Termen big data introducerades 2011. I alla fall var det då vi började googla på det. Det vi idag kallar för big data analytics fanns naturligtvis dessförinnan men själva benämningen såg dagens ljus först då. Det finns idag (lite för) många definitioner på vad big data är. Generellt för många av dem är att det handlar om stora och komplexa datamängder som inte kan hanteras med traditionella metoder såsom relationsdatabaser.

Komplexiteten brukar uttryckas som ett antal ”V”. Volume betyder att det ofta handlar om stora datavolymer (till exempel väderdata). Variety (variation) betyder att det finns många olika datatyper (både tal, skrift, video etc.). Velocity (hastighet) betyder att data kan ha kort livslängd, i sociala medier handlar det ofta om sekunder, och att den alltså måste fångas in och processas i realtid. Den globala spelaren IBM har lagt till ett fjärde V, Veracity, som betyder tillförlitlighet vilket till exempel är viktigt att ta hänsyn till vid analys av sociala medier och andrahandsuppgifter.

3264396897_71af56840f

Vad innebär då detta för transport- och logistikbranscherna?

Inom logistikområdet har arbetet med att förstå och exploatera big data precis börjat. DHL släppte en rapport 2013, ”Big Data in Logistics”. De lyfte fram tre olika områden där big data skulle kunna exploateras. Det första området handlar om att effektivisera befintliga processer, att jobba smartare. Det andra området handlar om att använda big data för att förstå och anpassa sig efter marknaden på ett bättre sätt. Det tredje, och mest intressanta området, handlar om att skapa nya affärsmodeller baserade på data.

Det första området, att använda data för att arbeta mer effektivt, är i sig inget nytt i transportbranschen. Det är allmänt känt och vedertaget att ju bättre data, desto bättre beslut kan fattas i systemet. Värt att poängtera här är att beslut fattas på flera olika nivåer. På den strategiska nivån fattas beslut som har lång tidshorisont. Här kan big data hjälpa till med att skapa bra underlag över demografiska parametrar, marknadsstrukturer etc.

På den taktiska nivån, planeringsnivån, kan big data användas för att allokera och fördela resurser på ett förhoppningsvis optimalt sätt. Tänk dig ett beslutsstödsystem som baserar handlingsalternativ på data om konsumentbeteende, väder, ett stort antal mätvärden från systemet, en del insamlade i realtid, information om ingångna avtal och regler och mycket mer. Alla dessa data samlas in, analyseras och genererar ett kvalificerat beslutsunderlag, antagligen i form av en visualisering. Ett exempel på detta kan vara en karta där rutter färgas olika beroende på värdet av olika målvariabler såsom transporttid, tillförlitlighet, kostnad med mera.

På den operativa nivån handlar det ofta om att systemet ska kunna fatta bättre beslut i realtid (eller nära realtid). De flesta transportsystem idag är designade för att inte behöva fatta realtidsbeslut. Detta har sina ekonomiska och historiska orsaker, och en av de främsta är att det hittills har varit mycket svårt att samla in, hantera och exploatera data från de många källor som behövs för att fatta beslut. Kombinera detta med utpräglade skalfördelar i nästan alla transportsystem (stora fasta kostnader och låga vinstmarginaler). Sammantaget ger detta ett system som helst ska fungera storskaligt, baserat på batchhantering och tumregler snarare än individuellt anpassade uppdrag.

Det andra området, att använda data för att förstå och anpassa sig efter marknaden på ett bättre sätt, handlar om kunderna. Till exempel kan ett företag som säljer dagligvaror använda kunddata insamlat från butiker och andra källor för att skräddarsy erbjudanden till konsumenter. Det kan också användas för att segmentera marknaden annorlunda, att fördela sortiment mellan olika delmarknader så att alla kunder tillfredsställs på ett optimalt sätt.

Det tredje området, att använda data för att skapa nya affärsmodeller, är mycket intressant. Här använder sig företaget av sina data på nya, kreativa sätt som inte nödvändigtvis har med kärnaffären att göra. Till exempel så kan ett åkeri antagligen rapportera en hel del om hur trafiken löper för tillfället och en dagligvarubutik kan antagligen säga en del om det kollektiva humöret hos kunderna genom att mäta vilka typer av varor som säljs vid vissa tidpunkter. Det är modeller som dessa som finansierar många av de tjänster som finns på internet idag och som är gratis för en konsument. När vi rör oss online kan data om vårt beteende säljas.

