Ragnvald får innovasjonspris!

Og her er en hyggelig nyhet som fortjener å spres godt utenfor BI: Ragnvald fikk i forrige uke BIs pris for innovasjon i pedagogikk!

Her er nominasjonsteksten, underskrevet av en haug av hans kolleger fra både faculty og administrasjon:

Awards of this kind tend to go to people who pursue one particular innovation (using a particular technology in the classroom, for instance) in a way that is easy to explain and visualise. Ragnvald Sannes has persistently done innovation in teaching and course development for his whole career at BI:

  • He was the first to use web technology in the classroom, in 1995, setting up course pages and interacting with students over email and FAQs, in the process inspiring other faculty to start their own initiatives.
  • He has created a model for process-based EMM courses, where the students form groups through an innovation market, getting coaching through real-world projects that deliver real business value. The main redesign for this was with the course Strategisk Forretningsutvikling og Innovasjon 14 years ago, and the course has since then been oversubscribed. Out of the student projects have come new companies, major reorganisations and technology innovations. The approach has been copied for other courses, such as Analytics for Strategic Management, with business results conservatively estimated to more than NOK 100m.
  • He has built up a collaborative relationship with a number of technology companies in Norway, resulting in many initiatives that benefit students, such as competitions, excursions to companies in Norway and abroad.
  • He has consistently experimented with and developed technologies for use in the classroom and in courses – for instance, he spearheaded the use of webinars as a supplement to and replacement for lectures in EMM courses, as a way of delivering content to students. This included getting and testing technology which has become the standard at BI, long before the organisation started doing this in any systematic manner.
  • He has developed a number of courses (and now a bachelor program) aiming at teaching students not only about technology, but helping them implement it in context. For instance, his course Den digitale endringsagenten have students implementing chatbots and RPA (robotic process automation) while in the course, not just making the course relevant to the students but making them eminently employable as well.
  • He has patiently and persistently been a faculty representative and expert on committees and projects associated with the use of technology in the classroom since he started at BI 25 years ago – the latest being the initiative with Skills Norway to develop flexible solutions for executive education within digital competencies.

The pedagogical innovation BI needs is not showy use of single technologies, but relentless evolution of teaching, content and technology over long periods of time. Ragnvald exemplifies how this should be done – hence, he deserves this award.

Intellektuelt friminutt

Det blir mye stress om dagen – alle dager, når jeg tenker meg om. Mye tid blir brukt i bil, noe som jeg faktisk synes er helt greit, for da har man tid til å tenke og ta telefonsamtaler. Hørte om Arthur Buchart for noen år siden at han hadde kontoret sitt i en Mercedes stasjonsvogn, og jeg kan forstå det. (Har lekt med tanken om å ha en bil med et kontor i – ikke en bobil, men en litt ombygget varevogn eller SUV. Skikkelig firmabil.)

Uansett, av og til trenger man å koble av med noe helt annet. Radio er ikke lenger det mediet det aldri har vært – blir for mye pludring – selv om det hjelper at jeg har Internet-basert radio og kan høre f.eks. på offentlige radiostasjoner i USA, såsom WBUR.

Men podcasts er i ferd med å ta over radioens rolle, akkurat som Youtube og Netflix utkonkurrerer lineær TV, og også her får det nasjonale konkurranse fra det internasjonale. For all del, det finnes masse gode podcasts i Norge også, men der NRK har intervjuprogrammer der man forsøker å forenkle for den store masse, har BBC intervjuprogrammer der fagfolk diskuterer med fagfolk.

Jeg bruker Spotify. Mitt foreløpige favorittprogram, og der jeg har startet (men jeg skal videre, tro meg) er Melvyn Braggs In Our Time (BBC player, Spotify), som handler mest om historie og filosofi, ispedd litteratur, natur- og samfunnsvitenskap. Formatet er enkelt – et tema spesifiseres, man inviterer tre professorer med sakkunnskap, og så spør en svært godt forberedt programleder om temaet og driver samtalen fremover. Hvert program tar en snau time, folk får lov til å fullføre setningene sine, og man lærer masse om temaer man har tenkt eller ikke tenkt på, som Melisende, Nero, Doggerland, fri vilje, Lawrence of Arabia, Limerick-traktaten, Robert Burns eller Picassos Guernica.

Min favorittepisode så langt var en kunnskapsrik og tydelig diskusjon om Hannah Arendt, som herved anbefales som stedet å starte. Arendts bok Eichmann in Jerusalem er en av de beste analyser av et samfunnsfenomen jeg noensinne har lest, og dette programmet har inspirert meg til å utforske hennes andre bøker.

God fornøyelse!

Kvantedatamaskiner og IoT

If you think you understand quantum mechanics, you don’t understand quantum mechanics. (Richard Feynman)

Notater fra et seminar i Forskningsparken. Advarsel: Notater tatt underveis – mangler, misforståelser og digresjoner i massevis.

Hva er en kvantedatamaskin? Franz Fuchs (SINTEF)
Introduction: Google’s «quantum supremacy» isn’t that… Quantum computers outperform regular computers on certain tasks (such as integer factorisation) but are unlikely to have practical use in the near future. Moore’s law is saturating, transition to a quantum age. Short history of quantum computing:

Quantum computers are at the stage of ENIAC at this point.
Two challenges for quantum computers: Hardare and software. Lots of research: EU has a quantum computing technologies flagship, worth 1b Euros, similar in the US and China. IBM has done a lot of research, up to 20 qubits devices. D-Wave uses quantum annealing, a kind of analog computing, free access for 1 minute, open source python tools. Alibaba, Microsoft, Google all experiment. Intel, Rigetti has technologies (the latter a hybrid), IonQ. In sum: Heavy investments into development from many parties. But: Classical algorithms run on a quantum computer will not run faster. Shor’s algorithm is not parallelism… Developments:

Applications will be quantum chemistry, AI, optimization, and simulations. In addition, cryptography, China is using quantum satellites to have safe video calls, and a quantum tunnel between Beijing and Shanghai, though this is not strictly quantum computing.

Question: Quality of qubits? IBM has a measure, depends on errors in measuring, connections, etc.

Question: Languages? A number of high-level languages (QISKit, Forest), mostly assembly at this point. Will be more general.

Kvanteberegning og IoT. Ketil Stølen
Naivt bilde av IoT: Data opp i skyen. Pipeline en flaskehals, dermed går man til fog computing (LAN-nivå) og edge computing (tingene selv). Stort problem at teknologien er fragmentert og umoden, mangler særlig testet software for integrering og interaksjon. Sikkerhet ofte et problem på grunn av manglende kapasitet. Samtidig gir nettforbindelse en kolossal angrepsflate. Eksempel: Casino angrepet gjennom et akvarium som sto i foajeen. Et annet problem er at man er svært avhengig av leverandører. Personvern også et stort problem – og mye av motivasjonen for edge computing.

Kan QC hjelpe til med disse problemene? Masse hype. Noen problemer: Størrelse (pga. behov for superkjøling.) På kort sikt må man jobbe med store QC-maskiner, hvordan kan dette gjøres. Forskning ved Delft snakker om behov for algoritmekunnskap go lokale satellitt-maskiner. Problem er at QC gir omtrentlige svar. Min digresjon: Bør kunne brukes til PGP-oppaknining og løsning av visse typer knapsack-problemer, der en omtrentlig løsning er bra nok.

Kvanteberegning ned til fog og edge vil antakelig kunne takle et sikkerhetsproblem. Kontra: QC kan føre til at man kanskje lager sikrere arkitekturer fra bunnen av.

Diskusjon: Ca. 95 algoritmer der man har funnet at QC er raskere, det er nokså lite. Optimalisering det som D-Wave driver med, annealing fungerer for optimalisering. Men smalt spektrum av brukerområder til nå.

En arkitektur som ikke er nevnt: Photonic quantum computing, skal kunne ha romtemperaturløsninger om 5-10 år. Gir et sikkerhetsproblem ved at dagens kryptering ikke holder for fremtidige metoder.

Kvantekryptering, kvantehacking og sikkerhet. Johannes Skaar (UiO)
Kvantekryptering kan gjøres i dag med en liten dings, Sende fire fotoner som detekteres, enkelt å gjøre. Quantum key distribution trenger en ekstra kanal, BB84-protokoll:

Dette er sikkert pga to prinsipper: Ikke mulig å klone kvanteinformasjon. Måling vil forstyrre kommunikasjonen. I praksis: nokså enkelt å hacke kvantekommunikasjon. Kvantehacking, russer (Vadim Makarov) med postdoc på UiO, laget en koffert som kunne gjøre dette.

