Rapport om datatrender

Med inspiration från den akademiska världen har företag börjat utbilda och certifiera sina anställda för att överbrygga kompetensklyftan i fråga om data

Eftersom digitalisering kräver att företag är datadrivna gör organisationer mycket stora investeringar för att vara säkra på att lyckas – i genomsnitt 15,3 miljoner dollar i år. En del av investeringarna går till teknik och systemarkitektur, men nästan hälften av de 15,3 miljonerna (41 %) läggs på kompetensutveckling. Det kommer inte som någon överraskning eftersom fler människor än någonsin har tillgång till data, men inte ”talar dataspråk”. Medarbetare med grundläggande kunskaper om data kan förstå och tillämpa, dvs. ”översätta” data som de i allt högre grad exponeras för. De kan därmed svara på frågor om verksamheten och tillföra företagen mervärde. Många företag försöker ta sig förbi det här hindret genom att främja analyskunskaper utöver data scientist-roller och satsa på utbildning för att höja den allmänna kunskapsnivån inom data och analys. Gartner anser att bristfälliga kunskaper om data är en av de största orsakerna till att företag inte lyckas skapa en datadriven kultur med alla dess fördelar.

Kunskapssatsningar inom data må vara en nyhet inom företagsvärlden, men inte i den akademiska världen. Där har man i många år arbetat med att utveckla studenternas kompetens inom kritiskt tänkande och analys. Det har varit nödvändigt för beslutsfattande och problemlösning i såväl personliga som professionella sammanhang. Vid institutioner som University of Pittsburgh, Carnegie Mellon University och University of Edinburgh formas nästa generation av ”digitala infödingar”. Dessa studenter erbjuds program och kurser inriktade på datakompetens på både grund- och forskarnivå, oavsett vilket ämne de studerar, vilket alstrar en generation av digitala infödingar. University of South Florida Muma College of Business har startat ett program kallat Citizen Data Scientist certificate program. Där får studenter som saknar tekniska kunskaper lära sig att samla in och analysera data för affärsbeslut. Tack vare dessa kunskaper i analys och data står de väl rustade att hitta jobba på den digitala arbetsmarknaden.

Bolagen följer nu universitetens exempel. Antingen etablerar de egna datakompetensprogram, expertcentrum och communityn, eller så letar de upp utbildningar som ges av tredje part och externa communityn. En del företag subventionerar analyscertifieringar när de börjar mäta hur kunskaperna i data utvecklas inom företaget. De här satsningarna syftar även till att lyfta kunskapsnivån hos den befintliga personalen som saknar kunskaper om data. Det behövs för att ta dem till samma nivå som nästa generation av digitala infödingar som är på väg ut på arbetsmarknaden.

Företaget Lockheed Martin har lanserat formella workshoppar och kurser i datakunskaper för att engagera och utbilda sina anställda i hela USA. Eftersom datakunskaper är centrala för deras digitala transformation planerar de att utvidga satsningen under 2020. Det här globala företaget inom säkerhets- och rymdfartsindustrin hoppas kunna erbjuda den här utbildningen till personal inom tillverkning och andra roller som traditionellt sett inte arbetar med analys. Företagsanalysteamet har noterat hur medarbetare förhåller sig annorlunda till data i sina respektive roller och skapar mervärde med sina nyvunna kunskaper. Anthony Brown, ledare för företagsanalys på Lockheed Martin, kommenterar: ”En sak som vi har märkt är viktig för grundläggande datakunskaper är att verkligen förstå var datan används, hur den används och varför det är viktigt [...]. Men när den insikten väl finns där börjar de även att bry sig mer om vilken data de lägger in, och det förbättrar både datakvaliteten och dataprecisionen.” Anthony och hans team planerar att använda det interna verktyget Eureka för att nå sitt mål, vilket är att hantera och skala satsningen på dataläskunnighet till mer än 100 000 anställda. Eureka är en Twitter-liknande plattform där anställda kan skapa communityn, ställa frågor, ge svar och stödja varandra i arbetet med att förbättra organisationens datavisualiseringar och rapportering.

