I dag har de flesta detaljhandelsföretagen tillgång till mycket stora datamängder – så kallade ”Big Data”. Dessa data kan t.ex. bestå av kund-, produkt-, transaktions-, försäljningskanals-, geospatial-, text- och bild-data (som observeras över tid). Intresset av Big Data bland detaljhandelsföretagen är av uppenbara skäl enormt, och med adekvata analysmetoder kan t.ex. konsumenters beteende predikteras.

Bristerna i både teori och metod, hos såväl användare som hos forskare, gällande detaljhandelsdata och prediktiv analys är dock påtagliga. Faktum är att stora delar av informationsvärdet i Big Data inte utnyttjas, och ofta vet man helt enkelt inte vad man skall göra med all data. Prediktiv analys baserat på Big Data står också inför ytterligare utmaningar i och med EUs annalkande dataförordning – The General Data Protection Regulation [GDPR] – och hur data i framtiden de facto får användas.  Behovet av forskning kring hur teori och metod kan kombineras för att extrahera informationsvärdet i Big Data, under GDPR, är således ytterst angeläget.

I strävan att efterse detta behov har ett tvärvetenskapligt projekt initierats vid Handelshögskolan i Stockholm, där ämnesledande forskare från Center for Retailing [CFR] och Center for Economic Statistics [CES] samarbetar. Projektet är unikt i bemärkelsen att tillgången till Big Data ges från ledande detaljhandelsföretag i Sverige. I projektgruppen ingår också två stycken doktorander.