Alternativer til kvantekryptering: Assymetrisk offentlig nøkkelkryptering. Symmetrisk privat nøkkelkryptering, Oppsummering: Mange problemer med kvantekryptering, men verdt å forske på dersom vi mister assymetrisk kryptering som alternativ.

Kvanteresistent kryptografi. Thomas Gregersen (NSM)
QC et problem fordi tradisjonelle algoritmer brukes lenge etter at de er obsolent, derfor må vi utvikle kvanteresistent krypto før QC finnes. Grovers algoritme (generell) og Shors algoritme (spesiell for integer faktorisering) er utfordring fordi den finner løsninger i lineær tid. Initiativer fra NIST og PQCRYPTO (EU) mot å utvikle dette.

Nye algoritmer vil måtte ha nøkler og signaturer som ikke tar for stor plass. Skal ikke ta for lang tid, og bruke kjente vanskelige beregningsprosesser. Mange kandidater:

En hel del av dette kommer til å bli implementert, scenariet er at det skal kunne kjøres på en klassisk maskin og beskytte mot en angriper med tilgang til kvanteanalyse. Ulike algoritmer har ulike fordeler/ulemper, mulig at man kan løse dette ved å rullere algoritmer for samme melding. Men det gjenstår å se om det rent praktisk er relevant å lage maskiner som kan angripe skikkelig krypto, men vi må bruke tid på denne forskningen i tilfelle noen klarer det.

Diskusjon: Mye av kryptoknekking skjer pga. dårlig implementering. Det å øke antallet algoritmer gjør at man øker risikoen for dårlige implementeringer, særlig i hardwarebaserte løsninger. Fascinerende at dette er det samme vi har sett før: Nytt domene, blir et nytt kappløp mellom knekkere og kodere.

Kvanteberegning og kunstig intelligens. Phillip Turk (SINTEF)
Innledning om AI og ulike metoder, fokus på søkealgoritmer, siden mye AI går ut på å søke over et stort antall mulige løsninger. Algoritmer er forskjellige – input er hvordan man organiserer gates – alle løsninger finnes i superposisjonene, algoritmene siler seg frem til den korrekte løsningen.

Kommentar: Kan man bruke en QC til å finne heuristikk som så kan gjøres om til en algoritme som kan brukes av en vanlig datamaskin? Første anvendelse antakelig maskinlæring ved hjelp av quantum annealing, kanskje innen ti år. Ennå ingen problemer der man har quantum supremacy, noe uklart om vi har det ennå, men det kan kanskje komme for et eller annet problem snart.

Send oss ditt digitaliseringscase!

econa-logo-magma-bannerSammen med Ragnvald Sannes, Bendik Bygstad og Jon Iden er jeg fagredaktør for et spesialnummer av Magma om erfaringer med digitalisering i Norge. Hensikten er å lage en samling med gode eksempler på digitalisering – vellykket eller ikke – til undervisnings- og forskningsbruk. Hensikten er ikke å belyse spesifikk teori eller gjøre for mye tolkning, ei heller å lage en samling pressemeldinger om hvor fantastisk smart bedrifter og organisasjoner har vært. I stedet vil vi ha dype eksempler på ting som er gjort eller er i ferd med å gjøres – med nok detaljer til at man kan lære av det.

Så – hvis du (bedrift, organisasjon, offentlig institusjon, enkeltperson) vil gjøre en innsats for digitalisering i Norge – ta kontakt med redaksjonen med forslag til bedrifter og organisasjoner som har erfaringer (gode og/eller dårlige) med digitalisering. Resultatet kan bli den samlingen med dype eksempler man kan henvise til å diskutere på ledermøter, forskermøter og fagdager om digitalisering rundt omkring i landet.

For vi mennesker lærer av historier og eksempler, ikke av teori alene. Og vi trenger litt kjøtt på teoribenene.

Ta kontakt hvis du har noe!

Diskuter digitalisering i Sophia Antipolis!

IMG_3657Nok en gang ønsker Ragnvald Sannes og jeg velkommen til et Executive Short Program (23-26 oktober i år) kalt Digitalisering for vekst og innovasjon i Antibes og i teknologiparken Sophia Antipolis, Europas svar på Silicon Valley, like utenfor Nice i Syd-Frankrike. Hensikten er å vise frem interessante nye teknologiske muligheter og invitere til en dialog om hvordan man kan ta disse i bruk innenfor egen virksomhet.

acc-sophDette programmet er ment som et møtested (gjerne for flere mennesker fra samme bedrift,) der vi i tillegg til å vise frem mye ny teknologi setter av tid til diskusjon mellom deltakerne. Det gir en anledning for ledere og ledergrupper til ta en time-out og tid til å tenke over hva den nye teknologien (Blockchain, Internet-of-things, analytics, robotics, delingsøkonomi, automatisering, digitale tvillinger, etc.) betyr for din bedrift og din (eller dine kunders) situasjon og prosesser. Vi vil også forsøke å systematisk fange opp hvilke muligheter og utfordringer hver enkelt bedrift står overfor, og hjelpe til å finne perspektiver for hver enkelt bedrift eller organisasjon om hvordan man skal forholde seg til utviklingen.

IMG_3647Det er 11. gang Ragnvald og jeg arrangerer et seminar der nede sammen med Accenture Technology Labs, og fjerde gang vi gjør dette som et selvstendig, firedagers program. Deltakerne på det første tre programmene har vært svært fornøyd. En av tingene vi har lært av deltakerne er å sette av tid til diskusjoner – man lærer minst like mye av hverandre som av Ragnvald og meg – og at diskusjonene, i hvert fall mellom deltakerne, kommer til å være på norsk.

Her er noen linker til notater jeg har tatt ved tidligere besøk. Jeg ser frem denne uken, til å lære nye ting, og til å bli kjent med nye mennesker med interessante utfordringer og et ønske om å forstå hvilket potensiale som ligger, forretnings- og arbeidsmessig, i ny teknologi!

Vi sees! (Og har du spørsmål, send meg gjerne en epost.)

berne.jpg

Hvordan skrive et undervisningscase

Siden jeg av og til underviser i undervisningsteknikk (særlig case-undervisning) og har skrevet en bok om dette med Bill Schiano, blir jeg av og til spurt om hvordan man skal skrive et undervisningscase. Det følgende er en kjapp oppsummering av hva jeg mener er viktig (i hovedsak en oversettelse av denne bloggposten.)

Hva er hensikten med caset?
For det første: Et case skrives i en spesifikk undervisningshensikt. (På Harvard Business School får man faktisk ikke skrive et nytt case uten at det er satt inn i en spesifikk undervisningssituasjon. Det holder ikke at man har en interessant bedrift som har gjort noe spennende – selv den mest spennende og nyskapende historie trenger å ha et pedagogisk poeng, en teori eller et dilemma å illustrere.

Standard disposisjon
Cases – særlig de som skrives på Harvard – følger en disposisjon som nok er en klisjé, men som er svært effektiv. Den ser omtrent slik ut:

  • 0.5 side: Introduksjon: Casets hovedperson introduseres, vanligvis en leder eller mellomleder som lurer på hva han eller hun skal gjøre i et viktig spørsmål. Tanken er å fortelle studentene fra hvis perspektiv caset er skrevet, sette scenen, kanskje si noe om analysenivået – og det er det hele. Det at det er personlig skrevet, hjelper studentene å identifisere seg med personen og føle det litt som om de har den samme utfordringen selv.
  • 1 – 1.5 sider: Beskrivelse av firmaet eller organisasjonen – ikke hele histoiren, men relevante detaljer. Man må forklare hva bedriften eller organisasjonen gjør, hvordan den tjener penger, hva den produserer, hvordan den har kommet til den situasjonen som beskrives. Bedrifter og organisasjoner er i stor grad formet av sin historie, så i alle fall jeg mener at man heller bør ha for mye enn for lite detaljer her.
  • 1 – 1.5 sider: Bransje/omgivelsesbeskrivelse. Bedrifter og organisasjoner eksisterer innenfor en kontekst, og du må beskrive den. Beskrive bransjen, dens utvikling, og bedriftens plass innenfor den. Vær kortfattet, men presis, og legg gjerne inn mer detaljer enn strengt tatt nødvendig.
  • 1 – 5 sider: Problem. Dette er casets tema – beskriv det utførlig og nøytralt, få med kompleksiteten i situasjonen. Et undervisningscase skal skrives slik at flere alternative løsninger er mulige, så man har noe å diskutere.
  • 0.5 side: Avslutning, typisk at casets hovedperson(er) oppsummerer spørsmplet og lurer på hva de skal gjøre – ofte i form av en eller annen form for hendelse (et styremøte, for eksempel) der de skal legge frem en anbefaling til løsning.