Marina Brazhnikova, BI-chef inom datavisualisering, har uppmärksammat den enorma efterfrågan på analys inom hela sin organisation, ett stort akademiskt hälso- och sjukvårdssystem i södra USA som drivs ideellt. För att uppfylla det stora behovet av analys i denna datadrivna miljö, och fortsätta i än större skala har Brazhnikovas team fokuserat på att utbilda personalen i datakunskap och erbjuda det som kunderna, och verksamheten, kräver. Marinas team har sedan dess vuxit från två utvecklare till elva. De förbättrade kunskaperna om data har gjort medarbetarna mer engagerade och handlingskraftiga samt förbättrat effektiviteten generellt.

Den här gruppen av analytiska medarbetare vid Lockheed Martin, och andra företag som arbetar med att förbättra sina medarbetares datakunskaper tillför sina organisationer ett betydande mervärde. ”Förutom människor, processer och teknik” fungerar enligt Gartner, kunskaper om data som ”en central möjliggörare för digital verksamhet” när de flyttas från den akademiska testmiljön till bolagsvärlden. Organisationer som investerar i formell utbildning, i communitys som främjar kontinuerligt lärande och i certifieringar som mäter dataläskunnighet hjälper medarbetarna att nå framgång och påverka verksamheten. De är bättre förberedda på att vara agila eftersom digital transformation kräver datakunskaper för alla roller och nivåer.

Ämnes- och teknikexperter övervinner hypen och skapar en gemensam vision för artificiell intelligens och maskininlärning.

Artificiell intelligens (AI) är ordet på allas läppar, nästa skedet i den digitala omvandlingen. Organisationer hoppar på AI-projekt för att behålla sin konkurrenskraft. Förra året förutspådde IDC att ”utgifterna för AI globalt beräknades överstiga 35 miljarder dollar år 2019 och mer än fördubblas till 79,2 miljarder dollar år 2022.” Trots att de satsar mer pengar på AI skapar de flesta organisationer fortfarande inget värde av dessa investeringar. Fokus har sedan början legat på tekniken snarare än på praktiska användningsfall.

Ny teknik och nya tjänster har lagt grunden för ett nytt skede i AI-mognaden. Många organisationer har nu ett mer praktiskt tillvägagångssätt. Istället för att testa AI-projekt i innovationslabb sätter de nu ihop team som skapar, testar och implementerar AI-projekt. Andrew Moore, chef för Google Cloud AI, beskriver det så här i artikeln When AI Becomes an Everyday Technology i Harvard Business Review: Vi befinner oss nu i tidseran för ”distribuerad AI”. Människor är inte längre så fokuserade på tekniken utan mer på en ”gemensam vision” för AI som skisserar hur AI och maskininlärning passar in i befintliga processer och teamstrukturer. Istället för att data scientists och ingenjörer arbetar med AI-projekt i silon tar de här teknikexperterna in ämnesexperter för att diskutera strategisk planering. De säkerställer att planerna för AI och maskininlärning stämmer överens med verksamhetens generella strategier.

Genom att samarbeta kan de komma fram till vilka affärsbeslut som är lämpliga att fatta med hjälp av AI och vilka som kräver mänsklig medverkan. Låt säga att du ska öppna en ny butik, något du aldrig gjort tidigare. För att prognostisera butikens förväntade försäljning kan ett AI-drivet system ge en rekommendation baserad på fysiska kundbesök eller demografi i området. Men för att ta reda på sådant som platsens synlighet, konkurrensen och parkeringsmöjligheter behöver du ändå lita på mänsklig expertis. Värdet av maskininlärda rekommendationer är inte större än de människor som fattar besluten. Richard Tibbetts, förste produktchef inom AI på Tableau, förklarar: ”AI innebär inte att det är en algoritm som talar om hur du ska driva ditt företag. Det är experterna inom respektive ämnesområde som kommer att se till AI börjar användas och accepteras i en organisation.”

Det finns en annan väsentlig fördel med att involvera ämnesexperter i diskussionerna kring AI och maskininlärning – de kan fungera som förespråkare för AI i organisationens olika funktioner. Ett utökat samarbete mellan teknikexperter och ämnesexperter främjar kunskapsutbyte mellan de två sidorna. I en artikel ur McKinsey Quarterly delade Cameron Davies, chef för Corporate Decision Sciences vid NBCUniversal, ett användningsfall om årliga prognoser. En uppsättning maskininlärda algoritmer skulle byggas och visas upp för att förstärka processen. De kallade in en forskare för att bidra till projektet i ett tidigt skede. Det slutade med att han började propagera för fördelarna i de olika affärsenheterna och lärde andra hur de skulle tolka rekommendationerna.

