Värdering av nyttan av data i industriella verksamheter: Behöver man veta det uppskattade värdet för den möjliga nyttan av bättre användning av data för att våga göra en satsning?
2020 (Swedish)Independent thesis Advanced level (degree of Master (One Year)), 10 credits / 15 HE credits
Student thesisAlternative title
Valuing the usefulness of data in industrial operations : Is there a need to know the estimated value of better use of data to dare to make the investment? (English)
Abstract [sv]
Bakgrund och problem: Utan att uppskatta det inneboende värdet i de data man har blir det svårt att motivera en satsning av resurser inom företag för att frigöra detta värde. Denna analogi kanske bättre beskriver det: Ett företag skulle inte investera i produktionen av en ny produkt utan att uppskattat kostnader och möjliga intäkter. Vi kan se dataförädling som en ny intern produkt, som i bästa fall sänker kostnader eller möjliggör nya tjänsteerbjudanden. Satsade resurser är här antingen mer mantimmar, investering i utbildning, mjukvara eller hårdvara. Utan denna kunskap om det inneboende värdet finns det en risk för att man lägger ambitions-nivån för satsade resurser på en för låg eller en för hög nivå eller att inte lyckas frigöra de resurser inom företagen som behövs.
Syfte: Syfte med detta arbete är att få en uppfattning kring om man arbetat med frågor om datans inneboende värde i tidigare skede, vad man uppskattar potentialen till totalt och vilka kapabiliteter man behöver för att frigöra värdet hos datat.
Avgränsningar och målgrupp: Industriföretag, vattenbranschen och dess samarbetspartners i Sverige. Dess samarbetspartners inkluderar konsulter, högskolor och universitet, forskningsinstitut samt annan underleverantör till industrin. Målgrupp för resultaten är ledare och medarbetare på industriföretag och deras samarbetspartners samt akademin.
Slutsats: De flesta respondenter har svarat ganska mycket, mycket och väldigt mycket på frågan om de hade funderat mycket på potentialen hos de insamlade data som finns i verksamheten. Medelvärdet för uppskattningar för möjliga kostnadsreduktioner inom en organisation ligger i spannet 5–35 % beroende på hur man svarat på Likert-frågan om möjliga kostnadsreduktioner. För möjliga kostnadsbesparingar som ligger inom 0–10% så varierar andelen inom de olika områdena från 18 till 28 av totalt 71 svarande. Det är svårt att identifiera från dessa uppskattningar vilket område som har högst potential, en fritextfråga på samma tema gav resultatet produktion, underhåll samt administration. En stor del anser att de själva eller andra i organisationen har haft svårt att får igenom satsningar på hårdvara eller mjukvara respektive personalsatsningar för ökad dataanvändning. En ganska stark indikation är att förmodligen för lite resurser har satsats eller att det är svårt att visa på värdet av satsningarna. Ett försök att klassificera det potentiella informationsvärdet enligt Laneys modell gjordes. Den pekar på att ”Probable” ligger inom 0–10% med 17 till 28 av 71 svarande inom respektive område samt ”Potential” inom 10–30% dessa är 16 till 30 av 71. Respondenterna beskriver att de största hindren för att bättre nyttja de data man samlat in eller samlar in är: kunskap och kompetensbrist, ha tid eller resurser samt ledningens mognad, oförståelse, engagemang eller stöd för frågan.
Om metoder för att uppskatta den potentiella nyttan av bättre dataanvändning utvecklades och användes är det möjligt att satsningar inom industrin skulle öka.
Place, publisher, year, edition, pages
2020. , p. 39
Keywords [en]
Valuation of data, value of data in the manufacturing industry, value of collected data in industry, value data in industry, cost structure in industry, data to information, industrial companies in Sweden, digitization, machine learning, AI, digital business development
Keywords [sv]
Värdering av data, värde av data i tillverkningsindustri, värde av insamlade data i industrin, värdera data i industrin, kostnadsstruktur i industri, data till information, industriföretag i Sverige, digitalisering, maskininlärning, AI, digital affärsutveckling
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:lnu:diva-98409OAI: oai:DiVA.org:lnu-98409DiVA, id: diva2:1474888
Subject / course
Informatics
Educational program
Digital Business Development, Master Programme, NAFF1, 60 credits
Supervisors
Examiners
2020-10-122020-10-102020-10-12Bibliographically approved