söndag 22 juni 2014

Möjligheterna med data mining

Rikard König berättar om big data och möjligheterna med data mining

Det är tydligt att konsumenters shoppingvanor ändrat sig de senaste åren och idag köper svenskarna i allt fler kanaler. Samtidigt som sociala medier bidragit till ett maktskifte från säljare till köpare. Idag är det konsumenten som bestämmer vilka varor som ska få goda recensioner. Vi pratar om det vi köper på ett helt annat sätt idag jämfört med för bara tio år sedan. Och allt vi ”pratar om” blir som regel också data, i vart fall om vi pratar digitalt. Vi producerar bilder, tips, rekommendationer och tips i en strid ström och all information finns tillgänglig online. Databanken med konsumentrelaterad information och kundtransaktioner bara ökar och ökar.

Och informationen går givetvis att använda för att göra bättre affärer, om man bara vet hur. I en artikel hos Forbes kan man läsa mer om Big Data och hur teknikerna har använts för att skicka erbjudanden till kunder, t.ex. som rabatter i mobilen när kunden kliver in i butiken. Så läs gärna mer här:

Det är uppenbart att all denna data som samlas in kan skapa konkurrensfördelar om den används på rätt sätt. En del företag ser redan idag sin kunddatabas som sin mest värdefulla tillgång. Två kända företag som verkligen lyckats dra nytta av Big Data är Amazon där 35% av försäljningen kommer från data genererade rekommendation som,  "Frequently Bought Together" / "Customers Who Bought This" och Netflix där 75% av det sedda materialet är ett resultat av en rekommendation.

Är då Big Data och Big Data Analytics bara för stora drakar som Amazon, Netflix och Google eller är det ett alternativ för företag i detaljhandeln? I verkligheten är det väldigt få företag som sitter på datamängder som skulle klassas som Big Data och ännu färre har möjlighet att anställa experter för att kontinuerligt arbete inom området. Som tur är, är möjligheterna med Big Data Analytics dock inte begränsade till gigantiska datamängder utan är lika tillämpbara för ”mindre” mer normalstora datamängder. I de fall där lagring och åtkomst av data inte är ett problemet kan fortfarande tekniker från Big Data Analytics användas med samma framgång och området kallas då för Data Mining eller Predictive Analytics. Dessutom har forskning visat att redan enkla statistiska- och prediktiva tekniker oftast uppnår bättre resultat än mänskliga beslutsfattare eftersom människor tenderar att fokusera på enskilda informationskällor. Det viktigaste är helt enkelt att lagra och analysera data på ett väl genomtänkt och strukturerat sätt. Efterhand kommer det då bli naturligt att använda mer avancerade och kraftfulla verktyg.

Till sist bör man komma ihåg att Big Data och Predictive Analytics inte är någon form av magi och inte kan förklara något som inte finns med i den data som samlats in. Det är också därför enklare tekniker ofta inte ligger långt efter avancerade tekniker i praktiken, dvs. den data som krävs för att förklara komplexare samband saknas helt enkelt.
Därför är det viktigt att man ser över sin lagringsstrategier och kontinuerligt utvärderar tillgängliga datakällor så att ingen potentiell värdefull information glöms bort. Detta innebär också att det inte går att börja utvinna information från dag ett, utan först när man ackumulerat en historisk datamängd som väl beskriver de samband man hoppas kunna hitta.

Sammanfattningsvis kan man säga att Big Data och Big Data Analytics är här för att stanna och de företag som lär sig hantera dess möjligheter och utmaningar bäst, kommer få allt större konkurrensfördelar i framtiden. Därför är det viktigt att företag som vill vara i framkant i morgon tar tag i problemet idag. Det behöver inte vara de mest avancerade lösningarna utan det viktigaste är att man arbetar strukturerat och har genomtänkta strategier för hur data lagras och vad den skall användas till. För datorer kan faktiskt hjälpa till att hitta värdefulla mönster, oavsett om det handlar om bränsleförbrukning, biverkningar från läkemedel, den optimala golfsvingen eller inköpsprognoser för handeln.

Vi på SIIR arbetar just nu med ett forskningsprojekt där vi hoppas kunna bidra konkret med ny kunskap om hur data mining kan effektivisera handeln. Och om du vill läsa min avhandling (Enhancing Genetic Programming for Predictive Modeling) så hittar du den här.


//Rikard König

Rikard König

Inga kommentarer:

Skicka en kommentar