Dataexperterna får värdefull kunskap om hur verksamheten använder data medan ämnesexperterna lyfter icke-tekniska roller som förespråkare för datakompetens. Ämnesexperter har en nyckelroll när resultaten av sådana AI-projekt ska användas i praktiken på avdelningar och inom team. Deras relationer och den expertis de besitter banar väg för en ny mognad inför AI-användningsfall.

Varumärken tillämpar narrativ på konsumentdata för mer autentiskt och upplysande engagemang

Vilka fotografier tyckte du bäst om 2019? Vilken musik lyssnade du mest på? Hur mycket tränade du? För 2000-talets konsumenter är sådana databerättelser mer tillgängliga och inspirerande än någonsin. Vi har vant oss vid att företag samlar in vår data och vi förväntar oss till och med att de ska ge oss sammanfattningar av vårt beteende på vecko- eller årsbasis. Och nu, när de här insikterna är mer genomträngande än någonsin, stärker varumärken konsumenternas engagemang genom att göra våra databerättelser mer meningsfulla, passande och interaktiva.

Berättande med data är ett effektivt sätt för företag att illustrera våra vanor och engagera oss på ett helt annat sätt än kalla fakta och siffror. Tänk bara på dina egna banktransaktioner. De är detaljerade berättelser om alla dina betalningar, insättningar och avgifter som är kopplade till ditt konto. Men lägger du någon tid på att analysera dem? Vid kalenderårets slut får du en visuell sammanställning av dina inköp, organiserade i olika kategorier. Genom att se din data presenterad på ett annat sätt får du omedelbart syn på trender och börjar ställa viktiga frågor: ”Har jag lagt för mycket pengar på kläder när jag skulle kunna resa eller investera mer i mina fritidsintressen?”

En snabb titt på dina utgifter är ett enkelt exempel, men den här typen av årlig sammanställning visar vilken styrka det finns i att sätta datan i sitt sammanhang för att få insikter. I sitt Gartner-blogginlägg Use Data and Analytics to Tell a Story skriver Christy Pettey: ”Det är i sitt sammanhang som data tillför värde och gör att människor lyssnar och engagerar sig.” Precis som i de här berättelserna blir det mer spännande när man interagerar med data. Att leverera data direkt till din inkorg eller smartphone ger en helt annan nivå av bekvämlighet som gör det både möjligt och värt tiden.

Personanpassade insikter kan vara spännande och leda till nya frågor och åtgärder. En del företag går ett steg längre och ger rekommendationer tillsammans med din data. Slack, en programvara för samarbete inom företag, tillhandahåller data om de kanaler och konversationer som din organisation deltar i. Men Slack ger även personanpassade råd, till exempel att du kan fokusera på mer produktiva konversationer om du lämnar kanaler som är inaktiva eller inte så välbesökta. (Bara för att förtydliga, det är ingen som föreslår att du slutar visa dina kollegor foton på dina husdjur.)

Sådana personliga datainteraktioner blir ännu mer engagerande med interaktivitet. I Ditt år på Spotify får lyssnarna gissa vilken artist de har streamat mest under det gångna året. Facebook har också ett quiz för dig och en vän när ni kommer till en betydelsefull milstolpe i er vänskap online. Det kan till exempel handla om att ni ska gissa hur många gånger ni har gillat varandras innehåll eller välja vilket av fyra foton på er två som laddades upp först. Frågesportsaspekten gör det inte bara mer tilltalande att interagera med din historiska data. Du får även en intressant möjlighet att ställas inför dina förutfattade föreställningar om din egen databerättelse.

Vi förväntar oss att få se fler varumärken erbjuda dataupplevelser och interaktiva insikter av det här slaget. Personanpassade kundupplevelser hjälper företag att stärka kundernas lojalitet och nöjdhet och ger nya möjligheter, till exempel återkommande köp, merförsäljning eller korsförsäljning. De utvecklar även vårt förhållande till dessa varumärken och skapar ett viktigt värde för oss som kunder, bland annat mer meningsfulla upplevelser för personer som vanligtvis inte engagerar sig i dataanalys. Ju mer värdefulla och informativa våra interaktioner med våra egna databerättelser blir, desto fler företag kan få oss att ändra vårt beteende och växa såväl privat som professionellt.

