Data kan bli Sveriges nästa stora framgångsbransch

Av Mats Stellwall, Data Science och Analytics Specialist på Snowflake

Vi lever i dag i en alltmer datadriven värld där AI, maskininlärning och deep learning diskuteras i styrelserummen och driver på företagens värdering. Men vi lägger alltför mycket fokus på algoritmerna och vilka tekniska verktyg man ska ha. Vinnarna är de som verkligen kan utnyttja all tillgänglig data – och helt nya dataleverantörer som vidareförädlar och säljer befintlig data. De kan bli Sveriges nästa stora framgångsbransch.

AI, data science och maskininlärning handlar i grunden om att hitta mönster i extrema mängder data för att kunna förutse olika händelser och fatta rätt affärsbeslut. Vet vi verkligen vilka kunder vi vill ha? Och vilka vi vill behålla?

För att besvara frågorna ägnar vi oss för mycket åt att jaga de senaste algoritmerna och att diskutera självlärande system. Faktum är att systemen aldrig blir bättre än den data man har – och därför har vi bara sett början på den en mer modern dataanalys.

Nya ekosystem levererar dataanalys som tjänst
Det är fascinerande att som dataanalytiker följa framväxten av helt nya företag som säljer data som tjänst eller rena dataapplikationer. Nya dataleverantörer har alla förutsättningar för att skapa vår nästa stora industri i Sverige som vi sett exempel på inom andra branscher som musik, fintech och gaming!

Vissa företag bygger också upp så kallade ”data clean rooms” där man delar och kombinerar data stora mängder data. Kunderna kan sedan dra nytta av insikterna man får tillbaka utan att själva kunna se informationen.

Vi kommer att få se nya ekosystem växa fram som gör att ett telekombolag eller en handelskedja kan skapa ännu bättre och mer kundanpassade tjänster baserat på data som kommer in från externa leverantörer.

Utspridd data största utmaningen
En av de största utmaningarna är inte brist på data i en organisation utan att den är utspridd vilket gör det svårt att hitta en gemensam sanning. Informationen finns i våra CRM-system, affärssystem, orderhantering och produktionssystem. Alla öar gör att man inte får en helhetsbild – och bristande resurser hjälper inte till.

Att få koll på sin egen utspridda data är ett bra första steg, men det finns oftast oändligt mycket mer utanför organisationen.

Ett exempel är en butikskedja som funderar på när det är läge att öppna en butik mitt under pandemin. Genom att kombinera intern data med tredjeparts-data om vaccinationerna mot Covid-19 från Starschema, väderdata från Weather Source och annan regional information kan man få ett betydligt bättre beslutsunderlag.

Vi har också många företag inom tillverkningsindustrin där affärsmodellerna har förändrats enormt de senaste åren. De bygger upp nätverk med leverantörer som kan hjälpa till med till exempel eftermarknad, service och underhåll – och då är data en strategisk tillgång och en stor konkurrensfördel.

Marknadsplats för data
Men hur kommer man i gång när det finns så många externa datakällor? Vi vill ju kunna arbeta med hypoteser och snabbt testa om den externa informationen är användbar eller inte.

På Snowflake har vi utvecklat en marknadsplats för data i molnet (Data Cloud) där företag över hela världen har anslutit sig. Där kan man testa olika leverantörer av beteendedata och för att se vilken som passar bäst, antingen genom att använda kostnadsfria tjänster eller betala för den data man använder. En sådan marknadsplats i molnet öppnar helt nya möjligheter att göra ännu mer kvalificerade analyser och fatta ännu bättre affärsbeslut.

Enklare gränssnitt öppnar för fler dataanalyser
Under många år har jag varit en stark förespråkare för att branschen ska utveckla ännu enklare grafiska gränssnitt. När data science kallades för data mining och prediktiv analys var det bara ett fåtal personer som kunde använda verktygen. På 2010-talet såg vi sedan en fullkomlig analysboom med fokus på programmering. Och nu sakta men säkert har gränssnitten blivit allt bättre och enklare att använda.

Det är nyckeln. Ska företagens dataanalys bli skalbar måste den bli enklare. Det viktiga är hur man drar slutsatser och styr algoritmerna åt rätt håll.

Det kommer alltid att behövas specialister som kan lösa kluriga problem och utmaningar – personer som ligger allra längst fram i utvecklingen. Men de är få till antalet och den stora massan som behöver svar på sina frågor ska inte behöva lära sig programmera under sex månader för att kunna dra nytta av tekniken.