Vi kommer i detta avsnitt ge en sammanfattning av de genomförda intervjuerna med bas av de funktioner vi har valt ut, dock speglar inte detta hur intervjuerna i sig gick till. Intervjuerna utfördes som samtal, där respondenterna beskrev hur deras verktyg arbetade och hur de använder verktygen.
4.2.1 Stödjer verktyget Ad hoc frågor och hur skapas dessa i så fall?
Samtliga respondenter säger att deras verktyg klarar Ad hoc frågor och i samtliga verktyg finns det möjlighet att skapa frågorna med så kallad ”drag and drop”, detta innebär att användaren inte behöver klara av att skriva ren SQL, utan kan genom verktygets grafiska gränssnitt skapa frågorna med ”byggklossar”. Två av företagen påpekar att det endast är användare med en djupare behörighet som har möjlighet att skapa Ad hoc frågor.
4.2.2 Har verktyget stöd för att identifiera mönster i datalagret och klarar det att göra detta automatiskt?
Här berättar Tullverket och Föreningssparbanken att deras verktyg klarar av att hitta mönster i datalagret. Dock måste verktyget ha en målvariabel eller en hypotes att utgå ifrån, verktyget kan alltså inte helt på egen hand gör mönstersökningar. SSAB Oxelösund säger att deras verktyg klarar av att göra mönstersökningar, men att det i dagsläget inte finns någon på företaget som klarar av att hantera den programmodulen som innehåller den funktionen. Dock håller SSAB Oxelösund, tillsammans med verktygsleverantören, på att utbilda ett antal anställda på företaget för att de ska klara av sådana operationer. Landstingets
Empiri
verktyg klarar inte av mönstersökning, detta har inte varit ett krav från deras sida då de endast använder verktyget som ett statistikverktyg.
4.2.3 Vad har verktyget för visualiseringsmöjligheter?
Samtliga organisationer anser att deras verktyg har mycket goda visualiseringsmöjligheter med hög flexibilitet. Det finns möjligheter att presentera data på en mängd olika sätt: genom diagram, grafer, tabeller, bilder, med mera. I samtliga verktyg går det även bra att exportera data, till exempel vidare till Excel, om användaren föredrar att arbeta i den miljön.
4.2.4 Visar verktyget sannolikheten att dess analyser stämmer?
Föreningssparbankens verktyg klarar av att visa på analysens resultats sannolikhet. I verktyget kunde användaren testa olika modeller med så kallade Gain-kurvor, för att på så sätt se vilken modell som ger högst sannolikhet.
Tullverket berättar att deras verktyg stödjer en sådan funktion, men det är inget som sker med automatik. Varken SSAB Oxelösunds eller Norrbottens läns landstings data mining-verktyg klarar av att beräkna fram sannolikheter.
4.2.5 Går det att se hur verktyget använder modeller för att göra analyser?
Här är alla respondenter eniga om att deras verktyg inte visar på hur det använder modeller för att göra analyser. Detta är dock något som går att läsa sig till i data mining-verktygets manual. I verktyget som SSAB Oxelösund använder sig av går det att läsa i en loggfil från ”jobbet” om hur verktyget arbetat med modellerna.
4.2.6 Förbättrar verktyget modellerna iterativt?
Även här var samtliga respondenter eniga om att deras verktyg inte förbättrar sina modeller iterativt. SSAB Oxelösund menar att de fått det beskrivet för sig, av sin verktygsleverantör, att det finns möjligheter att implementera men att det är långt över deras nivå idag. Respondenten på Föreningssparkbanken säger att verktyget självt inte kan förbättra modeller, men att användaren har möjlighet att förändra i modeller, till exempel om verktyget räknat med en variabel som användaren inte anser bör vara med, då kan användaren ta bort den variabeln ur modellen.
4.2.7 Kan verktyget göra några förutsägande analyser?
Alla respondenter säger att deras verktyg klarar av att göra förutsägande analyser.
På Tullverket kan de göra framtidsanalyser på basis av till exempel en trend, om information finns i datalagret. Norrbottens läns landsting gör inga förutsägande analyser idag, men möjligheten finns i verktyget. SSAB Oxelösunds verktyg klarar bland annat av regressionsanalys och liknande. På Föreningssparbanken visar respondenten oss hur han använder verktyget för att göra en analys på vilka kunder som är mest troliga att ta billån hos deras bank. Verktyget börjar med att titta på kunder som har billån och kunder som inte har billån, och tar fram den
Empiri
starkaste variabeln för dem som har billån, alltså den variabel som är mest utslagsgivande mellan de som inte har billån och de som har billån. Detta görs med hjälp av ett beslutsträd. Verktyget skapar sedan ett ”scoringkort” för bankens kunder som visar vilka kunder som är mest troliga att ta ett erbjudande om billån.
Verktyget förutsäger alltså vilka kunder som är mest troliga att ta billån.
4.2.8 Sammanfattningstabell över varje företags verktygs funktioner
I Tabell 1 har vi sammanfattat de funktioner vi frågat respondenterna om och vilka företag som har funktionerna i sitt verktyg, utifrån det vi tidigare redovisat i empirin.
Företag
Funktioner Tullverket
Norrbottens läns landsting
SSAB Oxelösund
Förenings-sparbanken
Ad hoc X X X X
Identifiera mönster X (X) X
God visualisering X X X X
Sannolikhet X X
Åskådliggöra modeller Förbättra modeller iterativt
Förutsägande analyser (X) X X X
Tabell 1: Sammanfattningstabell över varje företags verktygs funktioner.
X = funktionen finns och används, (X) = funktionen finns men används ej.
Analys
5 Analys
I denna del kommer vi att sammanfatta teorin för varje funktion och sedan skriva vad som sagts om funktionen i empirin. Vi har valt att skriva ihop de olika intervjusvaren från empirin till en sammanfattning per funktion, då vi här vill få en samlad bild över alla de verktyg vi kommit i kontakt med under intervjuerna.
5.1 Ad hoc
En viktig funktion för data mining-verktyg är att det ska klara Ad hoc frågor (avsnitt 3.10). Ad hoc innebär frågor som ställs mot databasen som ej är förutsedda och därför inte finns förprogrammerade i verktyget (Bilaga A). I våra fallstudier framkom att alla företagens verktyg klarade av Ad hoc frågor och det används av alla användarna. Frågorna skapas med hjälp av byggstenar i verktyget som användaren bygger frågan av, och som programmet sedan skapar SQL-frågor av.