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:

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!

Antibygdedyrsteknologi

Jeg er stor fan av videokonferanse i alle former, og har brukt det regelmessig og i mange sammenhenger i hvert fall siden 1994. Som regel bruker man videokonferanse fordi man ikke kan eller ikke vil reise, og betaler for bortfall av reisetid med dårligere møtekvalitet. Det er bedre å snakke med noen ansikt til ansikt enn over en videolink, selv om teknologien stadig blir enklere og bedre, og man selv kan gjøre mye med for eksempel gode mikrofoner og skikkelig lyssetting.

Men er videokonferanse i noen sammenhenger bedre enn vanlige møter?

For noen år siden holdt jeg et kurs på BI for en ledergruppe fra NAV. En av de tingene de snakket om, var at de hadde en suboptimal kontorstruktur: Av en eller annen grunn er de forpliktet til å ha kontorer av en viss størrelse i alle kommuner, noe som fører (eller førte, vet ikke om det fortsatt er slik) til at de i endel kommuner har for mange ansatte for antall klienter, men i andre har de for få. Jeg foreslo videokonferanse som løsning på dette – at ansatte lokalisert i kommuner med for lite å gjøre kunne ta saker fra de kommunene som har for mye. Som offentlig ansatte gjør når man foreslår ny teknologi, kom de øyeblikkelig med motforestillinger – det er nødvendig med lokalkunnskap, våre klienter bruker ikke videokonferanse, og så videre. Mitt svar: Hvis valget er å snakke med en saksbehandler om fire uker eller å få snakke med en på videokonferanse med en gang, vil nok en hel del klienter velge det siste.

I høst traff jeg en svært smart dame som er rådmann i en liten kommune i Nord-Norge. Vi diskuterte videokonferanse som teknologi, og hun sa at for en rekke mennesker i små kommuner er faktisk videokonferanse å foretrekke av helt andre grunner. Sett at du skal til psykolog for et eller annet: I en liten kommune kan alle se at du går til psykologens kontor, og du risikerer å møte psykologen på butikken. Det skjer ikke i Oslo. Du har også et annet problem: Hvor flinke psykologer klarer egentlig en liten og avsidesliggende kommune å rekruttere?

En NAV-ansatt jeg kjenner, forteller at en hel del klienter vegrer seg for å gå på det lokale NAV-kontoret, og heller ringer NAV sentralt, fordi de vet at hvis de går på det lokale kontoret kommer lokalavisen til å ta kontakt med dem, eller det blir oppmerksomhet rundt deres problemer på en annen måte.

I slike situasjoner må jo videokonferanse og det å ha en saksbehandler eller helsearbeider et annet sted i landet være perfekt: Man kan gå til terapi eller rådgivning fra sin egen stue, uten at naboene får vite noe som helst. Og man kan forholde seg til terapeuten eller rådgiveren i trygg forvissning om at man kommer ikke til å ha noe med dette mennesket å gjøre utenom den profesjonelle relasjonen.

Så videokonferanse (og, ikke mindre vanskelig, den organisasjonsmessige omstillingen som må til i en rekke etater for å kunne håndtere saker på tvers av geografi) kan være bedre enn tradisjonell, lokal tjenesteyting, rett og slett fordi det er langt unna.

Videokonferanse mot bygdedyret. Noe å tenke på.

Er du smart nok for smarte organisasjoner?

dn-09272018-smart-nok-til-acc8a-lede-intelligente-organisasjoner_pdfLiten artikkel i DN i dag, bygget på en artikkel i BI Business Review (kommer etterhvert), som igjen bygger på dette kapittelet i BIs jubileumsbok. (Og stor takk til Audun Farbrot for en formidabel innsats i forskningskommunikasjonens tjeneste i denne sammenheng.)

Og artikkelen? Vel, jeg vedlegger en PDF, lenken (betalingsmur) finner du nedenfor, og som så meget annet handler denne artikkelen om at man ikke kan innføre nye teknologier (i dette tilfelle dataanalyse) uten samtidig å endre organisasjonen (i dette tilfelle ledelsesrollen.) Dataanalyse og den datadrevne organisasjonen må forholde seg til et faktabasert verdensbilde, noe som krever evne til å sanse, forstå, handle, lære og forklare – kontinuerlig, og i stor skala.

Lenke til DN: https://www.dn.no/innlegg/ledelse/digitalisering/smart-nok-for-smarte-organisasjoner/2-1-424362

PDF: DN 09272018 Smart nok til å lede intelligente organisasjoner

(Og nei, jeg har ikke begynt å jobbe for Accenture. Fire forfattere ble tydeligvis litt for vanskelig for DN…)

Flakmoppe!

