Datamängderna ökar explosionsartat i takt med digitaliseringen. I många verksamheter används denna data osystematiskt eller inte alls. Men häri finns nyckeln för att lösa framtidens komplexa affärs- och samhällsutmaningar.

Tänk att du äger en glasskiosk och det är 25 grader ute. Ändå har du bara fem kilo glass kvar i frysen.

erik borälv vinnova
Erik Borälv

Du hade kunnat titta i väderprognoserna och förutsett detta. Men du hade också kunnat koppla en vädertjänst till beställningssystemet och ställt in så att frysen ska vara full om det blir varmare än 20 grader ute. Du ska inte ens behöva tänka på det här. Det finns annat att koncentrera sig på i kiosken – serva kunderna till exempel, säger Erik Borälv, analytiker på Sveriges innovationsmyndighet Vinnova.

Glasskiosken kanske är ett banalt exempel men tydliggör potentialen med datadrivna processer på mikronivå. Alla företag sitter på egen data och kan kombinera detta med en mängd externa data i molnet – och öka affärsvärdet i  sina processer.

"Det flesta företag och organisationer samlar data men använder den ganska osystematiskt. Man måste ta steget att återanvända data också och skapa värde. Förutsättningarna är bättre nu än någonsin tidigare, till exempel genom smarta molntjänster, säger Erik Borälv."

Datamängderna ökar explosionsartat genom alla mobilsystem och sensorer samtidigt som kostnaden för lagringen minskar snabbt. 90 procent av all data som finns idag har skapats under de senaste två åren, och den här ökningstakten lär fortsätta. Stora jättar som Google, Facebook, Amazon och Netflix driver på utvecklingen och ligger i framkant. Här är själva affärsidén datadriven.

Även på regeringsnivå är datadriven innovation en prioriterad åtgärd. Syftet är att kunna skapa ekonomiska och samhällsnyttiga värden, till exempel effektivare vård, ett mer transparent samhälle och en säkrare trafikmiljö.

I Sverige har många myndigheter sedan länge publicerat så kallade öppna data, som vem som helst kan använda: oppnadata.se. Men än så länge har denna data använts i begränsad utsträckning. Nu arbetar Regeringskansliet målmedvetet med att hitta nya finansieringsmodeller och samarbetsformer för att externa aktörer ska lockas att utveckla nya tjänster med öppna data som grund.

Vinnova är en viktig kugge i detta och arbetar med datadrivna processer i många områden och branscher. Bland annat har myndigheten gett stöd till ett antal datadrivna labb för olika områden, till exempel inom skogsindustrin.

"Tanken är att en bransch eller en sektor ska kunna jobba ihop. Många sitter med liknande problem och utmaningar, men i labben får de möjlighet att lösa dem tillsammans med gemensamma verktyg."

Ett bra exempel är Samtrafikens datalabb, vars information bland annat ligger till grund för tjänsten Google Transit. Här kan man på nolltid få fram hur man ska ta sig från plats A till plats B på kortast tid.

"Transportsektorn är nog den bransch som har kommit längst när det gäller datadrivna processer. Här finns många väldigt drivna aktörer. Titta till exempel på självkörande bilar som ju är datadrivna. Men det är väldigt många aktörer som hittat nya lösningar, till exempel när det gäller karttjänster."

Dataprocesserna blir viktigare i alla branscher. Och den analytiska datamognaden kommer att avgöra hur konkurrenskraftigt ditt företag kan bli, menar Erik Borälv.

"Digitaliseringen är en process som värker och trycker på överallt. Allt kommer att bli digitalt och datadrivet. Alla tävlar om att vara smartare – det gäller både företag och nationer."

Den snabba digitaliseringen ökar inte bara mängden data utan i dess följd uppstår också helt nya möjligheter att angripa komplexa problem. I exempelvis energibranschen pågår en jättelik omvandling för att minska de globala koldioxidutsläppen. Gamla kraftverk fasas ut till förmån för förnybar energi – sol- och vindkraft – som levererar ojämna mängder energi över dygnet beroende på vädret.

Kunder blir producenter och samarbetspartners när de levererar tillbaka överskott från egen delproduktion eller spill från tillverkningsprocesser. Samtidigt måste systemet (utbud och efterfrågan) vara tillförlitligt varje sekund dygnet runt året runt.

Här krävs det avancerade analyser för att säkerställa leveranser och optimera och balansera produktion mot efterfrågan.

Mattias Lindvall_CGI
Mattias Lindvall

I energibranschen kan vi utnyttja sensorer, data från produktions- och distributionsanläggningar och väderförhållanden för att förutsäga produktion, kundrörelser, efterfrågan etc. Med detta som grund kan vi både skapa nya tjänster och samtidigt se till att minska bolagens klimatutsläpp, säger Mattias Lindvall, chef för Business intelligence och avancerad analys på CGI.

Att analysera data i sig är inget nytt men under de senaste åren har den tekniska utvecklingen skapat nya möjligheter att snabbt samla in, sammanställa och dra slutsatser av data. I takt med att tempot ökar är det många som glömmer bort varför de analyserar, vilken förmåga de vill skaffa för att kunna göra det repetitivt, korrekt och över tid för att stärka affären eller leverera samhällsnytta.

