Om flyteknologi og konsulentteknologi

Norges Tekniske Vitenskapsakademi har publisert en bok om Det nye digitale Norge, og der har jeg to kapitler – et om teknologi i flybransjen, og et om hvordan teknologi påvirker problemløsende bedrifter.

Utfordringen fra komiteen var å se inn i krystallkulen og beskrive litt om hvordan teknologi vil endre seg innenfor disse to bransjene frem til 2030. Nå er det slik at det er ikke er så fryktelig lenge dit, så på en måte er oppgaven enkel: Det meste vil se ut som i dag. Fly vil fly, problemer vil bli løst, og for det meste vil det gjøres manuelt og involvere mennesker. Men vi kan se en hel del teknologier komme, og skal man forstå hvordan de kommer til å utvikle seg og påvirke bransje (eller i hvertfall gjøre et forsøk), må man forstå hvilke begrensninger som ligger i bransjen – som at innenfor flybransjen må alt nytt være sikkert og lønnsomt – hvis ikke blir det bare et prestisjeprosjekt, som Concord.

Og det er det jeg har forsøkt å gjøre. Så er det opp til leserne om jeg (og de andre forfatterne) har lyktes.

God fornøyelse!

FINNovasjon

I dag hadde jeg med meg mine unge og smarte DigØk-studenter på besøk hos FINN.no, et av nokså få selskaper i Norge som er a) heldigitale og b) har en eksplisitt og datadrevet innovasjonsstrategi. Jens Hauglum hadde lagt opp et spennende program som inkluderte perspektiver fra organisasjonssiden (Kristin Sætevik), eiersiden (Schibsteds konsernstrategi ved Sven Thaulow) og ledersiden (Ruben Søgaard) i bedriften.

FINN.no har, som synes, eget SnapChat-filter! (Foto: Lene Pettersen)

Det ble et meget vellykket besøk, med høyt engasjement fra studentenes side (de var vel forberedt, vi hadde diskutert Schibsteds utvikling frem til 2007 i en tidligere forelesning basert på et case fra HBS). I tillegg til foredrag og diskusjoner fikk de prøve seg på en aldri så liten idegenerering selv, i et forsøk på bedre å forstå FINN.nos innovasjonsprosess, kalt «ledersnurren«.

FINN.no og Schibsted er forbausende lite kjent i norsk næringslivspresse, noe som er litt rart, gitt at selskapet (inkludert Adevinta, verdsatt til 33 milliarder, en av Oslos største børsintroduksjoner) har omsetning for 20 milliarder totalt med EBITDA på 40-tallet innenfor markedsplassene. Men norsk business-presse er stort sett opptatt av oljeprisen

I alle fall – takk til FINN.no for et supert opplegg – og det skulle ikke forundret meg om ikke en hel del av studentene kunne tenke seg en karriere i FINN.no.

Jens og ledersnurren

Oppgaver i maskinlæring

Sammen med Chandler Johnson og Alessandra Luzzi underviser jeg nå tredje iterasjon av kurset Analytics for Strategic Management. I løpet av kurset jobber studenter med reelle prosjekter for ordentlige selskaper, og bruker ulike former for maskinlæring (stordata, analytics, AI, hva du vil kalle det) til å løse forretningsproblemer. Her er en (for det meste anonymisert, bortsett fra offentlig eide selskaper) liste med resultatene så langt:

