lördag 16 november 2013

Beslutsstödstänk - döden för big data - Computer Sweden

Beslutsstödstänk - döden för big data - Computer Sweden

Företag som analyserar big data som om det vore ett traditionellt beslutsstödsprojekt är dömda att misslyckas. Det säger Daniel Garplid, som har undersökt de vanligaste misstagen vid båda projekttyperna.

Många av företagen inför felaktigt big data som en form av beslutsstödsprojekt. Ändå skiljer sig big data i grunden från traditionellt beslutsstöd, BI. Den slutsatsen drar Daniel Garplid, till vardags teknikchef på företaget Manifact som han också var med och grundade. Han har gjort en systematisk analys av Googleträffar kring big data och beslutsstöd. Nyligen publicerade han två rapporter om de vanligaste misstagen vid big data- respektive BI-projekt.

– Inom traditionellt beslutsstöd är kompetensbristen inte det största problemet, men det är i särklass vanligast inom big data, säger Daniel Garplid, som genomfört projektet i form av en sajt, 100Firsthits.

Namnet kommer av att han analyserar de 100 första relevanta träffarna av olika sökningar. Den första träffen får 100 poäng, den andra träffen får 99 poäng och så vidare, ned till 1 poäng.

– Därefter kategoriserar vi alla träffarna och summerar poängen för respektive kategori, säger Daniel Garplid.

Kompetensbristen, visar studien, är mer än dubbelt så allvarligt vid big data-projekt som problem nummer två på listan, brist på mål. På BI-listan hamnar kompetensbrist först på fjärde plats. Kompetensbehoven skiljer sig starkt åt mellan BI- och big data-projekt.

– Kompetensbristen inom BI avser ofta konfiguration och användning av verktyg, samt databaser. Inom big data behövs dels grundläggande kunskaper om ramverk som Hadoop, dels kunskaper i matematik och statistik och datadriven affärsinnovation, säger Daniel Garplid.

Det näst största problemet, bristen på mål, är ett större problem vid big data-projekt än i BI-sammanhang. I det förstnämnda fallet handlar det om att ställa rätt frågor mot data, exempelvis kring köpbeteenden, kundlojalitet, betalningsvilja och andra affärsdrivande faktorer. I BI-projekt är målstyrningen ofta mer konkret och gäller olika typer av rapportering samt att upptäcka samband, exempelvis avseende försäljning, resultat och kostnader.

Rapporten beaktar inte framgångsfaktorer, utan misstag, vilket han anser ger mer relevant information.

– Fortfarande är det en negativ klang att prata om misstag, men utifrån rapporten kan man skapa framgångschecklistor för att lyckas med big data.

I dagsläget har Daniel Garplid bråda dagar på programföretaget Manifact, där han är styrelseledamot och teknikchef. Manifact har tagit fram en lösning för visualisering och hantering av bland annat beslutsstödsdata som ska ta upp kampen med motsvarande funktioner hos bland annat SAPs minnesdatabas Hana och Oracles Exalytics inom bland annat komplexa handelslösningar.

– Sverige har varit vår forsknings- och utvecklingsmarknad och nu ska bolaget ut i världen. Vi har en mjukvara som är helt realtidsbaserad och räknar med att ha en fullskalig hyrmodell klar efter nyåret. Därefter planerar vi för en utlandsexpansion med sikte på bland annat USA, säger Daniel Garplid. 

Inga kommentarer:

Skicka en kommentar