Att anpassa sig till nya förutsättningar

Vi befinner oss i början av en revolution som inkluderar digitalisering, automatisering och generering av mycket stora och komplexa digitala datamängder (Big data). Data genereras då vi använder internet, mobiltelefoner, kör bil, sekvenserar DNA och producerar lastbilar.

För några år sedan gick IBM ut med att 90 % av världens data har genererats under de senaste två åren. Om det stämmer så betyder det att mängden data mer än fördubblas varje år. Om vi tänker oss att all värdens data år 2017 väger 1 kg och extrapolerar IBMs resultat så kommer all världens data år 2098 att väga lika mycket som månen. Även om extrapolationen skulle vara felaktig så är det rimligt att anta att vi är precis i början av datarevolutionen!  Utmaningen idag handlar inte om att generera data utan att omvandla data till information, och förstå hur vi ska använda all ny information för att skapa ett bättre samhälle. Möjligheterna är enorma, men så är även riskerna.

Statistik är ett ungt ämne som växte fram under 1900-talet. Traditionellt har vi statistiker fokuserat på att utveckla metoder för att analysera och extrahera information från relativt små data, men nu ”tvingas vi hantera” stora och komplexa data. Denna omställning är en svår utmaning, inte minst för statistiker som tvingas ut på okända vatten.

Metodutveckling inom dataanalys bedrivs självfallet inom flera andra områden, t.ex. bioinformatik, datavetenskap, ekonometri, kemometri och matematik. Komplexiteten och dimensionen på framtidens data kommer att kräva breda samarbeten som inkluderar såväl ämneskunskap, datahanteringskompetens och dataanalyskompetens. De lärosäten som tidigt lyckas att få till breda ämnesöverskridande satsningar inom Big data området, både inom forskning och grundutbildning, kommer att vara framgångsrika.

Analyser av empiriska data kommer att bli allt mer krävande och tillgång till kvalificerad lokal dataanalyskompetens kommer att vara en förutsättning för att bedriva framgångsrik empirisk forskning. Det argumenteras ibland för att lokal analyskompetens kan ersättas med nationell infrastruktur. Det är jag mycket tveksam till, framgångsrik dataanalys kännetecknas ofta av ett långsiktigt och integrerat samarbete mellan empiriker och experter inom dataanalys. Att skapa förutsättningar för denna typ av samarbete är en utmaning. Vetenskapsrådet gjorde ett försök med satsningen statistik inom empiriska vetenskaper, som tyvärr numera är nedlagd.

Så sammanfattningsvis; revolutionen har precis startat och den går inte att stoppa. Som alltid kommer vår förmåga att anpassa oss att avgöra framtiden.

0 Kommentarer

Lämna en kommentar

Kommentera

E-postadressen publiceras inte. Obligatoriska fält är märkta *