Data är en resurs som visar att rättvisa är ett måste för nöjdare medarbetare och bättre affärsresultat

Data håller på att bli en avgörande tillgång för organisationer som arbetar för ökad rättvisa. Med bättre data kan organisationer, såväl ideella som myndigheter och bolag, identifiera vilka individer eller grupper som är underrepresenterade eller som av strukturella skäl inte är representerade. Därmed kan de se till att alla grupper finns representerade, vilket innebär diverse fördelar för alla inblandade. Att skapa rättvisa miljöer och system är nödvändigt av moraliska skäl. Men det har även positiva effekter på både de individer och organisationer som genomför dem. Bolag som är öppna med sin personaldata har större chans att få nöjda medarbetare som stannar kvar. Detta återspeglas också bland deras kunder och communitys. Forskning visar att några av de fördelar som mångfald och rättvisa på arbetsplatsen för med sig är bättre lönsamhet, optimal driftseffektivitet och en attraktiv arbetsplats som lockar kompetenta talanger.

Med data kan organisationer analysera sina mätvärden för mångfald på detaljerad nivå och använda den informationen för att identifiera och eliminera systemiska orättvisor. Människor som är uteslutna från politiska diskussioner eller kvalificerade för stödinsatser kan bli synliggjorda, förstådda och få stöd med hjälp av data, inom såväl privat som offentlig sektor. Data används av ideella verksamheter som skapar rättvisa med stödverktyg åt lokala ansvariga för att främja kvinnor och barns rättigheter. Samtidigt använder regeringar dashboards för att visa orättvisor mellan raser, kön, ekonomiska eller kulturella grupper.

Utbildningssystemet i USA är ett exempel där data har använts för att skapa rättvisa. Equal Opportunity Schools (EOS) biträder fler än 540 skolor. De arbetar med skoldistrikten och analyserar deras data i syfte att förbättra tillgängligheten till avancerad placering (AP) och internationella studentprogram. Under det senaste årtiondet har EOS hjälpt skolor att ta emot fler än 43 000 färgade studenter och studenter med låg inkomst på de här avancerade akademiska utbildningarna, studenter som ofta är förbisedda och underrepresenterade. För närvarande syns inte den etniska mångfalden på 98 % av de avancerade placeringarna (AP) och internationella studentprogrammen i USA.

Med data hjälper EOS skolor att snabbt och effektivt identifiera mörkhyade studenter vars resultat visar att de har goda chanser att lyckas på de här avancerade utbildningarna. Dessa studenter får möjlighet att gå utbildningar som tidigare inte varit tillgängliga för dem och utbildningarna blir något mer rättvisa.

Liknande analyser av arbetsplatsdata kan hjälpa privata företag att driva mångfald och skapa integrationsprogram och diagnostiska verktyg som kan mäta dessa satsningar kvantitativt. När löner, kön och etniska orättvisor synliggörs blir det tydligt för ledningen vilka som anställs och vilka som inte anställs, om program är tillgängliga för alla och hur pass effektiva befintliga program är.

Om arbetsplatsen är öppen med sin data är det lättare för medarbetarna att känna sig trygga och nöjda. En nöjd medarbetare är mer produktiv och presterar bättre. En rapport från Deloitte visar att inkluderande organisationer hanterar individuella prestationsproblem 3,6 gånger bättre än organisationer som saknar en avsiktlig strategi för att inkludera medarbetare. Investeringen i mänskliga resurser är ofta den största för alla företag. Företag som satsar på att vara mer inkluderande behåller sina medarbetare längre och har lättare att rekrytera, vilket ger utdelning på lång sikt.

En rättvis arbetsplats med mångfald påverkar även lönsamheten positivt. I McKinseys forskningsstudie Diversity Matters påvisades en koppling mellan ekonomiska resultat och en jämställd miljö med etnisk mångfald. ”De företag som återfinns i den övre kvartilen vad gäller jämn könsfördelning hade 15 % större chans att ha en högre ekonomisk vinst än det nationella medianvärdet inom deras bransch.” ”Företag som återfinns i den övre kvartilen vad gäller jämn könsfördelning och etnisk mångfald hade 35 % större chans att ha en högre ekonomisk vinst än det nationella medianvärdet inom deras bransch.” Förhållandet mellan resultat och mångfald stärker den avgörande roll data har som resurs, en öppen resurs, för att skapa jämställda arbetsplatser med nöjda medarbetare och en framgångsrik organisation.

