BrandStory er et annonseprodukt, produsert etter gjeldende retningslinjer.

Retningslinjer for BrandStory

BrandStory er en markedsføringskanal for annonsører. Tanken bak annonseformatet er at firmaer med komplekse budskap skal få anledning til å gå i dybden på sine temaer, og ha mulighet til å få direkte feedback fra en relevant målgruppe.

Annonsørene er velkomne til å dele innsikt fra forskning og utvikling, refleksjoner rundt sin rolle i samfunnet og tanker om ledelse.

Produktreklame er ikke tillatt i dette formatet. Annonsører kan heller ikke bruke BrandStory som en kanal for tilsvar på journalistikk som utøves på redaksjonelle flater.

Basefarm-teamet Akos Buzinkay og Grunde Løvoll jobber med å skape big data-hverdagsløsninger. Det praktiske arbeidet med dette kalles data engineering.
Basefarm-teamet Akos Buzinkay og Grunde Løvoll jobber med å skape big data-hverdagsløsninger. Det praktiske arbeidet med dette kalles data engineering.
Innhold fra annonsør

Ledelsen står i veien for big data-jobbing – her kommer 5 råd

To av tre virksomheter har ingen big data-plan. De ser ikke poenget ennå og dypper bare såvidt tærne i datasjøene sine. Her er fem råd for å komme i gang og bakgrunn om big data.

Ledelsen står i veien for big data-jobbing. Det fremkommer av Basefarms Digital Ability Report for 2018.

Rapporten deler digital modenhet inn i fem stadier. 65,4 prosent befinner seg på de to første stadiene «ikke begynt» og «såvidt begynt». 7,5 prosent er i startgropa, 12,1 prosent er i gang og 11,2 prosent er i full produksjon.

Over 40 prosent av de store selskapene i undersøkelsen mener at det største hinderet er at ledelsen ikke forstår potensialet i big data og dataanalyse.

– Årsaken er neppe vrangvilje, men mangel på kunnskap om mulighetene, sier Jan Aril Sigvartsen, Chief Evangelist i Basefarm.

Hva er big data?

Big data-rådene

1. Invester i kompetanse - dette er ikke svart magi

Invester i kompetanse på hvordan big data kan innvirke på og bli brukt i virksomheten. Skaff innblikk i hvordan dette vil påvirke IT-avdelingens prosesser og arbeidsmåter.

2. Ikke start med teknologien, start med spørsmålet «hvorfor?»

Valg av teknologi følger naturlig når dere kjenner svaret på hva dere skal bruke big data til. Få hjelp utenfra dersom dere er usikre på mulighetene. Innledningsvis behøver ikke en gang IT være en del av prosjektet, men kan være drevet frem av forretningsutviklere og kreative sjeler ved andre avdelinger.

3. Start med et fyrtårnprosjekt

Start ut med et fyrtårnprosjekt hvor virksomheten kan lære og vise frem mulighetene internt. IT-avdelingen bør delta for å unngå innføring av IT-løsninger utenfor avdelingens kontroll (shadow IT). Et godt tips er fra første stund å jobbe med beste praksis og design med tanke på å tilgjengeliggjøre prosjektet for hele organisasjonen, ytterligere skalering og god sikkerhet.

4. Få ledelsen med

Vis prosjektene og nye forretningsmuligheter for ledelsen. Få frem potensialet og hvordan prosjektet kan bli implementert.

5. Få med organisasjonen
Integrér fyrtårnprosjektet i organisasjonen og sett det i produksjon. Pass på å strukturere datasjøen smart fra første stund. I dette arbeidet vil det definitivt være stort behov for kompetansen til IT-avdelingen eller en outsourcingspartner.

Vi tar ett skritt tilbake og spør: Hva er big data?

Big data er data som er høstet og strukturert på en annen måte enn i vanlige databaser. Dataene kan komme fra egen virksomhet og bli beriket med informasjon fra offentlig tilgjengelig registre.

Mange virksomheter sitter allerede på data som kan bli brukt. Enda flere har muligheter til å samle inn data for helt nye anvendelsesområder, som for eksempel logistikkselskapet som med sensorer montert på sine kjøretøy kan samle inn trafikkdata eller sanke inn data fra oppdragsgiveres målepunkter.