De fleste case er et enkeltcase, men man kan ha B-case (som deles ut til studentene etter at man har diskutert det første caset) og til og med et C-case. Det er viktig at B og C cases er kortfattet, siden de skal leses i klasserommet. B-caset sier typisk noe om hva bedriften eller organisasjonen gjorde og introduserer kanskje et problem som oppsto på grunn av avgjørelsen. C-caset, hvis det er nødvendig, bør bringe en slags avslutning. Etter min erfaring er vanskelig å generere noe særlig diskusjon etter et C-case – studentene blir slitne. En fersk caseforfatter som skrive rom et firma med en lang historie kan nok bli fristet til å lage en lang rekke med korte case, men i praksis fungerer ofte dette dårlig – ikke minst fordi det gjør diskusjonen svært forutsigbar.

Det man ikke skal gjøre
Jeg har sett en hel del nybegynnerfeil som kommer når man skal skrive et case for første gang. Her er noen av de tingene man bør unngå:

Ikke teori. Et godt case skal være en beskrivelse av en interessant situasjon, ofte en avgjørelse som må tas – og ikke noe annet. Det betyr at det skal ikke være teori og ikke diskusjon i selve caseteksten. Spar teori og diskusjon til en eventuell «teaching note» eller skriv en separat akademisk artikkel. Ikke bare gjør dette caset mer realistisk, det åpner også for at man kan bruke caset innenfor kurs og undervisningssituasjoner det ikke opprinnelig var ment for. Å holde teori utenfor kan være vanskelig hvis du bare er vant til å skrive akademiske artikler – men det er god praksis å legge frem «just the facts». (Hvilke fakta du velger å legge frem er naturligvis også en form for diskusjon og tolkning, men vi lar den ligge i denne omgang.)

Ingen helter, ingen skurker. Når jeg lærer studenter å analysere et case (og når jeg hjelper organisasjoner å forstå komplekse situasjoner) pleier jeg å si at for de fleste situasjoner innenfor ledelse og forretningsdrift et det god praksis å gå ut fra at folk ikke er dumme og ikke onde. Så – når du skriver et case, pass på at det har ingen helter og ingen skurker. Hvis et case hare en klar helt eller en klar skurk, er det et tegn på at du ikke har lagt inn nok detaljer. Skriv det så studentene kan se situasjonen fra flere sider.

Ingen vurderinger. Et vanlig problem er at man finner karakteristikker og vurderinger fra forfatteren i et case – særlig hvis caset er skrevet av en firma som skriver om seg selv. Et case (også et kundecase man bruker i reklame) er mest troverdig hvis det er skrevet i en nøytral og beskrivende tone. Ikke skriv at et firma er «ledende» – beskriv hva firmaet gjør og hvilke resultater de har oppnådd, og la leseren selv vurdere hvor ledende firmaet er eller hvor vellykket hovedpersonen er. For eksempel: «Nilsen var en dyktig leder, med ansvar for et stort og vellykket prosjekt.» Legg til opplysninger som forteller noe, og skriv. «29 år gammel ble Nilsen forfremmet til den yngste direktøren i firmaets historie, etter å ha utviklet og innført bransjens første maskinlæringsplattform.»

Ikke noe konsulentspråk. Vær svært forsiktig med motepreget språk og konsulentuttrykk. For eksempel: Er firmaet i ferd med å inngå en strategisk allianse eller samarbeider man bare med et annet firma i den hensikt å oppnå noe spesifikt? (Som en britisk venn av meg pleier å si: Jeg kjøper alle sokkene mine på Marks & Spencer – det betyr ikke at jeg har inngått en strategisk allianse med dem.) Unngå uttrykk som ikke er veldefinert, og vær presis i din språkbruk. Husk at et undervisningscase har lengst holdbarhet når det beskriver en situasjon som involverer mennesker og dilemmaer, ikke spesifikke situasjoner eller teknologier (som Fabritek-eksempelet nedenfor).  Jeg bruker ofte eldre case om teknologi, og hvis studentene klager over at casene er gamle og datamaskiner er mye raskere nå, så ber jeg dem bare ta en penn og endre alle årstallene og oppdatere datamaskinenes ytelse – og se om noe annet endrer seg.

Dramatisk struktur
Et virkelig velskrevet case har en dramatisk struktur – det er en begynnelse, en midtseksjon som bygger opp historien, og et virkelig interessant dilemma til slutt. De beste casene er som detektivhistorier, hvor du må grave deg langt ned i detaljene for å der du finner overraskende og ofte kontraintuitive konklusjoner. Et eksempel på en skikkelig «detektivhistorie» er Fabritek 1992, et gammelt (først publisert 1967, oppdatert 1992 av Jan Hammond) case om et kvalitetskontrollproblem i et mekanisk verksted. (Takk til Robert D. Austin, glimrende caseunderviser, for å ha gjort meg oppmerksom på dette caset og lært meg hvordan det skal undervises.) Fabritek er glimrende fordi det starter med en beskrivelse av bedriften (strategisk nivå), beskriver arbeidsprosessen og aktørene (organisasjonsnivå/forretningslogikknivå) og deretter problemet (operasjonelt nivå). En detaljert analyse av de operasjonelle detaljene leder til en noe overraskende konklusjon, som så kan diskuteres på organisasjons- eller prosessnivå, og deretter plasseres i en strategisk kontekst. Caset er glimrende fordi det tillater studentene å trekke linjer mellom disse nivåene, lærer dem at djevelen virkelig er i detaljene, og at du som leder bør ha en dyp, operasjonell forståelse for hvordan bedriften din faktisk gjør ting og faktisk tjener penger.

iPremier-front-pageEt annet case som viser kvalitet og innovasjon er iPremier, skrevet av Robert D. Austin og Jeremy C. Short. Det er det første og eneste tegneseriecaset jeg kjenner til. Historien handler om et lite, nettbasert firma som selger gaveartikler, og hvis webside og systemer blir angrepet av hackere. Angrepet avslører store sikkerhetshull og manglende beredskapsrutiner, og tvinger ledere på mange nivåer og innen mange spesialiteter til å ta vanskelige beslutninger. Det grafiske formatet gjør figurene levende og bygger opp historien (selv om jeg tviler litt på om de ansatte i et slikt firma i gjennomsnitt er like vakre, veltrente go velkledde som tegnerne fremstiller dem.) Caset illustrerer nokså innfløkte tekniske problemer på en forståelig måte (også for ikke-tekniske studenter) og har et glimrende plot med et B- og et C-case. Jeg liker å bruke endel tekniske case i mine kurs fordi, vel, en av mine kjepphester er at det ikke er nok teknologi på handelshøyskoler, og et case som iPremier illustrerer med all ønskelig tydelighet hva som kan skje hvis ledere neglisjerer teknologi og betrakter det som noe de kan overlate til teknologer i et hjørne. Det grafiske formatet (det finnes filmbaserte case også) gir studentene en liten pause fra vanlig tekst – standard case-tekster kan bli litt ensformige i lengden.

Detaljer, detaljer, detaljer!
Forskningscases – slike som publiseres i akademiske tidsskrifter – tenderer til å være skrevet for å passe i en spesifikk sammenheng, noe som betyr at bare opplysninger som er relevant for den sammenhengen blir tatt med – ofte nokså abstrahert. Et undervisningscase er det stikk motsatte: Det trenger masse opplysninger, gjerne tilgjengeliggjort som appendikser (grafer, bilder, tabeller, dokumenter, etc.) bakerst i caset, etter hovedteksten. En caseforfatter, når han eller hun besøker et firma eller en organisasjon for å lage et case, må legge merke til de små detaljene og legge dem inn, omtrent slik en god journalist gjør. I et av mine kurs lar jeg studentene skrive case som fagoppgave, og sier til dem at de skal skrive caset så detaljert at når du har lest det føles det litt som om du har jobbet der. For å få til det, må du få tak i nødvendige opplysninger. (Det kan av og til være nødvendig å maskere opplysninger for å kunne publisere dem, men hvordan man gjør det får jeg heller ta i en annen bloggpost.) Studentene klager av og til over at det er for mange detaljer i et typisk Harvard-case, og at ikke alle av dem er relevante (i hvert fall ikke i alle kurs). Men slik er det jo i den vanlige verden også – og det å finne ut hva som er relevant og hva du ikke skal legge vekt på er en egenskap det er svært viktig å oppøve hos prospektive ledere.

