Big data exploitation : an analysis on how different companies leverage data

Today’s world is in the middle of a change with digital technologies that are integrating into people’s lives more such as; artificial intelligence, machine learning, and internet of things. A very significant part and enabler of these technologies is big data and how companies can recognize and use the full potential of it depends on many factors. Big data either generated internally to the company or not, create new pathways for businesses to grow. Mobile devices and the stable connectivity of the internet enable companies to collect all types of data without much conscious effort. Rather than relying on traditional means of obtaining insight via questionnaires and other means, companies can track how people use connected devices and mobile applications easily. With the growing importance of analytics, companies can analyse and predict certain patterns in people that might create opportunities that are not easily seen. The aim of this thesis is to focus on 38 unique cases that are selected based on different industries and analyse their innovative ways of using data. There are many companies that exploit big data in the industries such as transportation and data analytics that are quite similar, and the selected cases reflect various aspects of each industry. After analysing each case and creating models for them based on 6 variables that are created to differentiate the uses of big data, 2 of these variables has created 4 types of big data companies. These 4 types reflect different ways of leveraging big data and 2 of them are named as Standalone Improvers and Enhanced Exploiters. These two types resemble Technology Substitution and Technology Epiphany strategies created by Verganti (2009). This shows that many big data using companies either substitute their current technology with big data applications and not change the current meaning or use them to generate new meanings as well as using new technology. Conceptual frameworks of all the discussions are presented in the thesis and the current limitations of the research are discussed, leaving room for future development in the topic.

Il mondo di oggi è nel bel mezzo di un cambiamento con tecnologie digitali che si stanno integrando maggiormente nella vita delle persone, come l'intelligenza artificiale, l'apprendimento automatico e l'internet delle cose. Una parte molto significativa e abilitatrice di queste tecnologie è costituita da grandi dati e il modo in cui le aziende possono riconoscerne e sfruttarne appieno il potenziale dipende da molti fattori. I grandi dati generati internamente all'azienda o meno, creano nuovi percorsi di crescita per le aziende. I dispositivi mobili e la connettività stabile di Internet consentono alle aziende di raccogliere tutti i tipi di dati senza uno sforzo consapevole. Piuttosto che affidarsi ai mezzi tradizionali per ottenere informazioni tramite questionari e altri mezzi, le aziende possono tenere traccia di come le persone utilizzano facilmente i dispositivi connessi e le applicazioni mobili. Con la crescente importanza dell'analitica, le aziende possono analizzare e prevedere alcuni modelli di persone che potrebbero creare opportunità non facilmente visibili. Lo scopo di questa tesi è quello di focalizzarsi su 38 casi unici selezionati in base ai diversi settori industriali e analizzare le loro innovative modalità di utilizzo dei dati. Ci sono molte aziende che sfruttano i grandi dati in settori come il trasporto e l'analisi dei dati che sono abbastanza simili, e i casi selezionati riflettono vari aspetti di ogni settore. Dopo aver analizzato ogni caso e creato modelli basati su 6 variabili che vengono create per differenziare gli usi dei grandi dati, 2 di queste variabili hanno creato 4 tipi di grandi aziende di dati. Questi 4 tipi riflettono diversi modi di sfruttare i grandi dati e 2 di essi sono denominati Standalone Improvers e Enhanced Exploiters. Questi due tipi assomigliano alle strategie di Technology Substitution e Technology Epiphany create da Verganti (2009). Questo dimostra che molti grandi dati che utilizzano aziende o sostituiscono la loro tecnologia attuale con applicazioni di grandi dati e non cambiano il significato attuale o li usano per generare nuovi significati e utilizzare nuove tecnologie. Le strutture concettuali di tutte le discussioni sono presentate nella tesi e i limiti attuali della ricerca sono discussi, lasciando spazio a futuri sviluppi nell'argomento.