Dataene blir samlet i det som blir betegnet som datasjøer. Kompetansen på utnyttelse av dataene blir betegnet som Data Science.

Hva brukes big data til?

Akkurat som for så mye annet innenfor IT, så er mulighetene «uendelige». Grunnleggende kan analyserer vise repeterende mønstre i dataene. Mønstrene kan være kunnskap i seg selv, bli brukt til å identifisere objekter som ansikter og blomster, til å bygge algoritmer eller til å danne prognoser.

Her blir datasjøene knyttet til maskinlæring. Det første datagrunnlaget er kanskje ikke nok til å skille den ene blomsten fra den andre. Men, når ytterligere data blir lagt lag på lag med informasjon blir læringen og resultatene mer treffsikre.

Maskinlæring eller kunstig intelligens?

Ekspertene strides om det egentlig finnes kunstig intelligens eller om alt bare er maskinlæring. Et kjennetegnet på intelligens er å kunne ta erfaring fra et område og bruke på et helt annet. Om vi er der ennå er diskutabelt. I markedsføringssammenheng brukes uansett kunstig intelligens flittig på noe som definitivt er «bare» maskinlæring.

Et dataprogram kan utføre samme handling om og om igjen. Et dataprogram (algoritme) som er knyttet til maskinlæring og datasjø får et større grunnlag for problemløsning og kan utvikle seg. For eksempel kan data på denne måten brukes til å registrere adferdsmønstre i hjemmet og styre husets lys- og energibruk smart ut i fra dette.

Da kommer IoT inn - Internet of Things – både i form av sensorer og styrbare enheter.

Big data-hverdagsløsninger

Basefarm-teamet Akos Buzinkay og Grunde Løvoll jobber med å skape big data-hverdagsløsninger. Det praktiske arbeidet med dette kalles Data Engineering.

– Mange er ikke bevisste nok om dataene sine eller at nye verktøy er mer instrumentert for å utnytte dem. Markedsføring er et område med lavthengende frukter – konsekvensanalyse, beslutningsstøtte og prediktivt vedlikehold er andre. Brått blir alle enheter med sensorer eller som kan logge data til monitorer. Det er mange slike områder for verdifulle, big data-hverdagsløsninger, sier Grunde Løvoll.

– Det er flott å gjenkjenne roser, styre humanoide roboter og sånt ved hjelp av big data. Men, fra praktisk erfaring med større prosjekter i Telenor, DNV GL og NIVA vet jeg at hverdagsløsningene er ganske annerledes, sier Akos Buzinkay.

Som praktisk eksempel nevner han inspektører som inspiserer fartøy og installasjoner periodevis. Disse vet ikke hva de finner når de kanskje reiser halve kloden rundt til fartøyene.

– Med bedre data-analyse kan de kjenne tilstanden på forhånd og iverksette tiltak fremfor å lete. De kan også få melding om å komme noen måneder før eller senere.

Hjelp fra innovasjon til produksjon

Basefarm kan big data (data science & data engineering), AI – Artificial Intelligence (kunstig Intelligens) og maskinlæring fra A til Å. Selskapet er en uavhengig ende-til-ende tjenestetilbyder for Data Science, Data Engineering og Cloud Computing, og pioner innenfor veiledning, konsultasjon, planlegging og gjennomføring av komplette, digitale prosjekter

Data Science/dataviten
Hjelp til å utnytte data, teknologi, algoritmer, analyser og et riktig tankesett i forhold til nye bruksområder eller til å løse konkrete oppgaver. Basefarm gir råd og støtte til organisasjoner innen alle deler og stadier av deres digitale utvikling. I mange tilfeller kan vårt blikk tydeliggjøre potensialet bedre.

Data Engineering
Bruk av Data Engineering til å generere, samle, lagre, prosessere og konsentrere data, og i neste omgang bruke funnene til for eksempel forbedring av kundeopplevelser. Basefarm bistår i design av datasjøer, programvare og infrastruktur.