner af, som for eksempel statistik og sandsynlighedsregning, siger Jens-Jacob Thuun Aarup og understreger igen, at det ikke starter med data, men med en forretningsstrategi.

Det kan for eksempel være, at en virksomhed vil reducere omkostningerne til vedligehold af maskinparken. Her handler det især om at kunne forudsige, hvornår der opstår fejl på grund af manglende vedligehold. Som et forsimplet eksempel kunne det være data fra sensorer, der viser, at temperaturen et bestemt sted er 80 grader:

»Opgaven kan være først at blive enige om, at 80 grader er den rigtige temperatur. Næste skridt er at forudsige, hvad den bliver i morgen – og tredje skridt vil være at vide, hvad der skal gøres, hvis den pludselig viser sig at være 81 grader,« forklarer han.

Læs også: Deep learning kan forandre alt for virksomheder

Ifølge Jens-Jacob Thuun Aarup kan sådan en proces godt gå hen at blive ret krævende for ledelsen i en traditionel produktionsvirksomhed. For resultatet af den type projekter kan ikke altid forudsiges 100 procent:

»Ofte vil sådanne projekter opstille nogle hypoteser, som så skal be- eller afkræftes. Det vil kræve noget rent ledelsesmæssigt, for man skal have lov til at fejle – det kan godt være lidt svært at bringe op til et bestyrelsesmøde,« siger han.

Først når big data begynder at komme på plads i virksomheden, er man parat til at kaste sig over de mere avancerede systemer som machine learning og deep learning, mener han.