I en tid då maskininlärning och dataanalys blir allt större inslag i de lösningar vi använder är algoritmer bara en del av produktutvecklingen. Tillgång till bra data är minst lika viktig. Och avgörande för konkurrenskraften.
De nuvarande marknadsledarna på nätet har ett stort försprång. Enligt siffror som är ett drygt år gamla hanterar Google 63 000 sökningar i sekunden. Vad vi söker på, vad vi väljer att klicka oss vidare till, hur snart vi återvänder för att göra samma sökning. Allt blir information till Google om hur bra deras algoritmer presterar och underlag för att slipa dem ytterligare. Antingen genom maskininlärning eller för hand. På samma sätt kan Facebook hela tiden förbättra användarupplevelsen, innehållet i nyhetsflödet och förslagen om nya vänner utifrån hur användarna faktiskt beter sig. Vid sidan av nätverkseffekten – jag finns på Facebook för att alla mina vänner finns på Facebook – innebär det att det är väldigt svårt att bygga en faktisk konkurrent till Facebook.
När jag läser riskkapitalisten Benedict Evans långa text om självkörande bilar är det uppenbart att vi är på väg mot en liknande situation i den fysiska världen. Också där kommer mycket av konkurrensfördelarna att handla om ekosystem och om data.
När saker och ting kopplas upp och förses med sensorer händer två saker.
Uppkopplade prylar vill kommunicera
Anslutningen bryter isoleringen och gör dem till en del av internet. När prylar av olika slag kan kommunicera med varandra kan de på olika sätt förstärka varandras funktioner och finesser. Men det innebär samtidigt att det inte är självklart att det går att välja vilket kylskåp, bil eller gräsklippare som helst. När vi står i butiken och läser om funktioner och prestanda kommer några av punkterna på produktbeskrivningen handla om vilka kommunikationsstandarder som finns inbyggda och därmed vilka andra prylar kylskåpet, bilen eller gräsklipparen kan dela information med.
Här kommer vi som konsumenter gå på nitar, på samma sätt som dem som valde Betamax istället för VHS ångrade sig. Konsekvenserna här riskerar bara att bli mycket större, när det är ett helt nätverk av prylar som plötsligt är hopplöst omoderna. Det kommer också skapa inlåsningseffekter, där vi väljer att köpa produkter under samma standardparaply som dem som redan finns därhemma. Tröskeln kommer att bli jämförbar med mobiltelefoner och datorer. Den som investerat tungt i Apples ekosystem byter knappast till Android och Windows nästa gång det är dags att köpa nytt.
Nätverkseffekter, alltså. Vad gäller vilka prylar som har förmåga att kommunicera med varandra, men också vilken typ av data de kan dela sinsemellan.
Tidig datanalys ger försprång
Den med tillgång till mycket – och rätt – data kommer att kunna tillverka bättre produkter än dem som har tillgång till sämre data. Det här är en konsekvens av Benedict Evans kollega Marc Andreessens påstående om att ”software is eating the world”. Programkod är snart med överallt och påverkar då det som händer i den fysiska världen.
För ett tag sedan gjorde jag intervjuer för en artikel om digitaliseringen av industrin. I en av dem kom vi in på produktionsutrustning. Det är maskiner som redan idag är försedda med massor av sensorer, för att övervaka både det som tillverkas och maskinernas egna tillstånd. Från början skedde övervakningen av maskinerna en och en, sedan för alla likadana maskiner i samma fabrik. Nu står man inför nästa steg, där alla maskiner i ett företags samtliga fabriker laddar upp övervakningsdata till samma analysverktyg. Sedan återstår det sista steget, när all övervakningsdata från alla verktyg, oavsett hos vilket företag de står hos, hamnar i servrar hos företaget som tillverkade maskinerna.
Den datan kan sedan analyseras, och analyserna kan användas för förbättringar. Av kommande produkter, men också av de maskiner som redan är i drift.
I industrin är underhållskostnaderna en stor utgiftspost, där man hellre ägnar sig åt proaktivt underhåll. Planerade driftstopp är helt enkelt billigare än oplanerade. Genom att matcha sensordata mot uppgifter om när verktyg gått sönder och på vilket sätt, kan den maskintillverkare som har tillräckligt mycket historik sparad från tillräckligt många maskiner använda realtidsdata för att göra sina kunder uppmärksamma på att det är dags att byta ett drivrem. ”Inom en vecka, annars får ni till 83 procents sannolikhet ett oplanerat driftstopp”.
Den tillverkare som blir tidig att i sin nisch samla in data från sina sålda produkter i stor skala och har anställt personer med förmågan att använda den rätt, har skaffat sig en bra position för att göra ett rejält ryck i förhållande till konkurrenterna.
Om skribenten
Anders Thoresson har bevakat IT och telekom sedan 1999, först som reporter på Ny Teknik och sedan 2006 som frilans. Genom åren har hans texter bland annat publicerats i Dagens Nyheter, Dagens Industri, Forskning och Framsteg, IVA Aktuellt och Ny Teknik. Han har också skrivit flera Internetguider åt IIS och gör poddcasten Digitalsamtal. Du når Anders via hans webbplats.