Mattias Lindvall menar att man måste jobba med analys i fyra klassiska nivåer, och att det finns få genvägar för att bygga en bestående förmåga, även om det kan vara frustrerande att inte jobba med de mest värdeskapande möjligheterna först.

  • Deskriptiv analys – vad hände?
  • Diagnostisk analys – varför hände det?
  • Prediktiv analys – vad kommer att hända?
  • Preskriptiv analys – få det att hända (vilket liknar glassexemplet i början av texten)

Det räcker således inte med att slå fast vad och varför, även om det är en förutsättning för att kunna förutspå vad som kommer att hända och kunna göra något åt det.

"Att en bank ser att vissa kunder avslutat sina konton en viss månad beroende på vissa faktorer har inte så stort värde i sig. Det gäller att agera och försöka förändra den händelsekedjan. Vid vilka tillfällen avslutar kunden och vilka åtgärder krävs för att motverka kedjan? Och det här sakerna går inte att lösa med magkänsla, det kräver ordentlig data."

Hur ska man då ta sig an all sin data? Var börjar man?

"En del fastnar i oändliga projekt för att samla alla data de kan hitta i en infrastruktur som aldrig blir färdig och därför aldrig levererar värde. Det är bättre att utgå från hur din affär ser ut istället. Ta till exempel fram företagets eller organisationens 30 största affärsproblem och välj ett av dem där den analytiska förmågan kan leverera värde."

Mattias Lindvall berättar om industriföretaget som hade en tvåsiffrig miljonkostnad i resultaträkningen som berodde på att produkterna hade skickats tillbaka eftersom de inte höll måttet. Vad kunde det bero på?

"Vi identifierade snabbt att en produktionslinje producerade felaktiga komponenter. Efter ett antal undersökta hypoteser kunde vi med hjälp av sensorer se att en maskin vibrerade ibland. Det visade sig att lokalen blev smutsig vid skiftande väderförhållanden vilket skapade vibrationer. Genom avancerad analys och Machine learning kunde vi eliminera nästan 90 procent av de relaterade kostnaderna. Och så fick företaget givetvis nöjdare kunder, konstaterar Mattias Lindvall."

En annan viktig poäng med att jobba datadrivet är att minska den operationella risken.

"Det är ganska vanligt att mycket kunskap sitter hos några få personer i en organisation. Det betyder att bara de på toppen kan leverera värde. Men genom att arbeta mer datadrivet går det att sprida kunskapen på ett bredare sätt i organisationen."

Genom data går det att följa produkterna hela vägen från råvara genom alla produktionsled ända hem till kunderna. Men datadrivna processer behöver inte bara handla om produkter. Det kan lika gärna vara ett sätt att stärka och förbättra tjänster.

Inom vårdsektorn har till exempel Region Halland börjat med datadrivna processer där data från alla hundratals system ställs samman för att man ska kunna följa patienterna genom hela vårdkedjan och ge rätt vård vid rätt tillfälle och samtidigt fördela resurserna dit där de behövs mest. Idag är de Sveriges bästa landsting, enligt branschorganisationen SKL.

En begränsande faktor för att samla all rådata och dra slutsatser är att många it-lösningar ofta är inriktade på enskilda processer. Systemen är många gånger uppbyggda i silos där det är svårt att få grepp om helheten. Utmaningen blir då att knyta ihop alla processer och deras data och ibland integrera externa data, ljud och bild.

Finns i sjön

Under våren 2018 har CGI sjösatt ett verktyg för att snabbt och enkelt komma igång att skapa värde från all rådata. Systemet heter RackenFlow och det lite udda namnet kommer från sjön Racken utanför Arvika, i Värmland.

bengt ake claesson_CGI
Bengt Åke Claesson

Det kan låta som ett konstigt namn, men egentligen ligger alla data i en slags sjö där det gäller att fiska upp värdet. I RackenFlow finns alla verktyg inom Internet of things, AI och analys färdiga att använda. Och på detta lager har vi möjligheter att lägga till smarta visuella funktioner som augmented reality och hololens. Det är som en horisontell AI-fabrik, säger Bengt Åke Claesson, ansvarig för IoT och RackenFlow på CGI.

Fördelen med RackenFlow är snabbheten och flexibiliteten. Det krävs inte flera månaders skruvande för att integrera ett nytt system, utan det går att börja köra igång systemet direkt, antingen som tjänst eller lösning.

En av de kunder som prövat RackenFlow är ståltillverkaren Uddeholm som genom detta upptäckte ett nytt sätt att motverka sprickbildningar i stålet. Efter ett års datainsamling kunde företaget slå fast att risken för sprickbildning ökade med nästan 90 procent om produktionsprocessen översteg en viss tid.

"Det är många kunder inom industrin som är intresserade av den här lösningen och vill testa olika saker. Men den här lösningen går att använda i alla typer av system. Vi hjälper våra kunder att hantera de här frågorna."

Att använda datadrivna processer blir alldeles nödvändigt för att klara konkurrensen i framtiden, menar Erik Borälv på Vinnova:

"Data är vår tids motsvarighet till järnvägar och el, och det är ju en grön oändlig resurs som inte tar slut. Samtidigt innebär det stora affärsutmaningar och en ny marknadslogik. Det kommer skapa nya möjligheter för dem som använder data på rätt sätt – men det blir väldigt jobbigt för dem som inte gör detta.”

 

TEXT: JOHAN WICKSTRÖM FOTO: SHUTTERSTOCK