Alla chefer har ansvar för framtiden för data och analys

Organisationer investerar flera biljoner dollar för att bli mer datadrivna, men enligt McKinseys analysundersökning från 2018 växer klyftan mellan ”ledarna och eftersläntrarna”, mellan de som lyckas med sina datainitiativ och de som kämpar för att få ut något av sina satsningar. De mest framgångsrika datadrivna företagen investerar lika mycket i kultur som i teknik och integrerar data i företagets kärnfunktioner. Och organisationskultur – inklusive datakultur – börjar längst upp.

Rollen chief data officer (CDO) har vuxit fram på senare år som ett tecken på det stigande värde data har inom företagen, och hur viktigt det är att ledningen stödjer satsningar på data och analys. CDO:er fick i uppgift att inkludera samtliga av verksamhetens aspekter i en enda analytisk strategi, med målet att överbrygga klyftan mellan IT-avdelningar och verksamheten CDO:er driver fortfarande satsningarna på digital transformation, med den skillnaden att cheferna nu är redo att behandla data och analys som ett gemensamt ansvar.

Alla funktionella ledare förväntas komma med viktig input från sina egna team till organisationens data- och analysstrategi. Ledare måste förstå hur medarbetarna använder, delar och presenterar data inom sina respektive områden. ”Din datastrategi måste omfatta hela organisationens behov för att säkerställa att den stödjer de övergripande affärsmålen”, säger Mike Hetrick, senior produktmarknadsföringschef på Tableau. ”Data- och analysstrategi måste omfatta människor, processer och förändringshantering”.

En annan viktig del av det här ansvaret ligger i ledningens stöd. Utöver strategin måste ledarna även ge medarbetarna de verktyg och den utbildning de behöver för att skapa en datadriven framtid. ”Sponsorer i ledningsställning kan inte enbart tänka på hur tekniken ska spridas inom hela organisationen. De måste även erbjuda adekvat stöd, utbildning, förändringshantering och en möjlighet att ta sig förbi eventuella hinder inom organisationen”, menar Hetrick. ”En del av sponsorrollen är att vara en förebild och att förespråka data.”

Det är förväntningar som finns ända upp på vd-nivå. På det ledande sydafrikanska flygbolaget Comair ville till exempel Business Intelligence-teamet att självbetjäningsanalys skulle spridas till alla delar av företaget. De hade en idé om att starta ett program för utbildning och onboarding av nyanställda – ett program för dataförvaltare. Programmet skulle innebära att dataexperter kan gå in i verksamheten för att hjälpa nya användare och främja självbetjäning. Företagets vd gav sitt stöd för programmet och det gjordes påtagliga framsteg mot målet – en analyskultur. ”Vi har turen att ha en vd som är mycket intresserad av data”, sade Liezl Brouckaert, Business Intelligence-chef på Comair. ”Om vd:n inte ger sitt stöd är det närmast omöjligt att genomföra ett Business Intelligence-program.”

Metoden innebär att hela ledningen har ett mer underbyggt perspektiv på data och analys. Data får en nyckelroll i strategiska samtal och styrelsemöten. När samarbetet startar på ledningsnivå får data- och analysinitiativ det stöd som krävs för att ändra hur organisationen drivs i grunden. Data blir en naturlig del i de dagliga samtalen och arbetssättet inom alla avdelningar och roller.

För att stödja datadrivet beslutsfattande i stor skala låter organisationer allt fler medarbetare delta i datahanteringen

Har du tänkt på vilken status din data har? Vet du var den finns, vem som använder den och hur ofta? Vet människor i din organisation vilken data som är lämplig för att fatta beslut och hur de kommer åt den?

Datadrivna ledare förändrar sina organisationer med hjälp av nya lösningar som integrerar distribuerade data-pipelines. Roller och processer för hur data preppas, anpassas och delas inom verksamheten förändras tillsammans med utvecklingen inom datatekniken. IT-avdelningar borde göra som Ghostbusters: även om det inte rekommenderas att korsa strålarna kan det ibland lösa stora, skräckinjagande problem. I det här fallet gäller det att sudda ut gränserna mellan IT-avdelningens och verksamhetens ansvar för datahanteringen så att organisationen inte längre begränsas av funktionella gränser och så att dataintegrering kan tillämpas i hela företaget i stor skala. Alla inom företaget får tillgång till rätt data i rätt tid.