Lesing – og jobb.
grandongillJeg kjenner ikke til så mange gode bøker om hvordan man skal skrive et godt undervisningscase, kanskje med et unntak: Grandon Gill (bildet), professor ved University of South Florida og en glimrende caseforeleser har skrevet Informing with the case method, gratis nedlastbar i PDF, MOBI og EPUB format fra hans webside. Den har masse detaljer, tips og tricks, ikke bare om caseskriving, men også om caseundervisning og kursplanlegging. (Og, ahem, for de siste to er jeg vel nærmest forpliktet til å anbefale Bill Schianos og min bok Teaching with Cases: A Practical Guide.)

Sist men definitivt ikke minst: Ikke underestimer hvor mye jobb det er å skrive et skikkelig undervisningscase. Å få detaljene riktige, beskrive dramatis personae, og å utvikle en skikkelig historie er litt av en utfordring, forskjellig (i mange dimensjoner) fra å skrive en akademisk artikkel. På den annen side: Får du det til, har du et meget effektivt læringshjelpemiddel i mange år fremover.

Lykke til!

Odd Erik om replikering av AI-forskning

file (1)

Syntes jeg dro kjensel på fotografiet – og jammen var det ikke Odd Erik Gundersen (som jeg sitter i styret i SmartHelp sammen med) som ble intervjuet og har skrevet en glimrende (og tilgjengelig) kronikk i Morgenbladet om diskusjonen om forskningskvalitet. Det er et stendig problem innen forskning (også innen informatikk) at forskningsresultater ikke lar seg replikere.

Innenfor kunstig intelligens (eller, vel, maskinlæring som jeg regner med at det er snakk om her) er dette ekstra viktig fordi utviklingen av maskinlæringsalgoritmer i motsetning til vanlig vitenskapelig metode er teoriløs – man har masse data, kjører en søkealgoritme over mange modeller og modellvarianter, og så ender man opp med et eller annet resultat, gjerne uttrykket ved en confusion matrix eller en validation curve (også kalt learning curve).

Ofte finner man at når folk snakker om at de har en modell som er «94% nøyaktig» så snakker de om nøyaktigheten på treningsdataene (der modellen er utviklet) og ikke på testdataene (som er de dataene man holder til side for å se om modellen, utviklet på treningsdataene, er nøyaktig.) Dermed får man modeller som har svært høy nøyaktighet (ikke noe problem å komme til 100% hvis man bare er villig til å ta med nok variable) men som brukbare til noe som helst.

Og det er et problem ikke bare i maskinlæring, men i all forskning. Det er bare det at i maskinlæring finnes dataene og programmene lett tilgjengelige, problemet er synlig, og det er sjelden noen grunn til å skjule det.

Bortsett fra at noen trenger å publisere noe, heller enn å bygge en god modell.

Doktorgrad: Innovasjon i offentlig sektor

Ny doktorgrad ved BI: Innovation in Public Services: Wicked Problems and Multi-layered Solutions, Rannveig Røste

Advarsel: Notater og refleksjoner underveis. Feil, mangler og misforståelser foreligger sikkert –  caveat emptor.

Innovasjon i offentlig sektor er mye omskrevet, men preges av en søken etter en magisk og enkel løsning, et universalverktøy for å løse absolutt alle problemer. Denne doktorgraden har studert i detalj en innovasjon i offentlig sektor – introduksjonen av offentlige ladestasjoner for elbiler i Oslo – for å beskrive og avdekke hva som egentlig foregår.

Et problem er en utbredt oppfatning at det er stor forskjell på innovasjon i offentlig og privat sektor, der offentlig sektor er dyr, ineffektiv og rigid, mens den private er kompetitiv og innovativ. Baserer seg på Schumpeter (eller rettere sagt, neo-Schumpeteriansk evolusjonsteori og Webersk byråkratiteori (legitimering ved å følge regler som oppfattes som riktige og naturlige.)

Fokus for studien har vært utbyggingen fra 0 til 701 offentlige ladestasjoner for elbiler i Oslo, gjennom tre teknologigenerasjoner. Dette er en enkel tjeneste (ingen kostnad for brukeren), men har en kompleks og interessant historie. Et vedtak med et mål om 400 ladestasjoner ble vedtatt i 2007 og tatt inn i budsjettene året etter. Trafikketaten slet med dette fordi de var opptatt av parkering og hadde ikke kunnskap eller interesse for ladestasjoner. Etaten tok imidlertid ansvar, men var redd for at 400 var et for høyt antall, og at man ville få avisoverskrifter om dyre og ubrukte ladestasjoner. Dette dyttet dem i retning av å finne en god løsning. Man foretok studiereiser og innledet et samarbeid med Norsk Elbilforening, som ble en sentral aktør i å representere elbileiere og -produsenter.

Forslaget kom fra Venstre og fikk støtte av alle partier, et resultat av en gradvis utvikling mot å legge til rette for elbiler som en offentlig norm. Norge hadde også to elbilprodusenter (Think og Buddy).

Hovedkonklusjonen er at innovasjon i offentlig sektor er et komplekst problem med mange prosesser i parallell – et såkalt «wicked problem».

Questions from the invigilators:

Q: What are the two or three big take-aways from your dissertation?

A: Innovation in public services is much more complex than what the debates and the governmental agendas – there are many processes and things are not planned as much as people tend to think that they are.

Q: What would be your advice for a policy-maker, and what would you say to your academic audience?

A: Understand the complexities of the processes and think hard about incentives. [missed this discussion]

Egen oppsummering: God doktorgrad hva gjelder selve studien, skulle gjerne sett litt mer presise og anvendbare konklusjoner – som komiteen sier, litt egen teoribygging – men det er kanskje feltet heller enn doktorgraden som er problemet her. Og at man som doktorgradsstudent kanskje er litt kledelig beskjeden.

Sintef-seminar: Det fremtidige «mennesket»

Advarsel: Dette er liveblogging: Notater underveis, jeg kommer til å misse og misforstå ting og sikkert skrive ting feil og, vel, caveat emptor. (Og det livestreames (med opptak) her: https://www.youtube.com/watch?v=WQqpu50jtBU).

Summa: Ikke mye nytt her… men morsom liten filosofidiskusjon på slutten.

Herman Ruge Jervell: Hva datamaskiner ikke kan, 30 år etter.
Jervell skrev en bok med denne tittelen for 30 år siden. På den tiden var entusiasmen for hva datamaskiner kunne bli stor. Boken var ment nøytralt. Det var antakelig den første boken i Norge der teksten ble sendt rett til trykkeriet (takket være Kai A. Olsen.) Ønsket var å få frem det håndverksmessige i programmering.

AI er to ting – og man må ha begge deler: AI (artificial intelligence some syntaktisk agent), og AE (artificial environment, som sivilisasjonsprosess, en del som ofte undervurderes.) T-banen i København er en selvkjørende bil, innenfor en verden som er nokså begrenset, og i denne begrensningen ligger mye av konstruksjonen. Dette er en sivilisasjonsprosess i den forstand at man trenger skriftssprog, arkiv, kommunikasjon, avtaler, veier, bank, bokholderi, annet.

Hva forfatterne bommet på: Internett, automater (perseptron, nevralnett, bruk av statistikk, persepsjon). Nå har man etterhvert forstått at det er gap mellom kode og adferd – vi kan ikke gå direkte fra kode til adferd – man kan ikke bruke genomet til å forutsi adferd, for eksempel. Oppsummering: Datamaskinen er en syntaksmaskin, mange tror da at en står fritt til å gjøre hva som helt, men man trenger kunnskap fra mange områder.

Marita Skjuve: Intelligent teknologisk liv
Tar mennesket som utgangspunkt for hva det vil si å ha et liv og være intelligent. Definerer teknologi som bruk av vitenskaplig kunnskap for praktiske oppgaver. Teknologien om prøver å etterligne menneskelige egenskaper: Roboter og chatboter. Viser noen videoer (Google Assistant, en sexrobot, Atlas, etc.). Store begrensninger – chatbots skjønner ikke ironi og klarer ikke å huske langt tilbake i en samtale, for eksempel. Moravec og Kurzweil har spådd intelligent teknologi lenge, en nylig survey blant AI-eksperter sier at menneskelig intelligens er oppnåelig innen 2075. Dette vil manifestere seg enten ved en embodied evolution (ligner mennesket, færre begrensninger) eller disembodied evolution (lever i en virtuell virkelighet.) Realismen i dette kan diskuteres.

