För några år sedan publicerade en grupp forskare vid Bristol University en studie där man undersökt hit-låtar från de senaste 50 åren för att ta reda på vad de har gemensamt. Genom att analysera låtarnas tempo, harmonier, rytm och andra akustiska egenskaper tog forskarna fram en matematisk modell och ett dataprogram som skulle hjälpa låtskrivare och producenter avgöra om deras låt är en hit eller inte.
Än så länge har programmet haft rätt i ca 60 % av fallen. Knappast perfekt, men ändå bättre än ren chans.
Studien sätter fingret på en intressant fråga. Vad kan man egentligen räkna på? Skulle företag kunna skapa en liknande modell för att räkna ut vilka nya innovationer som kommer lyckas på marknaden? Går det att räkna sig till framgång?
Kritikerna hävdar att världen är för komplicerad för att kunna göra sådana här modeller vad gäller innovation. Precis som med vädret är det helt enkelt för många faktorer som spelar in för att man ska kunna göra några exakta förutsägelser över lång tid.
Men den här synen håller på att förändras. Enligt statistikern och bloggaren Nate Silver går vi mot en framtid där tillgången till allt snabbare datorer och enorma datamängder, det som brukar kallas big data, kommer göra det möjligt att simulera framtiden mycket mer exakt än vi kan idag. Men var börjar man? Och vad är det man letar efter? Ett bra ställe att börja är enligt Silver områden där man har tillgång till data, men där ingen kommit på tanken att analysera den och använda den. Företag måste fråga sig vad de har för data i garderoben som inte används. Här kan finnas stor potential .
”Look for fields that have not been thought about in
analytic way before and where you have data available,” – Nate Silver
Ett klassiskt exempel på detta är det amerikanska baseball-laget Oakland Athletics general manager Billy Bean. Beane blev känd för sin banbrytande idé att man kunde använda statistisk data från baseball-ligan för att räkna ut vilka spelare man skulle köpa. Beane möttes med skepsis från ledningen och ägarna, som menade att man inte kan räkna ut vilka spelare som kommer spela bra tillsammans. Beanes metod visade sig dock vara framgångsrik och är nu standard även inom andra lagsporter. Ingen hade tänkt att man kunde räkna sig fram till framgång på det här området.
Allt fler företag tar idén att man kan använda matematiska modeller för att ta reda på vilka innovationer som kommer lyckas på marknaden. Ett exempel är Growth Science, en konsultfirma som hjälper företag att göra just detta. De kallar sitt koncept business model simulation. Processen består av två steg. Först matar man in information om sin innovation och affärsmodell. Den här datan analyseras sedan med hjälp av matematiska modeller och statistik. Sedan 2008 har Growth Science hjälpt en mängd storföretag runt om i världen avgöra vilka innovationer man bör satsa på och vilka man bör vänta med.
Det är viktigt att komma ihåg att det som gjorde Billy Beanes metod så banbrytande var inte mängden data, eller tekniken han använde sig av för att analysera den (det här var på 80-talet). Det var hur han han använde datan som är intressant. Hur snabba datorer vi än har och mycket data vi än har tillgång till är det fortfarande vår kreativitet som sätter gränserna.
Efter alla våra år med att hjälpa svenska företag att bli mer kreativa har vi lärt oss att man måste våga ställa ställa nya frågor om man vill få nya svar. Varför inte boka in en dag hos oss på Idéfabriken, så vrider vi och vänder på era kreativa utmaningar tillsammans. Vi har en mängd kreativa metoder och en tydlig process för att få igång kreativiteten. Ring oss nu på 031-7605400, eller maila, så berättar vi mer om vad vi kan göra för ert företag.