Big data

Dataanalyse: Big Data spejlvender udviklingsprocessen

Systemudviklerne skal vise brugerne mulighederne i nye data i stedet for at bede om en kravspecifikation. Det mener en ekspert i Big Data, der også ser nye forretningsmuligheder for finanssektoren.

Big Data medfører en ny måde at skrive kravspecifikationen til et it-system. Det mener Karthik Krishnamurthy, der leder konsulentfirmaet Cognizants aktiviteter inden for information management.

Prosabladet mødte ham til en snak om, hvad Big Data betyder for finansverdenen – og for de it-professionelles arbejde.

Karthik Krishnamurthy tager udgangspunkt i det traditionelle diagram, hvor it-udvikleren tegnes til venstre og brugeren til højre:
– Vi har været vant til, at bevægelsen gik fra højre mod venstre: Brugeren fortalte udvikleren, hvad systemet skulle kunne. Men med Big Data ved brugeren ofte ikke, hvad der er muligt, forklarer han.

Derfor skal modellen spejlvendes: Nu ligger initiativet til venstre hos it-folkene. De skal vise brugeren, hvilke data der er til rådighed.
– Ud fra de data kan udvikleren spørge brugeren: Hvilke spørgsmål vil du gerne stille til disse data? siger Karthik Krishnamurthy.

Som eksempel nævner han, at detailbranchen kan fokusere på omstændighederne omkring et salg, der ikke blev til noget. I dag er det almindeligt at analysere de data, der leder frem til et køb: Hvad har køberen kigget på forinden, før han beslutter sig til at købe en vare? Med Big Data kan man se på det modsatte:

– Hvis butikken indsamler større mængder data, kan den finde ud af, hvad der sker, når kunden ikke køber produktet. Hvor går han hen efter at have kigget på produktet? Hvad køber han i stedet for? Den slags data kan vi i til en vis grad få i netbutikker, men detailhandlen er også begyndt at installere optiske sensorer. De indsamler data om forbrugerne, mens de bevæger sig gennem butikken, siger han.

Dermed passer hans opfattelse af Big Data til den udbredte definition: Big Data er analyser af store datamængder, der ankommer hurtigt og i mange varierende datatyper. Man taler om de tre v'er: Volumen, velocity (hastighed) og variation.

Big Data kræver oftest andre værktøjer end dem, vi traditionelt har brugt til data-analyse: Relationsdatabaser og data warehouse-teknologier. Til Big Data anvender man i stedet teknologier som MapReduce og Hadoop, der kan håndtere andre datatyper end strukturerede data i en relationsdatabase.

Flere perspektiver på kunden

Karthik Krishnamurthy har arbejdet med flere større finansielle virksomheder. Her ser han en række muligheder for at udnytte Big Data. Det handler både om at effektivisere eksisterende arbejdsgange og indføre helt nye forretningsområder.
– Alt i en finansiel virksomhed handler om data. Deres produkter er bygget op om at forstå data om forbrugerne og bygge løsninger baseret på den viden. Derfor er Big Data bare en logisk udvidelse, som tillader et syn på forbrugeren med flere dimensioner, siger han.

Banker og andre finansielle virksomheder har traditionelt haft et meget transaktionsorienteret perspektiv på kunden. Men med Big Data kan de se den samme kunde ud fra andre perspektiver.

– Lad os sige, at du som kunde ringer til din banks kundeservice, fordi du har et spørgsmål til det seneste kontoudtog. Nogle banker har systemer, der ud fra dit toneleje kan analysere, hvor utilfreds du er. Det kan de køre sammen med data om, hvad dit opkald drejede sig om – og på den måde kan de sætte ind, hvis du er meget frustreret, og undgå at miste dig som kunde, siger Karthik Krishnamurthy.

Dermed kan man nedbringe såkaldt churn – det vil sige, at en kunde forlader banken til fordel for en anden bank.
– En af vores kunder i finanssektoren reducerede churn med seks procent ved at udnytte de muligheder, Big Data giver, siger han.

Men det kræver, at bankerne bliver klar over de nye muligheder. Han mener, at de skal indføre en ny titel: Chief Data Officer. Det er en person, der har det overordnede ansvar for at udvikle og udnytte data til forretningens fordel.

Nedbringer svindel

Den øgede viden om forbrugerne hjælper ikke kun til at holde på kunderne. Den kan også reducere tabet ved svindel. Karthik Krishnamurthy forventer, at Big Data især vil nedbringe mængden af falske positiver – altså hvor banken fejlagtigt tror, der er tale om misbrug:
– Måske har din bank opbygget en profil af dig, der viser, at du som regel højst trækker 500 dollars på dit kort. En lørdag morgen registrerer de, at du har hævet 1.500 dollars i Las Vegas. Et normalt system til at opdage svindel vil slå alarm. Men hvis systemet ved, at du beskæftiger dig med netværksdesign, og der er en konference om netværk i Las Vegas den weekend, har du sikkert selv hævet pengene, forklarer Karthik Krishnamurthy.