Kommentar: Skille mellom frykten for AI som ligner mennesker, kontra den mer realistiske frykten for å overlate mer og mer til algoritmer man ikke kan argumentere med.

Kommentar: Økonomisk begrensning – hvem skal betale for den enorme datakraften man vil trenge. Overlydsfly og distribuert atomkraft er teknisk mulig og økonomisk ikke mulig…

Phu Ngyen: Advances in genetical engineering and the future of humans
Three aspects: Genetic engineering advances, applicability to humans, and future developments.

Some new advances: Things are getting cheaper thanks to CRISPR (kind of like moving from using scissors to using a word processer (search and replace.)). You can now introduce gene blocking – not changing the genes, but silencing parts of them. Applications for humans is to use screening for early detection of genetically caused disorders.

Main point: Slippery slope, we are just at the beginning.

Philip Turk: Cyborgs – humanity’s future?
Cyborg = cybernetic organism. Sliding scale from people with assisting technology (most people today are dependent on their smartphone) to true hybrids. Numerous implants possible already: Retinal, diagnostic, ID, arms steered by thoughts, etc. So what is possible in the next 30 years?

Maybe artificial organs such as eyes or hearts; fully functional artificial limbs, nanobots, proper brain-computer interfaces. Convenience implants of different kinds (already have credit cards, for instance), but we would have smartwatches or similar, VR/AR enhancements, decoration (moving tatoos, LEDs under the skin?) Exoskeletons. Enhanced artificial eyes (infrared and/or UV, superhigh def, 360 degrees?) Enhanced robustness. Most interesting: Cognitive enhancements.

Einar Duenger Bøhn: Homo Machina: Til forsvar for transhumanisme
(Medlem av CAIR, senter for AI Research.) Skal si litt om transhumanisme. Sosial og muligens politisk bevegelse, vanskelig å si hva en transhumanist er helt presist. Ser det som en normativ påstand, en moralsk påstand, som sier: Transhumanisme er at vi bør etterstrebe å utvikle, anvende og spre teknologi som forbedrer mennesket. Mennesket vil her si arten homo sapiens. Forbedre er vanskelig å definere, men vi er ikke avhengig av en presis definisjon. Også et kollektivt eller individuelt spørsmål, strategien er antakelig at samfunnet skal satse på det uten å påtvinge det mennesker.

Det er nivåspørsmål her:

  1. Preventiv transhumanisme: På et grunnleggende nivå er vi der allerede: Reparerer mennesker tilbake til normalen. Vaksinemotstandere er et eksempel på motsatsen.
  2. Proaktiv transhumanisme: Forbedring utover normalen. Sterkere syn, etc. men forbedrer menneskearten slik den er i dag, men uten å overskride grensene for hva vi er i dag.
  3. Transcenderende transhumanisme: Forbedringer slik at man blir noe annet, overskride grensene (omtrent som en transkjønnet har overskredet grensene for sitt kjønn.)

Hvorfor skal vi dit? Det er en flytende overgang – hvis å reparere hjerter er OK, hva med å la det vare evig. Kan jo ikke være galt? Et moralsk premiss er at om du kan forbedre en situasjon bør du gjøre det. Et annet argument er i evolusjon: Arv, miljø og mutasjoner. Dette skjer ved relative tilfeldigheter, og hvis vi kan styre prosessen bør vi gjøre det.

Innvendinger: Frykt for måte dette gjennomføres på («Hitlerkortet»), men dette er ikke en innvending mot transhumanisme, men mot gjennomføringen. En annen innvending er at vi skal ikke tukle med naturen, leke Gud. Vi vet ikke hvor dette ender. Igjen: Ikke en innvending mot enden, bare måten.

Hvorfor nettverk er viktig for innovasjon

En liten video som forklarer hvorfor nettverk – sosiale og andre – er viktig for innovasjon. Samt en liten reklame for kurset Nettverksledelse i praksis.

Forresten, Granovetters artikkel er

  • Granovetter, M. S. (1973). The Strength of Weak Ties. American Journal of Sociology, 78(6), 1360-1380.

…og du finner en kopi av den her.

Digitalisering av ledelse: Er ledelse en truet kultur?

Dette blogginnlegget begynte som notater under Jan Ketil Arnulfs foredrag 6. april, men gitt at Jan Ketil er en foredragsholder som tilfører teksten mye – og dessuten bruker live-skjermer i stedet for Powerpoint, så legger jeg like greit ut videoen. Interessant innhold (og i seg selv et eksempel på hvordan digitalisering endrer forskning) og en studie i avslappet og poengtert foredragsleveranse:

Da kan jeg jo også anbefale Jan Ketils bok En kultur kalt ledelse, mens jeg er i gang. Lesverdig!

Financial Times-rankingen

1920px-lbs_campus_2Financial Times årlige liste over de beste handelshøyskolene i Europa er kommet. London Business School (bildet) leder på fjerde året. Av de nordiske skolene finner vi Stockholm på 27. plass, Aalto på 32, BI på 33, NHH på 35, og København på 51.

Norge er stadig det eneste nordiske landet med to skoler inne på listen – og, som jeg pleier å si, for å erte mine kolleger i Bergen: Det er jo en triumf for norsk distriktspolitikk…

Spøk til side, egentlig er det en prestasjon at Norge (og de nordiske landene) er så høyt oppe som vi er. Et av de viktigste kriteriene for å vurdere skolene er hvor mye penger kandidatene tjener 3 år etter at de er utdannet. I nordiske land, der lønnsforskjellene er små, gir dette dårligere resultater. De nordiske landenes jevne stigning oppover listene reflekterer at man har gjort det bedre og bedre på andre kriterier, som for eksempel antall kvinner i styre og ledelse, og andel utenlandske lærerkrefter. At København har gått fra 35. til 51. plass tilskriver jeg skolens svekkede økonomi og det faktum at danske myndigheter gjør det vanskeligere for utenlandske forskere å arbeide og oppholde seg i Danmark.

BI har gått frem en plass, og det er det jo grunn til å glede seg over. Så gjenstår det å se hvordan vi kan gjøre skolen enda bedre. Handelshøyskoler står overfor store utfordringer fremover, dels fordi man er truet av billigere alternativer (generelt ved at mer og mer blir tilgjengelig over nettet, for BIs vedkommende fordi offentlig subsidierte skoler går inn på det som engang var våre enemerker), men også fordi økonomisk utdannelse i fremtiden vil kreve mer kunnskap om teknologi og teknologiutvikling. Det siste skal ikke jeg akkurat klage over, siden det er mitt fagområde, men det er klart at mange handelshøyskoler vil slite med å tilpasse sine tilbud til en verden der mer og mer av det som tidligere ble gjort av økonomer i stadig økende grad kan gjøres av roboter.

Og da blir det jo et spørsmål – utdanner handelshøyskoler folk som forteller datamaskinen hva den skal gjøre, eller folk som blir fortalt av en datamaskin hva de skal gjøre?

Det vil nok etterhvert vise seg på Financial Times-rankingen.

Ja, men…om frisører og selvkjørende biler

dirtyhair

Bilde: RSPCA

I sagaen om for eller mot hårvask har direktøren for frisørbransjen et innlegg om hvordan hele greia har kommet skjevt ut: Selvfølgelig har man ikke noe i mot konkurranse, men det er bare det at om kundene kommer inn med skittent hår, skal man kunne tilby hårvask og nekte å klippe om kunden nekter å vaske. Dessuten blir frisører utdatert av å bare klippe hele dagen, må vite, og derfor bør man ikke tilby lavprisklipping på bekostning av striping og andre ting.

Akk ja. Her er det mye å ta tak i. Sånn til å begynne med: En frisørsalong (som enhver annen bedrift) er der fordi man har kunder som ønsker å få noe, ikke fordi man har ansatte som ønsker å gjøre noe. Dette kan være litt vanskelig å skjønne av og til. En organisasjon – en bedrift, et departement, en forening – eksisterer for å oppnå eller utføre noe. Når den ikke gjør dette lenger – for eksempel fordi det kommer andre måter å gjøre ting på – har den ikke lenger eksistensberettigelse. Så om noen frisørsalonger forsvinner fordi folk vil ha billig klipp – vel, så går nok verden videre.

