Risiko
Når man vurderer å investere i eller ta i bruk big data-løsninger, er det flere tekniske og praktiske aspekter man bør vurdere:
- Kostnader: Etablering, vedlikehold/drift/oppdatering, maskinvareressurser, byttekostnader, opplæring.
- Teknisk: Filformat, datatilgjengelighet, utvidelsesmuligheter (mengde og type), tilkoblingsmuligheter.
- Sikkerhet: Tilgangskontroll, tilgjengelighet, integritet.
- Brukervennlighet: Intern kompetanse/erfaring, uavhengig kompetanse, automatisering, gjenbruk.
Å jobbe med big data kan bli dyrere enn forventet, det kan bli for teknisk komplisert å forholde seg til, sikkerheten kan vise seg å være vanskelig å ivareta, og det kan bli for vanskelig å ta i bruk for de i organisasjonen som skal jobbe med dette daglig. Det er viktig å forstå at risiko er noe som finnes i fremtiden, ikke i fortiden: Vi må tenke fremover på både stegene vi skal ta og mulige konsekvenser de kan ha. Sannsynligheten for at en bombe går av i morgen er kanskje liten, men konsekvensene er store.
Ved siden av momentene over er det to typer risiko man løper: Sikkerhet og personvern, og menneskelige feil. Dette kan du lese mer om i vår e-bok om big data.
Last ned vår e-bok om Big Data.
Avkastning
Verdi – som avkastningen måles i – defineres på mange måter, men i et økonomisk eller finansielt perspektiv betyr verdi nytten et produkt eller tjenesten gir. For aktører i næringslivet og særlig i privat sektor er verdi primært målt i kroner og øre som tilfaller aksjonærer og eiere. I offentlig sektor kan verdi referere til mer effektiv bruk av offentlige midler. For sluttkunder og forbrukere er verdi gjerne uttrykt i penger, tid og funksjonelle og symbolske variabler.
Big data skaper verdi i form av at det kan gi bedre beslutningsgrunnlag, avsløre skjult innsikt og/eller forbedre forretningsprosesser (som omtalt noen sider tilbake), som igjen kan bidra til økt verdiskapning.
Den kritiske faktoren for verdiskapning innen big data er kompetanse. Mennesker med korrekt kompetanse er imidlertid mangelvare. Man trenger kvalifiserte mennesker med bakgrunn og nysgjerrigheten som skal til for å gjøre oppdagelser ved å jobbe med big data (dvs. kunne å kode og være nysgjerrige). Kvalifikasjonene kommer ikke nødvendigvis fra utdanningsinstitusjoner. “Data scientists” er komfortable med ustrukturert data.
Etikk
I hvor stor grad skal vi kunne akseptere at butikker lager kundeprofiler basert på videoovervåkning kombinert med bruk av wifi-nettverk, login-detaljer, kredittkorthistorikk, og så videre? Hvilke salgsfremstøt er akseptable og hvilke er på kanten? Hvordan bør eventuelle regler utformes?
Hvis vi ser bort fra dagens praksis om at leger ikke anslår pasienters levetid av praktiske og etiske årsaker: Dersom data i den medisinske journalen til en pasient tilsier at vedkommende har en forventet gjenværende levetid på 12 måneder – basert på statistiske analyser av et tilstrekkelig stort antall pasienter med tilsvarende journal – bør pasienten få vite om det? Hva om journalen er tilgjengelig for pasienten? Hvordan vil dette påvirke hvordan legene behandler pasienten? Skal helsemyndighetene kunne sette en stopper for spesielt kostbare behandlingsformer?
På de fleste av disse spørsmålene finnes det ikke et klart, svart-hvit svar. Det er ikke vanskelig å argumentere hverken den ene eller den andre veien, og oppfatningene vil variere fra person til person. Like fullt, etter hvert som big data gjør sitt inntog, vil vi bli utfordret både på hva vi synes er greit og hvordan lovverket fungerer.
Ønsker du å vite mer om big data? Last ned vår e-bok