Men hvordan kan systemet vide, at der findes sådan en konference? Det handler om at overvåge data fra Twitter, Instagram, Facebook, blogs og andre kilder på nettet.
– Big Data omfatter også geografiske data. Det kan for eksempel afsløre svindel, hvis du er i gang med at hæve penge i en anden by, end den du ifølge din mobiltelefon befinder dig i, siger han.

Sælger forbrugsanalyser

Finanssektoren kan opdyrke nye forretningsområder baseret på Big Data.
– I forbindelse med deres kerneforretning opsamler bankerne vigtige data om kunderne. Ud fra dine kortbetalinger ved de, om du foretrækker at flyve med et bestemt luftfartselskab, og om du er fast kunde hos Starbucks. Den viden er penge værd, bemærker han.

Sektoren er godt i gang med at udnytte forretningspotentialet. Det sker især ved at udarbejde anonymiserede rapporter om forbrugsmønstre, der så kan sælges til detailhandlen og andre interesserede.

Hvis kunden giver lov til det, kan den type data også bruges til målrettet markedsføring.

– En bank, vi arbejder for, har et system til at sætte sig ind i forbrugernes indkøbshistorik. Den kan for eksempel vise, at en kunde jævnligt flyver mellem San Francisco og Atlanta. Kunden køber også ofte kaffe hos Starbucks. Det kan bruges til at give kunden rabatkuponer til Starbucks i lufthavnen i Atlanta. Kuponerne leveres til hans smartphone, så snart han er landet, siger Karthik Krishnamurthy.

Ansvar for privatlivsbeskyttelse

Han mener, at mange er bekymrede for big data og konsekvenserne for privatlivets fred. Men omvendt ser han, at forbrugere ofte accepterer at afgive personlige oplysninger, hvis det til gengæld medfører en bedre kundeservice.
– Jeg mener, at forbrugerne selv må spille en aktiv rolle. De skal hjælpe virksomhederne med at få en høj kvalitet af data, så de giver et dækkende billede. Dataene strømmer ind i virksomhederne under alle omstændigheder. I stedet for at bekæmpe det bør forbrugerne hjælpe virksomhederne med at få bedre data. I sidste ende ønsker virksomhederne jo ikke at skade deres kunder, siger han.

I stedet mener han, at den store trussel mod privatlivet kommer fra hackere og andre, der prøver at få fat i de data, virksomhederne opsamler.

Kan forudsige hackerangreb

Arbejdet med at beskytte mod hackerangreb kan også få hjælp fra Big Data. Men her er teknologien endnu ikke nået så langt, som den er på forbrugersiden, mener Karthik Krishnamurthy.
– I fremtiden vil vi kunne forudsige hackerangreb, før de finder sted. Teknikkerne, der kan gøre det muligt, svarer til dem, vi kender fra bekæmpelsen af svindel i finanssektoren, siger han.

Her kan man ifølge Karthik Krishnamurthy i nogle tilfælde forudsige et svindelforsøg tre dage, før det sker.

Angst for anarki

Han mener, at en bestemt holdning kan forhindre, at virksomheder udnytter mulighederne i Big Data. Den mødte han hos en it-chef i en bank:
– Han sagde, at Big Data skræmte ham. Jo, for han havde brugt sit liv på at bringe orden og struktur i processer. Men Big Data er fundamentalt ustruktureret, et rent anarki, mente han. Men han tager fejl, siger Karthik Krishnamurthy.

Han mener, at modsætningen mellem strukturerede og ustrukturerede data er forkert. Traditionelt regner man data for strukturerede, hvis de passer ind i en relationsdatabase. Men der er også struktur i en logfil, en samling e-mails eller en video. Man skal blot lære at arbejde med andre former for struktur.
– It-folk skal lære at arbejde med nye datatyper. Og de skal lære at beherske de nye værktøjer, man anvender i en verden baseret på MapReduce, siger han.

Til gengæld kan der også være helt konkrete driftmæssige gevinster ved at indføre Big Data. For eksempel anvender man som regel standardudstyr til at lagre og behandle data med i stedet for dyre SAN-løsninger.

– En bank etablerede et Hadoop-lager som alternativ til en relationsdatabase. De sparede 30 procent på udgifterne til storage, siger han.

Forretningsgevinst er afgørende

Hvis en virksomhed overvejer at kaste sig ud i Big Data, anbefaler Karthik Krishnamurthy, at den først planlægger en roadmap for, hvad de forretningsmæssige gevinster skal være. Og virksomheden skal gennemføre både tekniske og forretningsorienterede pilotprojekter.

– Hvis man kun fokuserer på teknikken, er der større risiko for, at man går død på det. Og så er det vigtigt, at virksomheden har en chief data officer til at støtte projektet og markedsføre det internt i organisationen. Endelig skal virksomheden udvide sine processer for data management til også at omfatte Big Data – her tænker jeg på kvalitetskontrol og god forretningsskik, siger han.