  • Et IT-serviceselskap som leverer data og analyser, ønsker å forutsi kundenes bruk av sine elektroniske produkter, for å kunne tilby bedre produkter og skreddersy dem mer til de mest aktive kundene. Resultat: Bedre salgsprediksjoner enn den eksisterende metoden (reduserte feilmodellering med 86%) – men modellen fungerer ikke langt frem i tid. Men den vil bli implementert.
  • En bensinstasjonskjede ønsker å beregne churn hos sine forretningskunder, for å finne måter å holde dem på (eller om nødvendig, endre noen av sine tilbud). Resultat: Fant en modell som identifiserer kunder som vil forlate dem, med en treffrate på 50% vil modellen forbedre resultatet med 25m kroner, og det er rom for å øke bruken av modellen utenfor de opprinnelige segmentene.
  • En frisørkjede ønsker å forutsi hvilke kunder som vil sette opp en ny avtale når de har klippet seg, for å bygge kundelojalitet. Resultat: Fant en modell som predikerte hvilke frisører som har problemer med å bygge opp en gruppe stamkunder (med omtrent 85% nøyaktighet), har klart å få en bedre forståelse av hva som driver kundelojalitet og dermed hvordan de kan hjelpe frisører med å få flere kunder.
  • En stor finansinstitusjon ønsker å finne ansatte som ser etter informasjon om kunder (for eksempel kjendiser), for å styrke personvern og datakonfidensialitet. Resultat: Slet med å få tak i nok og riktige data, men bygget en spesifikasjon av hva slags data som er nødvendig, hva det vil koste, og hva resultatet vil være – og fant at innenfor dette området finnes det svært få modeller, noe som er en mulighet. Og man fant noen lovende startpunkter for å bygge en slik modell. Vanskelig, men viktig område.
  • En stor offentlig IT-avdeling ønsker å forutsi hvilke ansatte som sannsynligvis vil forlate selskapet, for bedre å planlegge for rekruttering og kompetansebygging. Resultat: Bygget en prediksjonsmodell og en prosess som reduserer ledetiden for å ansette en ny person fra 9 til 8 måneder (en 10m innsparing) og dermed reduserer behovet for å utsette prosjekter på grunn av kapasitetsmangel, samt forbedre planleggingen av fremtidige kompetansebehov og øke sjansen for å beholde viktige ansatte.
  • OSL Gardermoen vil finne ut hvilke flypassasjerer som vil ønske å bruke taxfree-butikken etter at de har landet, for å øke salget (og ikke bry dem som ikke vil kjøpe taxfree). Resultat: Fant at noen variable man trodde ville øke taxfree-andelen ikke gjorde det, lærte mye om hva som gjør forskjell – og at modellen, hvis man klarer å bygge den, vil være mye verdt (en økning i taxfree-bruk på under en prosent vil øke Avinors inntekter med mer enn 100m). Samt at eksperimentering, ikke store prosjekter, er veien å gå videre.
  • En mindre bank ønsker å finne ut hvilke av sine yngre kunder som snart trenger et boliglån, for å øke sin markedsandel. Resultat: Bygget en modell som øker sannsynligheten for å identifisere førstegangs boliglånskunder, til en merverdi av 6,9 millioner kroner – samt at bruken av denne modellen introduserer datadrevne beslutninger for organisasjonen.
  • Et internasjonalt TV-selskap vil finne ut hvilke kunder som sannsynligvis vil si opp abonnementet sitt innen en bestemt tidsramme, for å bedre skreddersy sitt tilbud og markedsføring. Resultat: Bygget en modell med en kortsiktig beregnet merverdi på 500000 kroner per år, som treffer seks ganger bedre enn tilfeldige utvalg. I løpet av arbeidet har man funnet en rekke aktiviteter som kan øke kundelojaliteten uten store kostnader – og funnet inspirasjon for mer bruk av maskinlæring.
  • En leverandør av administrerte datasentre ønsker å forutsi sine kunders energibehov, for å kunne skrive og oppfylle konktrakter om sertifisert grønne datasentertjenester. Resultat: Bygget en modell basert på historiske sensordata for eksisterende kunder, for å forutsi forbruk for en ny kunde, og deretter en modell som inkluderer den nye kunden for å overvåke resultatet og forbedre modellen for alle kundene. En korrekt modell (som implementert) vil forbedre månedlig inntekt med 47% for en ny klient og redusere sjansen for kontraktsterminering.
  • Ruter (paraplyfirmaet for offentlig transport for Oslo-området) ønsker å bygge en modell for å bedre forutsi trengsel på busser, for å, vel, unngå trengsel. Resultat: Bygget en modell og et forslag til en tjeneste for å kunne fortelle Ruters kunder om det (sannsynligvis) er ledige seter på bussen eller ikke, går nå til testing.
  • Barnevernet ønsker å bygge en modell for å bedre forutsi hvilke familier som mest sannsynlig vil bli godkjent som fosterforeldre, for å kunne prioritere saksbehandling og redusere ventelister. Resultat: Tross mye manglende data klarte man å finne gode indikatorer på godkjente fosterforeldre og har lagt en plan for videreutvikling av modellen etterhvert som man får bedre data. Området er lovende, siden behovet for fosterforeldre er stort og selv en liten forbedring vil hjelpe.
  • Et strømproduksjonsselskap vil bygge en modell for å bedre forutsi strømforbruket i deres marked for å kunne planlegge produksjonsprosessen bedre. Resultat: Testet mange modeller og har funnet at å forutsi spot-priser er vanskelig, men har klart å finne indikatorer på økt volatilitet, noe som gjør at man kan produsere noe mer presist. Kortsiktig effekt av en liten modell er 100-200 tusen euro per år for hver produksjonsenhet, et tall som forventes å øke siden volatiliteten i markedet vil øke fremover.