Men det er ikke det som irriterer mest med dette intervjuet. Det som irriterer mest er påstanden om at man skal drive en organisasjon på en bestemt måte i tilfelle noe kan komme til å skje – som for eksempel at en kunde kommer inn med uhygienisk skittent hår. For meg høres dette ut som en situasjon som ikke oppstår så altfor ofte – hvor stort er problemet egentlig? Og hvis problemet skulle oppstå, kan ikke bare frisøren nekte å klippe likevel, og sende kunden hjem for en hårvask? Dessuten har jeg lært at man skal vaske håret før man går til frisøren – dels fordi det da blir en bedre klipp, dels fordi man føler seg vel.

Ja, men…

Denne innvendingen mot en ny måte å gjøre en gammel tjeneste på er typisk når noe nytt skjer: De som blir utkonkurrert kjemper i mot ved å komme opp med spesielle scenarier der den nye måten å gjøre ting på ikke fungerer.

Jeg er nokså opptatt av innføring av selvkjørende biler, som etter mitt skjønn ikke kan komme fort nok – om ikke annet så fordi det dør ca. 160 mennesker i trafikken i Norge hvert år, og en total overgang til selvkjørende biler vil ut fra de fleste spådommer redusere det antallet med 90%. Om ikke 144 færre dødsfall i året (og tilsvarende færre skader) er grunn nok, vil vi også redusere antallet biler, redusere forurensning (siden de fleste vil være elektriske) og få masse mer plass i byene på grunn av færre parkeringsplasser.

1200px-trolley_problemOg så kommer «ja, men…» – i dette tilfelle i form av et filosofisk paradox kalt trikkeproblemet eller «the trolley problem«, som i korthet går ut på følgende: Tenk deg at du ser fire mennesker som går på skinnegangen (til en trikk eller et tog). En vogn uten bremser ruller mot dem, og de vil bli drept hvis ikke du penser vognen inn på et annet spor. På dette andre sporet går det en person. Spørsmålet blir da – skal du pense vognen over, slik at bare en person blir drept i stedet for fire?

Her er det mange svar og mange varianter, jeg skal ikke gå inn på dem, bare si at dette problemet stadig kommer opp når man diskuterer selvkjørende biler: Sett at et barn styrter ut i veibanen. Skal bilen holde seg på veien og dermed drepe barnet, eller kjøre av veien og dermed drepe føreren?

Dette diskuteres i det vide og brede, og fremstilles som et være eller ikke være for selvkjørende biler, både fra et produsentsynspunkt (hva skal man programmere bilen til å gjøre) eller fra et forsikringssynspunkt (hvem skal ta erstatningsansvaret?) Og hvis man er filosofisk anlagt, kan man bruke ganske lang tid på dette spørsmålet.

Er man mer praktisk anlagt, ser man i stedet på om problemet i det hele tatt oppstår – og, i så fall, hvor ofte? Jeg har kjørt bil i mange år og aldri vært i denne situasjonen, og det tror jeg gjelder de fleste. Fremfor alt – oppstår den oftere med selvkjørende biler enn med vanlige biler? Gitt at den selvkjørende bilen er mye sikrere og ser ting bedre enn menneskelige sjåfører (i gjennomsnitt, i alle fall), er det ikke grunn til å tro det.

Men, sier forståsegpåere – det er ikke spørsmål om hvorvidt dette skjer ofte, men om prinsippet: Ville du satt deg inn i en selvkjørende bil hvis du ikke visste om den kom til å ta livet av deg (gitt en nokså sjelden situasjon) eller ikke?

Svaret er at det gjør vi nesten hver dag. Hvis jeg setter meg inn i en bil (taxi, buss, hva som helst) som jeg ikke kjører selv, men som er kjørt av en annet menneske – så vet jo ikke jeg hva dette mennesket ville gjort i en slik situasjon. Sjåføren vet det antakelig ikke selv heller. Jeg vet ikke engang hva jeg selv ville gjort. Det kommer an på, som det heter.

Dermed har vi altså et filosofisk stort problem som i praksis ikke er et problem, bare man tenker seg litt om.

Omtrent som hårvask.

Men jeg begynner å bli dyktig sliten av alle disse «ja, men…» innvendingene. Hva med å se etter løsninger i stedet for problemer når noen foreslår noe nytt?

Digitalisering: Frokostmøte 10. oktober

Econa_-_Digitalisering_-_fra_visjon_til_transformasjon_I forbindelse med utgivelsen av Magmas spesialnummer om digitalisering blir det arrangert et åpent frokostmøte 10. oktober kl. 0800 i Høyres Hus i Stortingsgaten. Det er 190 påmeldte i øyeblikket (tydeligvis ingen mangel på interesse for digitalisering på norsk) og påmeldingen stenges fredag 6. oktober.

Det blir intervju med Ragnvald Sannes og meg, foredrag av Ragnvald og meg, og et foredrag av Bendik Bygstad om styringsmodeller for innovasjon.

Jeg gleder meg til diskusjon om hva digitalisering betyr i en norsk kontekst og ser frem til å møte en masse mennesker som kanskje kan få fart på ting!

Magma om digitalisering

econa-logo-magma-bannerMagma, utgitt av Econa (tidligere (veldig mye tidligere, faktisk) Siviløkonomforeningen), har et spesialnummer om digitalisering, der Ragnvald Sannes og jeg har vært fagredaktører. Hele greia finnes på websiden deres, men her er i alle fall Ragnvalds og min innledning, som summerer opp mye av innholdet, og dessuten innholdsfortegnelsen for de av artiklene som omhandler temaet:

Takk til bidragsyterne, Charlotte Hem (redaktør), og ikke minst min medredaktør Ragnvald som nok har gjort mesteparten av jobben denne gangen, må jeg innrømme.

Big Data i praksis – analyseprosjekter

ml_mapJeg er nettopp ferdig med å undervise fire dager med stordataanalyse – skikkelig programmering og datafikling. Vi (Chandler, Alessandra og undertegnede) har klart å lure over 30 ledere og mellomleder i Norge til å delta på et programmerings- og statistikkurs (det er faktisk det stordataanalyse handler om), uten at vi er helt sikre på hvordan vi klarte det. men studentene er motiverte og arbeidsomme og har mange og smarte spørsmål. I et kurs som foreleses på engelsk. Det er nesten så man får lyst til å slutte å klage og syte over hvordan verden vanligvis ser ut.

Uansett – hva skal disse studentene med dette kurset? Vi jobber med ordentlige prosjekter, i den forstand at vi forlanger at folk kommer med et problem de vil finne ut av i sin egen jogg – helst noe som faktisk er viktig, og hvor dyp dataanalyse kan gjøre en forskjell. Det er ikke for alle gruppene at dette fungerer, men skal ikke klage: De fleste jobber med reelle problemer for reelle organisasjoner, og det er utrolig morsomt for en foreleser. Her er en liste med prosjektene, så får der bedømme selv. (Jeg identifiserer ingen studenter her, en tro meg – disse folkene har disse problemene rett opp i ansiktet, hver dag.) Jeg har i alle fall ingen problemer med å bruke tid og krefter på dette:

