Hva er Big Data?
Big Data har alltid vært en viktig ressurs i alle bransjer. Siden begynnelsen av informasjonsalderen, har business intelligence og deskriptiv statistikk blitt brukt som standard verktøy for å trekke ut informasjon og for å ta viktige avgjørelser fra alle typer innsamlede data. Men etter hvert som kostnadene ved innsamling, lagring og behandling av data har blitt eksepsjonelt synkende, har mengden og mangfoldet av data nådd det punktet hvor tradisjonelle tilnærminger ikke lenger er mulig. Begrepet Big Data er derfor faktisk ofte brukt for å referere til data som krever nye teknikker og verktøy for å bli behandlet og analysert.

En mer formell definisjon av Big Data ble introdusert av Gartner i 2012, hvor de kjente 3V’ene – Volume, Velocity, og Variety – ble brukt for å karakterisere Big Data. Siden den gang har 3V-modellen blitt utvidet til flere andre egenskaper, inkludert en fjerde V for Veracity og mer nylig en femte for Value. Uten å gå i detaljer om hver V, og for å motstå fristelsen til å lete etter en sjette V, kan vi også se på Big Data fra det nye settet med teknologier som bidrar til å løse utfordringene i innsamling, håndtering, og analysering av store datamengder. Disse teknologiene inkluderer cloud computing og cluster computing (med Hadoop MapReduce som det mest kjente eksempelet) for datalagring og manipulasjon, og maskinlære for dataanalyse.

Kompetanse innen Big Data gir store konkurransefortrinn

Hvilken verdi gir Big Data?
Verdien av Big Data fastsettes gjennom to hovedområder: som en kilde til analyse, og som et redskap for nye produkter og tjenester. I det første tilfellet er Big Data-analyser brukt til å forbedre en eksisterende forretningsmodell, ved å gi innsikt i data som tidligere var for kostbar å oppbevare eller prosessere. Amazon sitt anbefalingssystem, USPS sitt forebyggende vedlikeholdssystem, eller Walmart sitt prognosesystem er alle svært gode eksempler. Disse selskapene sporer, samler og lagrer alle tilgjengelige data fra kundetransaksjoner til sosiale data fra GPS-stier til geografiske og meteorologiske data, og deretter kombinere de dataene og bruke Big Data-analyser for å produsere betydningsfull innsikt. Dette ville ikke vært mulig uten de nye Big Data-teknologiene som eksempelvis cluster computing og maskinlæring.

I det andre tilfellet åpner Big Data-teknologien opp helt nye forretningsmodeller og introdusere nye produkter og tjenester. Mange nyere såkalte «unicorn startups», som Airbnb, Uber eller Snapdeal, er tuftet på, og aktivert av, Big Data-analyse. Deres produkter har unike egenskaper takket være den nye teknologien de bruker. Uten å følge denne tilnærming, ville ikke deres produkter vært i stand til å konkurrere mot tradisjonelle forretningsmodeller.

Big Data hos eSmart Systems
Big Data har blitt betraktet som eSmart sin kjerneverdi helt fra begynnelsen. Big Data-analyse og maskinlæring er involvert i store deler av produktsortimentet gjennom å forutse etterspørselen etter elektrisitet på transformatornivå, segmentering av kunder basert på deres strømforbruksmønstre og i implementering av responsstrategier. eSmart har også begynt å bruke maskinlæring for å automatisere analyser av kraftlinjeundersøkelser utført av droner med sikte på å bistå feildeteksjon og forebyggende vedlikehold.

En introduksjon til Big Data Analytics

Av Davide Roverso og Dang Ha The Hien, eSmart Systems