Alt i alt er vi svært fornøyd – vi har klart å øke verdien, samlet sett, for disse selskapene adskillig mer enn kurset koster (I hvert fall 10-gangen, konservativt anslått). Flere av deltakerne har fått nye stillinger og flere av dem har bestemt seg for at data science er en retning de skal fortsette å utvikle seg i, og ønsket seg flere slike «tekniske» kurs. Og gitt at vi også har produsert en masse kunnskap og generelt økt deltakernes evne til å bygge bro mellom analytikere og forretningsfolk, tror jeg vi kan erklære dette prosjektet for en suksess…

Og her er (de fleste) av denne gjengen:

En enkel introduksjon til kryptering og e-tjenesten

E-tjenesten vil gjerne ha en bakdør til kryptert innhold her til lands – et forslag som har blitt slaktet på ytringsfrihets- og rettssikkerhetsgrunnlag, blant annet. Jeg synes forslaget er minst like dårlig, men av rent tekniske grunner. Men skal man ha en mening om hvorfor forslaget er dårlig, må man ha en grunnleggende forståelse for hvordan kryptering virker.

Dette kan du lese om i min kommentar hos Digi.no. Teksten kommer til å dukke opp her etterhvert. I mellomtiden har du lydfilen her:

Hvordan kryptering virker – og hvorfor det ikke skal finnes bakdører

Takk til Odd Erik Gundersen og Lena Andersen for gjennomlesning og gode kommentarer!

Pasienttransport – og Digi.no

For noen uker siden fikk jeg en epost fra Kurt Lekanger, redaksjonssjef i digi.no. Han lurte på om jeg var interessert i å skrive kronikker for dem. Jeg var litt nølende, for jeg har nok å gjøre og trenger ikke flere forpliktelser. Digi.no leses imidlertid av en rekke mennesker som er interessert i digitalisering, og er et nettsted som faktisk ønsker å gå litt bak de helt enkle fremstillingene og kommunisere som om leserne faktisk skjønte forskjellen på USB og UPS.

Så, etter å ha blitt grundig lei av riksmedienes uutholdelige letthet, sa jeg ja, og dermed så kommer jeg til å dukke opp med ujevne mellomrom hos digi.no i en spalte kalt «Tversoversk.» Kurt laget til og med en ganske kul (vel, det skal ikke så mye til for min del) vignett som ser slik ut:

Den første kommentaren handler om pasientkjøring og hvorfor i all verden vi ikke kan endre på inngrodd praksis og begynne med moderne verktøy på dette området. Vær så god, les på eget ansvar.

Så kommer spørsmålet – hvordan skal jeg håndtere kombinasjonen egen blogg vs. en kommentarspalte på digi.no? Vel, jeg har ikke tenkt å konkurrere med digi.no, så ja, teksten kommer nok her på et eller annet tidspunkt, i arkivhensikt, men jeg venter en stund.

Men en aldri så liten lydfil kan jeg jo legge ut. Har ikke snakket med Kurt om denne saken, men han må gjerne kopiere denne lydfilen til digi.no. Og, vel, er du trofast leser av denne bloggen kan du altså høre i stedet for å lese:

Offentlig Uber

DN og norske gründere

Jeg har latt meg overtale til å bli med i juryen for å kåre Norges fremste gründere. Kriteriene for kåringen er med hensikt ikke spesifikke (den årlige gasellekåringen har en tendens til at det blir firmaer som går opp og ned med konjunkturene – som stillasutleiebedrifter – som dominerer. Her er vi ute etter bedrifter som er interessante og som har en fremtid og noen resultater å vise til, ikke bare en ide. Det blir også to kategorier – oppstartbedrifter og bedrifter som er i den fasen Norge kanskje sliter mest med (vi mangler ikke gode ideer), nemlig vekstfasen.