  • Hva er riktig pris for nybygde boliger? En gruppe jobber med å finne ut hvordan man skal prissette boliger som ikke er bygget ennå, for et stort boligbyggefirma.
  • Hva er egentlig skatteeffekten av delingsøkonomi? Denne gruppen (der en jobber for Skatteetaten) forsøker å finne ut hvordan man skal kjenne igjen folk som snyter på skatten som Uber-sjåfører – og samtidig komme med forslag til hvordan skattereglene kan tilpasses slik at det blir lett å være lovlydig.
  • Hva kjennetegner tilbud som blir akseptert? Et større konsulentfirma ønsker å bruke data fra sitt CRM-system (som dokumenterer tilbudsprosessen) til å forstå hva slag oppdrag de kommer til å vinne, eller tape?
  • Hvordan gjenkjenne hvitvaskingstransaksjoner? En bank ønsker å finne ut om noen av deres kunder bedriver hvitvasking av penger gjennom nettbaserte spillselskaper.
  • Hvordan gi kunder fordel av automatisert analyse? Et selskap som leverer aksjetradingterminaler ønsker å bruke dataanalyse for å skape et konkurransefortrinn.
  • Hvordan segmentere norske aksjeeiere? Et selskap som tilbyr netthandel av aksjer ønsker å identifisere segmenter av sine kunder for å spisse og forbedre sin markedsstrategi?
  • Hvordan senke kostnader og redusere risiko for produksjonsstopp i en prosessbedrift? Et kraftselskap ønsker å bedre forstå når og hvorfor kraftstasjonene deres trenger reparasjoner eller vedlikehold?
  • Hvordan identifisere kunder som er i ferd med å si opp? Et TV-selskap ønsker å forstå hva som kjennetegner «churn» – om noen av deres kunder er i ferd med å forlate dem eller ikke?
  • Hvorfor er noen viner mer populære enn andre? En gruppe skal jobbe med søkedata fra et vin-nettsted for å finne ut hva som gjør at noen viner blir mer etterspurt enn andre.
  • Hvilke kunder vil kjøpe et nytt produkt? En gruppe jobber med data fra en stor bank som ønsker å tilby sine eksisterende kunder flere tjenester.
  • Hvordan øke gjenvinningsgraden for søppel i Oslo? REN ønsker å finne ut av om man kan organisere ruter og rutiner annerledes for bedre å utnytte søppelbiler og gjenvinningsanlegg.
  • Hvordan unngå at man blir utsolgt for kampanjevarer? En av Norges største dagligvarekjeder ønsker å forbedre sine bestillingsrutiner slik at kundene slipper å komme til butikken og finne ut at det ikke er mer igjen av den tilbudsvaren de ville ha.
  • Hvordan modellere svindelrisiko i maritim forsikring? Et forsikringsselskap ønsker å bygge en modell for å forstå hvordan man kan finne kunder som forsøker å svindle selskap eller myndigheter.
  • Hvilke kunder er i ferd med å forlate oss? Et stort transportfirma ønsker å finne ut hvilke kunder som er i ferd med å gå til en konkurrent, slik at de kan ta affære før det skjer.
  • Hva kjennetegner studenter som dropper ut? BI tar inn 3500 nye studenter hvert år, men en del av dem slutter etter det første året. Hvordan kan vi finne tegn på at en student er i ferd med å droppe ut?

Felles for alle prosjektene – og slik er det med alle oppgaver jeg har veiledet siden jeg begynte i denne bransjen – er at man starter med et stort spørsmål og reduserer det ned til noe som faktisk kan besvares. Deretter ser man etter data og finner ut at man må redusere det enda mer. Så får man problemer med at dataene enten ikke finnes likevel, er upålitelige eller mangelfulle – og man må finne ut av hva man skal gjøre med det. Til slutt, etter at omtrent 90% av tids- og pengebudsjettet er borte, kan man begynne å tenke analyse. Da kan man risikere at man ikke finner noe.

Og det er litt av lærdommen i dette kurset – at man skal kunne nok om faktisk dataanalyse til å stille de rette spørsmålene og ha en realistisk forventning til hva man faktisk kan få svar på.

Det er stor etterspørsel etter dette kurset – så vi har satt opp et nytt kurs som starter til høsten. Vel møtt!

Maskinlæring og akademisk rutinearbeid

Undervisningssektoren er ikke særlig automatisert. Riktignok finnes all verdens datasystemer for å holde orden på studenter (karakterer, økonomi, studieprogresjon). Alle skoler har en eller annen form for LMS (Learning Management System) som gir tilgang til studiemateriale og til en viss grad fasiliterer studentinteraksjon. Noen har også digitalisert selve eksamen – i hvert fall om man kan kalle det å skrive eksamen på en PC for å digitialisere den.

Men jeg lurer på om vi ikke kan gå litt lenger.

JP Morgan, en amerikansk investeringsbank, har laget et system som heter COIN, som leser kontrakter og tolker dem. Programmet gjør 360.000 timer advokatarbeid i løpet av noen sekunder.

La meg se – finnes det innenfor undervisningssektoren noen prosesser der høyt gasjert personale sitter og leser massevis av sider med repetitivt innhold uten særlig utbytte?

phd120310s

Jepp, sensurering. Før man kan reise på ferie, må man (i alle fall om man underviser på massestudier, hvilket jeg heldigvis ikke gjør) forholde seg til en kjempebunke med oppgaver som skal leses og karaktersettes. Dette er en kjedelig prosess for alle involverte, selv om man kan gjøre mye ved å systematisere prosessen selv eller kanskje ty til kreative og litt desperate snarveier. Det er mange problemer med sensur, bortsett fra at det er kjedelig og repetitivt og dyrt. Et av dem er at man ikke alltid er like konsistent i sin karaktersetting. Jeg har aldri foretatt noen studier på det selv, men alle mulige studier av evalueringer i andre sammenhenger viser at saksbehandlere varierer i sine vurderinger før og etter lunsj, for eksempel. I tillegg er det norsk folkesport å klage på karakteren, i følge en utenforstående observatør.

Hva om vi brukte litt maskinlæring på sensuren? Det burde la seg gjøre å bruke tekstgjenkjenning av noe slag, slik at en sensor kunne lese et visst antall oppgaver, som deretter ble brukt til å trene opp en algoritme (f.eks. et nevralt nettverk) til å lese og karaktersette et større antall oppgaver. Ikke noe for alle studier, naturligvis, men store fag som «forberedende» på universitetet eller «ork & lede» på BI burde jo absolutt være kandidater, med sine tusenvis av oppgaver ingen egentlig orker å forholde seg til, aller minst kandidatene selv.

Riktignok vil dette ta vekk arbeid for endel sensorer, men for å være ærlig tror jeg ikke dette er noe man vil savne. Og det vil jo fri opp sensorene til å gjøre noe mer interessant.

«Never send a human to do a machine’s job,» for å sitere en av de dårligste filmene jeg vet. Så gjenstår det å se om studentene vil akseptere en klassifiseringsalgoritme som sensor – det skal i alle fall ikke stå på detaljeringsgraden i sensurbegrunnelsen…

Innholdsmarkedsføring

innholdsmarkedsfc3b8ring-214x300Notater fra et morgenmøte (Lansering av boken Innholdsmarkedsføring, av Jens Barland, Arne Krokan, Monica Viken og Tor Bang. Lansert som gratis ebok, siden fagbøker likevel ikke genererer noe penger…)

Jens Barland:
Innholdsmarkedsføring ikke nytt, men kommer nå med digitaliseringen og sosiale medier, og er blitt en ny industri, særlig rundt design/utvikling/distribusjon og analyse av data. Datahøsting gjør at kunder blir digitale brukere som man får kunnskap om. Viktigere å lage interessant innhold som gjør at leseren/brukeren blir interessert i å være sammen med deg på nett. Innholdsmarkedsføring i tradisjonelle mediekanaler (også digitale) er egentlig en liten del av det hele.

Arne Krokan:
Om forretningsmodellene: Aviser har alltid vært en teknologi for å selge annonser til selgere. 3/4 av de som kommer inn på Dagbladet kommer fra sosiale medier, ikke gjennom portalen. Når folk oppdager at noe er sponset innhold, mister de tillit til mediene. Arnes kapittel ser fremover på teknologisiden: Mye av innholdet i aviser er commodities: Bare 15% av Boston Globe (etter vekt) var originalt språk, resten var klipp herfra og derfra, og det kan gjøres av algoritmer, godt nok til at andre journalister ikke kan finne ut hva som er skrevet av maskin og hva som er skrevet av et menneske. Platformer tillater bylines med stor spredning.

Mediebransjen må lære av musikkbransjen, musikerne tjener mer penger på konserter enn på plater, mediebransjen må følge etter. Skal man klare det, må man beskytte fremtiden mot fortiden.

Monika Viken:
De juridiske rammene utfordrer mer enn Vær Varsom-plakaten. I hvilken grad har vi regler som er i stand til å regulere disse nye trendene. EU viktig, ehandelsregler, copyright, legemiddel-, tobakk- og alkohollovgivning, og mye annet. Noen konflikter: Reklame vs. journalistikk, og jus og etikk.

Ting må merkes som reklame (ikke journalistisk) og reklamen må være etterrettelig, også om det blir sagt av kjendiser. Ikke fritatt for dokumentasjonsplikten selv om man synser og mener, men villedende reklame er forbudt. I det du sier noe, må du kunne dokumentere at det er sant. Påstander som er hentet fra redaksjonelt innhold kan ikke direkte brukes i markedsføring uten at det er godtatt for bruk i markedsføring, egne regler her.

