DEBATT: Praksisplass

Dette lærte vi om dataanalyse på praksisplass

Seks studenter fra Handelshøyskolen BI fullførte nylig ti ukers praksisperiode hos SAS Institute som en del av masterstudiet i Business Analytics. Her deler de lærdommen om dataanalyse og forretning etter å ha jobbet med kundene Widerøe, Altibox og Norges Fotballforbund.

Marius Karlsen Sæthren, Joakim Martinsen, Kashmeel Bisseru, Juan Manuel Ruiz Acosta, Lorenz Eichorn og Abhijeet Kumar Singh fra BI har hatt praksis i dataanalyse.
Marius Karlsen Sæthren, Joakim Martinsen, Kashmeel Bisseru, Juan Manuel Ruiz Acosta, Lorenz Eichorn og Abhijeet Kumar Singh fra BI har hatt praksis i dataanalyse.

Seks studenter fra Handelshøyskolen BI fullførte nylig ti ukers praksisperiode hos SAS Institute som en del av masterstudiet i Business Analytics. Her deler de lærdommen om dataanalyse og forretning etter å ha jobbet med kundene Widerøe, Altibox og Norges Fotballforbund.

  • Utvikling

Dette debattinnlegget gir uttrykk for skribentens meninger. Debattinnlegg kan sendes til tips@digi.no

De fleste har en anelse om hva avansert analyse dreier seg om, men ikke alle skjønner helt konkret hva det er. Nå kan vi etter ti ukers praksis, med hånden på hjertet, si hvordan bedrifter kan styrke seg selv og sine tjenester, ved hjelp av data.

Vi holder alle på å ta mastergrad i anvendelse av avansert analyse i forretningsprosesser (Business Analytics) på BI. SAS Institute ga oss anledning til å bygge erfaring og en mulighet til å skape innsikt og forretningsverdi hos tre av deres kunder.

Etter ti ukers praksis, med pandemien hengende over oss, fikk vi god anledning til å anvende teorien fra BI. Dette blir utvilsomt en karrierevei for stadig flere og vi håper våre erfaringer kan inspirere enda flere til å bli interessert i og jobbe med dette.

Bedre kundereise for Altibox

Marius og Juan: Altibox har over 650.000 abonnenter på sine tjenester innen TV, IP-telefoni og internettprodukter. Vi fikk oppgaven å hjelpe dem optimalisere kommunikasjonen med kundene, ved å bruke avansert analyse. Til dette brukte vi en løsning som analyserer alle tilgjengelige data på tvers av kanaler og datakilder.

Dette kaller man optimalisering av kundereisen. Nemlig opplevelsen brukeren får på deres digitale flater. Vi brukte løsningen for at hjemmesiden til Altibox skulle vise det mest relevante innholdet til brukerne basert på personalisert innsikt. Da kan Altibox velge riktig budskap, innhold og kanal i sanntid, og skape bedre opplevelser. Det er en vinn-vinn-formel for Altibox, kundene og lokale partnere.

Mot slutten av praksisperioden presenterte vi prosjektet for ledergruppen deres, med flere nye ideer for framtida. Blant annet om å inkludere attribusjonsanalyse og prediktiv modellering, med en kombinasjon av flere løsninger for datainnsamling og maskinlæring. Vårt arbeid resulterte i at Altibox nå i 2021 iverksatte et utredning av hvordan de skal gjennomføre dette.

Les også

Utfordrende fra Widerøe

Lorenz og Abhijeet: Våre mentorer fulgte oss opp og lærte oss hvilke verktøy vi skulle bruke innen datainnsamling, kunstig intelligens og maskinlæring.

  • Det er viktig å forstå hvorfor noen selskaper er mer suksessrike enn andre. Helt grunnleggende må man lære seg kundenes atferd for å skjønne hva de liker og hvorfor de gjør som de gjør. Når du kan disse to, blir jobben å skreddersy en opplevelse for brukeren basert på denne innsikten, sa Erlend Bjorstad.

Hvordan kan man bruke samme metode for et flyselskap som for et teleselskap? Her viste det seg å være et stort gap mellom klasserommet og virkeligheten. Rådata er ikke forståelig for et normalt menneske. Derfor lager man en analytisk basetabell (ATB). Forhåndsprosessering av data utgjør 80 prosent av jobben til en data scientist, viser undersøkelser vi har lest. Med andre ord går mesteparten av jobben ut på forberedende arbeid.

Etter mange timer og god opplæring klarte vi å lage en tabell som viste seg å være god for Widerøes behov. Målet er å forstå brukere fra forskjellige grupper, basert på felles egenskaper vi finner i innsikten om hver enkelt. Klarer man det, blir man i stand til å bedre tilpasse tjenestene. Vi jobbet her med åpne kildekodespråk som Python og R i kombinasjon med SAS’ egne verktøy for dataintegrering. Det var utfordrende, men forsterket lidenskapen vår for dataanalyse.

Norges Fotballforbund og den digitale fotballverden

Joakim og Kashmeel: I Norge er breddefotballen et stort tema hvor stadig nye diskusjoner startes. For en stor fotballentusiast, var det en spennende oppgave å jobbe med analyseavdelingen deres og se på verktøy og modeller for å øke deltakelsen i breddefotballen. Samtidig vil de redusere risikoen for unødvendig frafall  i klubbene. NFF hadde forberedt et solid datagrunnlag før møtet og ønsket seg et proof-of-value konsept som tydelig demonstrerte hvordan de kan øke andelen utøvere i barneklubber basert på data.

Når vi lykkes er det med et solid lag støttespillere og nettverk rundt oss. Vi fikk innblikk i hverdagen til en dataanalytiker og disse 10 ukene gav oss læringsutbytte både på et personlig og profesjonelt plan. Nå sitter vi igjen med en mestringsevne som overgår det vi håpet på, og har fått kontakter i bransjen som helt sikkert vil bli nyttige i framtida.

Felles for oss alle er at vi lærte om virkelige forretningsprosesser. Erlend Bjorstad, Cross Industry Growth Lead, åpnet viktige dører for oss og inkluderte oss på en fin måte i SAS-teamene som jobbet med de respektive kundene. Samtidig fikk vi faglige mentorer som støttet oss i arbeidet med oppgavene våre. Dette gav oss muligheter til å få innsikt i virkelige forretningsprosesser og forstå samspill i team, både på tvers hos virksomhetene vi jobbet med og mellom disse virksomhetene og SAS som en strategisk partner. Vi lærte at «vinn vinn» virkelig er mulig for alle bedriftene vi jobbet med, og deres brukere.

Les også

Kommentarer (0)

Kommentarer (0)
Til toppen