Nå er det slik at for å bli med her, må bedriften meldes på – av selskapets ledelse eller styre, eller etter avtale med dem. Innmelding så fort som mulig og senest 1. mars. Skjema finner du her, og, vel, det er bare å sette i gang!

Et Alan Kay-perspektiv

“Point of view is worth 80 IQ points” – Alan Kay

Min gamle kollega Jim McGee har skrevet om Alan Kay og hans utrolige evne til å se ulike perspektiver av kompliserte problemstillinger. Så dette blogginnlegget er ikke svært originalt – jeg ville bare gjøre denne videoen med Alan Kay kjent i Norge, og kanskje også spre litt kunnskap om Alan Kay og hva han har betydd for (ikke minst norsk) softwarebransje. (Og bare for å skryte litt – jeg møtte Alan Kay i 1989, på BI, der han holdt et foredrag for en nokså liten gruppe mennesker (det var nesten ingen som forsto hvor viktig han var, trass i at han på det tidspunktet var Chief Scientist for Apple), et foredrag jeg fortsatt husker fordi det totalt endret min forståelse for hva man kan gjøre med teknologi.

Alan Kays original-tegning av Dynabook

Alan Kay var doktorgradsstudenten fra Utah som snakket med Ole-Johan Dahl om SIMULA, forsto hva ideene bak språket betød, og utviklet teorien rundt objektorientert programmering. Fra Utah gikk han videre til Xerox PARC (et forskningssenter som utviklet det objektorienterte språket Smalltalk, laserskrivere, Ethernet (som du fortsatt bruker hver gang du knytter det til Wifi’en, uten at du aner noe om det) og altså det grafiske grensesnittet – menyer, mus, at du ser hva som skjer med tekst og tegning direkte på skjermen, og at ting på skjermen kommer likt ut på skriveren (WYSIWYG). I det hele tatt – svært mye av moderne arbeidsteknologi. Kay hadde også visjonen om Dynabook, en slags iPad, allerede i 1968 – altså for over 50 år siden.

Man kan si at Ole-Johan Dahl og Kristen Nygaard skapte objektorientert programmering, men Alan Kay – som forstod hva det faktisk betød – er den som med rette er kalt objektorienteringens far fordi han evnet å ta teknologien videre fra et nokså snevert fokus på simulering. Kay fikk Turing-prisen i 2004, to år etter Dahl og Nygaard.

Alan Kays styrke er hans evne til å tenke grunnleggende, til å gå tilbake til det amerikanerne kaller «first principles», til å tenke hva konsekvensene er når man har en annerledes teknologi og hva man i så fall bør gjøre. Han har en fokus på at ting må endres hele tiden – som han sier, de fleste store systemer i dag er skrevet i teknologi utviklet på 60-tallet, og at man fortsetter å bruke gammel teknologi hindrer utvikling. Den kjelleren full av maskiner som man omtaler som «legacy» – en arv, noe verdifullt – er en møllestein rundt halsen for eksisterende organisasjoner. Og det vil alltid være lettere å fikse litt på det man har fremfor å kaste det ut og tenke på nytt – som han illustrerer svært effektivt med overgangen til det heliosentriske verdensbildet.

Det viktigste Alan Kay har brakt til verden, er forståelsen av at robuste systemer består av små, selvstendige enheter som snakker sammen – ikke bare som Internett, der datamaskiner snakker sammen, men også innenfor en PC eller en mobiltelefon, der deler av programmer gjør sin lille ting for andre programmer, og sender meldinger frem og tilbake. Det kaller vi objektorientert programmering, men poenget med objektorientering er ikke objektene, men meldingene mellom dem.

Nok om dette, ta en time og se dette foredraget. Kanskje det endrer ditt syn på hva innovasjon handler om, og hvordan man skal tenke om fremtiden. Hva hadde skjedd med digitalisering om vi tok konsekvensen av hva en fremtid vil se ut og begynte å bygge den nå, i stedet for å flikke litt til på alt det gamle vi har?

I all enkelhet, ganske enkelt.

PS: En morsom ting for meg er at Alan Kay sier at en skikkelig innovasjon tar 7 år. Min gamle veileder på Harvard Business School, Jim McKenney, sa alltid at ethvert stort nytt system som ville endre ting, tar syv år. Minst.