Jus og etikk er ikke det samme. Har en tendens til å pakke etikken inn i jussen. Markedsføringsloven sier at det er forbudt å markedsføre i strid med «god markedsføringsskikk» etc. – et annet regelverk enn jussen.

Det er redaksjonell ytringsfrihet, men er det kommersiell ytringsfrihet? Spørsmål om kommersiell ytringsfrihet skal beskyttes av grunnloven, men har svakere vern, kan reguleres i mye større grad.

Hva skal til for at noe er forbudt? Målestokken er markedet – publikum. Leseren defineres som forbruker, ikke leser, og ting er forbudt dersom forbrukeren endrer sin økonomiske adferd som et resultat av markedsføringen (kommer fra en EU-bestemmelse). Det er gjennomsnittsforbrukeren som gjelder, ikke en enklet forbruker.

Tor Bang:
Utviklingen fremover: Innholdsmarkedsføring svært vidt begrep. Har eksistert lenge, nye medier kommer, som Lofotkrafta, kundeavis for interkommunalt kraftselskap, dit journalistene går siden tradisjonelle medier ikke ansetter folk lenger, og noe må de jo gjøre.

Mange innholdsprodusenter ønsker ikke å fremtvinge reaksjoner fra f.eks. PFU. Konvergerende sektorer, PR/reklame/innhold/presse. Informasjonskomponenten i kommunikasjonen blir tydeligere, mindre propaganda, tar leseren/kunden mer på alvor. Media utenfor mediabransjen vil fortsette å vokse, samt «leverandørindustrien.» Kanskje det er viktigere å lære publikum, barna våre, hvordan de skal forholde seg til dette enn å gråte over det som kommer.

Vibeke Christensen, Amedia: Skrev oppgave om innholdsmarkedsføring på BI i fjor, jobber nå med innholdsmarkedsføring («native ads») for Amedia, 2 ansatte, pluss frilansmedarbeidere, regionalt team med 7 medarbeidere over hele landet. Vokser, interesant nisje, man lage svært målrettet stoff siden man har så mange lokalaviser. Skal være verdensmestere i lokal historiefortelling. Viktig med god fortelling, skal engasjere, tydelig merket med «annonse», og hvem som har betalt. Skal være merkevarebyggende, ikke for de som vil tømme lageret kjapt. Tidkrevende å lage, trengs en opplæring også mot selgerne, må ta betalt for rådgivning og produksjon, ikke bare distribusjon.

Nina Wergeland, Egmont Content Stories: Innholdsmarkedsføring fra et ukepresseperspektiv. Startet for halvannet år siden med å bygge opp innholdsproduksjon for Egmont – «bygg ditt publikum». Kan enkelte målgrupper, som helse, foreldre, interiør, skal konsentrere seg om det, uavhengig av Egmonts egne flater. Viktigst av alt er å forstå kundene, så skribenten lager de historiene som trengs. Stab på 12, mest skribenter, markedsfører oss som eksperter på målgruppen. Utfordringen ligger i å spre innholdet, å gjøre datafangst og analyse av distribusjon, enkelte annonsører har nok innhold men vet ikke hvordan de skal distribuere det. Mange bedrifter ansetter egne folk til å skrive historier, spørs om det er så lurt, og om man ikke bør bruke andre. Merkevarene skal tenke slag, men må jobbe som proffe publisister. Har tall (fra AC Nielsen) som viser at samarbeid med publisist øker merkevareverdi.

x, VG Partnerstudio: Eksempler på innholdsmarkedsføring. VGs inhouse produksjonsstudio, for det meste tidligere VG-medarbeidere, kan fortelle de gode historiene, kan plukke unge og flinke medarbeidere. Har levert endel store «branded content» innhold – et online reisebyrå for Ving, seksjon om familieliv for Rema1000 (ønsker å omforme bildet av Rema fra «billig» til rådgiver for unge mødre), lager en stor sak om «Kongens nei», som premiumartikkel, og TrashTV, 102000 avspillinger av de første to episodene på fire dager, betalt av Grønnpunkt som vil ha folk til å kildesortere.
Bruker VGs førsteside, mange lesere, kombinert med andre distribusjonsformer, de bygger opp under hverandre. Annonsørene vil vite om ting har effekt, retargeting, pre/post analyser, måle effekter.

Case 1: Helsedirektoratet. Ønsker å få flere ungdommer til å spise ordentlig skolemat. Laget to videoer om viktigheten av skolemat, videoene blir laget, men trenger en kontekst å settes inn i, lager artikler, oppskrifter, råd etc. Effekten er at folk leser artikkel og ser video. Skulle levere 275000 lesere/seere, ligger fortsatt på 4. plass i organisk søk i Google.

Case 2: Novartis. Vanskelig farvann, mye lover og regler. Ønsket fokus på konferanse om hjertesvikt, vi laget pakke med video, reportasje, forskning, ingenting om piller i materialet. 151000 sidevisninger på to dager, 3800 timer brukt på artikkelen. I papiravisen i tillegg.

Case 3: Rema 1000: 10 millioner sidevisninger, 3.5 unike brukere. Relevant innhold i relevant setting.

(To egne tanker på fallrepet: Finnes det regler der ute som står i veien for en fornuftig utvikling i innholdsmarkedsføring (a la forbud mot kamera for Tesla X. For det andre: Her klarer man å skrive gode historier med få mennesker – hvorfor sender pressen hundrevis av journalister til Skien for å dekke Anders Behring Breivik?)

Matematikk og lærerstudenter. Igjen.

Årets deleksamen i matematikk for lærerstudenter viser en strykprosent på 37%. Ikke nok med det, kun 27% klarte en C eller bedre (Kilde: NOKUT via VG):

Antall Prosent Kumulativ%
A 6 0,60 % 0,60 %
B 60 6,05 % 6,65 %
C 205 20,67 % 27,32 %
D 230 23,19 % 50,50 %
E 122 12,30 % 62,80 %
F 369 37,20 % 100,00 %
992 100,00 %

Og så akkurat nå som NOKUT hadde rapportert at høstens eksamen hadde gått ganske bra, skjønt det resultatet skyldes muligens at i høst var det en større andel av studentene som faktisk var interessert i matematikk (eller kunne nok matematikk og derfor tok eksamen med en gang).

Men hvor ille dette er, ser man ikke før man ser på selve eksamen. Jeg vet ikke hvor man setter grensen for A, B, og så videre, men har i hvert fall fått «retningslinjer» fra NOKUT når jeg selv skal evaluere mine studenters arbeid at en A innebærer en poengsum over 80-85 (av 100). Jeg vil tippe at en F krever mer enn halvparten feil.

Med 20 spørsmål betyr det at kun 6 av nesten 1000 studenter klarte å gjøre 3 eller færre feil på en eksamen som har oppgaver som

  • Hvis du skraverer 25 % av 2/3 av et rektangel, hvor stor brøkdel av hele rektangelet har du skravert? Forklar resonnementet ditt.
  • Skriv både 7/25 og 7/56 som prosent og desimaltall.
  • En bil er verdt 80 000 kroner. Bilens verdi har falt med 20 % per år i to år. Hvilken verdi hadde bilen for to år siden? Vis utregning.

Jeg beklager, men dette er ikke vanskelig matematikk. Det er ungdomsskolenivå. Dette er ikke oppgaver som krever matematisk teknikk, men rett og slett sunn fornuft, og har noe med intelligens å gjøre.

Jeg kan bare konkludere med at hvis du ikke klarer en slik eksamen, er du ikke bare for lite smart til å være matematikklærer – du er rett og slett ikke smart nok til å være lærer i det hele tatt.

Kul dag på jobben

IMG_1805

For litt siden skrev jeg en liten artikkel for BIs Strategy Magazine, om hvordan Tesla Motors påvirker de andre bilfabrikantene om og Tesla kan være en disruptiv innovatør – et spennende faglig spørsmål fordi disruptive innovasjoner gjerne kommer i den nedre delen av markedet.

I alle fall, vi bestemte oss for å lage en video som illustrerte dette – først en vanlig «en lærer og en tavle» video, og så, da det ikke ble så veldig spennende, en skikkelig video med fysiske biler. Vi fikk låne en Modell S P90D fra Tesla og en Jaguar XF fra Insignia, kjørte opp på Ekeberg og filmet i vei. Resultater kommer senere – men det var ganske morsomt å leke Top Gear i etpar timer, både for programleder og fotografer….