För att kunna upprätthålla intern och extern efterlevnad är det absolut nödvändigt att lösa dessa problem med dataintegrering. Hela organisationen måste ha en fullständig bild av företaget, förstå kunden och hitta nya affärsmöjligheter. Många organisationer arbetar med att identifiera, preppa, styra och tillgängliggöra den data som hela organisationen har nytta av för alla. När det lyckas förändras hanteringen av data, och det börjar med tekniken.

Lösningsleverantörer bygger alltmer in möjligheter till datahantering, och inte bara med tanke på IT-avdelningar, utan även för andra användargrupper. När funktioner integreras i användarnas arbetsflöde, även i analysplattformar, blir det naturligt för medarbetare att ta ett större ansvar för datahanteringen som traditionellt sett har skötts av IT-avdelningen. Det är nästa naturliga steg i utvecklingen av självbetjäning inom Business Intelligence. Det började med att organisationer gjorde data mer tillgänglig för att sedan göra det möjligt att utforska den djupare. Dessutom kunde nya typer av användare skriva analytiskt innehåll. En del användare kan givetvis ta till sig data på egen hand. IT-avdelningarna lärde sig att göra avvägningar mellan styrning och självbetjäning i varje skede och användarna kunde göra en del av jobbet själva. Sådant samarbete över avdelningsgränserna är helt avgörande för att hantera data och analys eftersom det påverkar hela verksamheten.

Dataförberedelser som självbetjäning är ett bra exempel på den här utvecklingen. Olika delar av de traditionella extraktions- omvandlings- och laddningsprocesserna kan nu hanteras genom självbetjäning med moderna verktyg som är integrerade i analysarbetsflödet. Det kan även vara en utgångspunkt för att testa nya användningsfall innan de börjar användas i hela organisationen. Det är något alla parter vinner på: företaget kan ta mer ansvar över datahanteringen och därigenom reducera (traditionellt) långdragna utvecklingscykler samtidigt som IT får mer tid att utföra de specialistuppgifter som de är bäst på.

Ytterligare ett exempel på denna utveckling är datakatalogen – en förteckning över de datatillgångar som kan definiera och kvalificera data samtidigt som förhållandena mellan datakällor, innehåll och användare spåras. I organisationer där ansvaret för att integrera och hantera data är utspritt har katalogen en viktig roll som central översikt över vad som händer med företagets datatillgångar. Med kataloger är det enklare att upptäcka och lyfta fram data, förstå vikten av att den är relevant och färsk samt övervaka vem som använder vissa tillgångar.

Moderna kataloger tar fram den här värdefulla informationen och lägger dessutom till företagskontexten direkt i användarnas analysflöden. Så när mer data integreras och blir tillgänglig för flera inom en organisation lär sig människor att förstå kvaliteten på sin data, och hur de kan använda den inom uppsatta policyriktlinjer. Det är här kunskaper om data blir avgörande. Användare måste åtminstone kunna tolka dataindikatorer och identifiera vad som är tillförlitlig och relevant data. När dataanvändare kan vara sina egna dataförvaltare minskar IT-avdelningens börda samtidigt som man säkerställer att data används ansvarsfullt vid beslutsfattande. Mer sofistikerade användare som har rätt färdigheter kanske går vidare till att preppa data genom självbetjäning, certifiera nya datakällor som kan användas inom organisationen eller lägga till företagskontext som metadata i en anpassningsprocess.

IT-avdelningen och verksamheten kan hitta nya samarbeten och harmoni sinsemellan, trots att gränserna mellan funktioner och ansvar suddas ut. Ett anpassat tillvägagångssätt som omfattar användare och målsättningar samt bredare initiativ för datahantering kommer att lyckas, eftersom både IT-avdelningen och verksamheten satsar på ökad synlighet, upptäckbarhet och förtroende för deras datamiljö. Det innebär även att organisationen kan identifiera och prioritera de datatillgångar som är mest värdefulla samt ge bättre stöd för kontrollerad data och analys i större skala.