Möjligheterna med big data är som sagt många, men det finns också stora utmaningar.

14181082544_ea80416c5d

Fem utmaningar

Big data är alltså, som kanske framgår ovan, ett samlingsbegrepp som kan appliceras på många typer av system och problem. En stor möjlighet inom just transport och logistik är att mycket av systemens data kan geokodas, alltså att de kan visualiseras på en karta, vilket också används flitigt. Inom lingvistik kan språk i texter analyseras och jämföras. Inom medicin kanske det handlar om att selektera rätt behandlingsmetod baserat på all publicerad forskning inom området. Inom ekonomi försöker man förutse och hantera marknader och deras beteende. Alla dessa områden har sina svårigheter och utmaningar.

De primära utmaningarna är:

  • Utmaning 1: Insamling av data. Den data som behövs för att göra en analys är ofta svår tillgänglig och finns långt ute i systemet kopplat till fordon, gods, infrastruktur och diverse affärssystem. Denna decentralisering gör att datainsamling är kostsam och tidskrävande.
  • Utmaning 2: Operativ exploatering av data kräver realtidsarbete. Alla logistiksystem har bråttom. Det finns sällan eller aldrig tillräckligt med tid för en aktör att fatta ett informerat beslut i realtid, därav den stora vikt som läggs på tumregler och förutbestämda rutiner.
  • Utmaning 3: Flera tidshorisonter inblandade samtidigt. Det finns behov av att använda big data både på strategisk, taktisk och operativ nivå. Dessa är mycket olika och kräver olika typer av data, olika analysansatser och olika expertis.
  • Utmaning 4: Saker rör på sig. Det finns ofta ett utpräglat flödesperspektiv där behandling av tidsserier är centralt för de studerade systemen. Detta skapar ökad komplexitet. Ett godsflöde mellan Sverige och Spanien skulle kanske bli effektivare om det kunde samordnas med ett annat flöde mellan Tyskland och Portugal. Att hitta dessa data och att identifiera denna möjlighet kräver att begreppet ”flöde” kan hanteras.
  • Utmaning 5: Det krävs speciell kompetens. För att lyckas med big data behövs olika typer av kompetenser. Programmering och databashantering är centralt, naturligtvis, men också matematisk statistik och visualisering. Och för att tolka resultat krävs djup domänkunskap. Det finns väldigt få individer som besitter alla dessa kompetenser. Istället formeras team av experter som var och en bidrar till en helhet. Detta är mycket kostsamt och många företag drar sig antagligen för att investera i big data just på grund av den höga etableringskostnaden. Detta kan dock föda fram nischade leverantörer som erbjuder big data-relaterade lösningar som en tjänst.

Alla dessa utmaningar behöver adresseras av företag som vill exploatera potentialen av big data.

Så, är big data något att satsa på?

Definitivt är det något att satsa på! Oavsett vilka etiketter vi sätter på det (big data, data science etc.) är en sak helt klar: vi är med stormsteg på väg in i en era av uppkoppling som vi aldrig tidigare skådat. Internet of Things kallas den utveckling där alltfler fysiska objekt (fordon, kylskåp, pallar, produkter, lagerhyllor, vägar, personer…) blir uppkopplade. Denna uppkoppling kan naturligtvis ta sig olika uttryck. För vissa saker är den enkelriktad och består av ett enda sensorvärde, för andra är den avancerad och dialogdriven. Gemensamt för alla är dock att de kan nås via internet. Vad detta medför är då att de gigantiska mängder data som hittills har varit svåra att fånga per automatik (beteenden, händelser i fysiska världen etc.) helt plötsligt blir tillgängliga. På ett billigt, hyfsat standardiserat sätt, dessutom. Här kan vi snacka om datakranar. Pipelines egentligen.

Står man som företagare inför denna utveckling har man två valmöjligheter. Den första är att inte göra någonting alls. Att fortsätta som man alltid gjort. Den andra är att bli en del av utvecklingen.

De som väljer det första alternativet kommer antagligen att undra vad det var som plötsligt hände (se till exempel på hur Airbnb, Spotify och Uber har skakat om sina respektive branscher).

Det andra alternativet låter betydligt mer spännande…

 

Detta inlägg är tidigare publicerat i Bonnier Ledarskap Inköp & Logistik, våren 2015

 

Bilder:

My transit and walking patterns from the last six months via photopin (license)
World Airline Routes via photopin (license)

1