I serien «Espen kjøper teknologi som han liker under dekke av forskning» kommer her mitt nye transportmiddel: En elektrisk MGB Starbridge transportmoped, eller som det heter på svensk: «Flakmoppe» eller «packmoppe», kjøpt fra Melhus Motor og Fritid i Trondheim.

QRGjszIjQ+KifXHVVYZ11AJeg vokste opp i Sverige, og slike lastemopeder (av merke «Crescent» eller «Monark» om jeg ikke husker feil) var det mange av på sekstitallet. Det var færre som hadde bil, og når vi handlet i den lille byen vi bodde i, fikk vi varene kjørt hjem med en slik. Denne versjonen er elektrisk («bensintanken» er et hanskerom) og har krefter nok til 150 kg på lasteplanet og en totalvekt på over et halvt tonn. Jeg veier omtrent 100 kg selv, og denne mopeden har ikke noe problem med å dra meg opp bakker og langs Mosseveien, i motsetning til en vanlig 50-kubikker.

Jeg har nå kjørt den et par hundre kilometer og har gjort meg noen betraktninger om hva den er god for – og i hvilken grad denne typen elektrisk transport kan være et mindre forurensende alternativ til vanlige varebiler i en storby. Toppfarten er begrenset til 45 km/t (skjønt jeg har klart 46 i noen lange nedoverbakker) men selv om jeg hadde kunnet ville jeg nok ikke kjørt fortere – den er nokså ustabil i den farten og følsom for trikkeskinner og dumper. (Forøvrig: Oslo Sporveier har ansvaret for asfalten mellom og ved siden av trikkeskinnene i byen, og det er et ansvar de på ingen måte tar. Elendig oppover mot Torshov og gjennom Gamlebyen.)

Lastekapasiteten er, ut fra hva jeg har testet, formidabel, og motoren er sterk. Riktignok gikk den i stykker da jeg forsøkte å kjøre opp Bekkelagsveien, men det skyldtes at bakbremsen lå på (feil justering da den ble levert) og at motoren derfor ble overbelastet. Motoren ble byttet hos en samarbeidende forhandler i Stange, og har deretter fungert aldeles utmerket. Sykkelen er lett å kjøre (intet gir), bortsett fra at det kan være lett å glemme blinklyset på, siden det ikke går automatisk av som i en bil. Speilene er litt smale toppboksså jeg bare ser (ahem) skuldrene mine. En låsbar og vanntett boks fra Biltema er et must, til hjelm, hansker og handling, og eventuelt ladeapparat og skjøteledning om man vil ha det med seg. Sykkelen lades kjapt opp på en vanlig stikkontakt, og rekkevidden hvis man ikke kjører for mye i motbakker er de averterte fem milene.

Sykkelen er kul og hipsterfaktoren er skyhøy, særlig når man kjører gjennom Grünerløkka. Man er synlig i trafikken og bilistene slipper en frem (mulig det forsvinner når og om slike blir mer vanlige), men man må kjøre den som en bil (ingen sniking i køen.) Akselerasjonen er rask nok til at man ikke sinker trafikken i byen i alle fall. Har blitt skjelt ut av drosjesjåfører som blir irritert når man ligger i kollektivfeltet, noe jeg ikke helt skjønner siden dette er både en motorsykkel og et elektrisk kjøretøy. Men drosjesjåfører har muligens sin egen versjon av trafikkreglene. (For ikke å snakke om syklister…)

Man kan heller ikke kjøre denne som en sykkel – det vil si å ta snarveier over fortau, kjøre mot enveiskjøring og lignende, og akkurat det er et problem i Oslo sentrum. Jeg har medlidenhet med varebilsjåfører i bykjernen – det er nå omtrent umulig å komme til enkelte steder uten å måtte kjøre i tunell – og det blir ekstra vanskelig med en moped som ikke går fortere enn 45. Hvis man ikke vil kjøre i tunell eller på motorvei er det nokså håpløst å komme seg rundt i Oslo – og jeg synes det er for skummelt å kjøre denne gjennom Vålerengatunellen eller Fjellinjen, for eksempel, eller på Ringveien. Det har gått opp for meg at hovedpoenget med DB Schenkers nye transportsykler (er nå på hils med sjåførene deres) ikke er at de er utslippsfrie, men at sykler har mye større bevegelsesfrihet i Oslo sentrum. For å unngå situasjoner jeg oppfatter som risikable (tuneller, E6, etc. må jeg snike meg litt frem der jeg strengt tatt ikke har lov til å kjøre, som gjennom bussbommen ved Vålerenga eller trikkebommen i Gamlebyen. Parkering er også et problem – det finnes motorsykkelparkeringer i Oslo, men de blir fulle fort. Jeg kan jo sette den på en bilplass (den er elektrisk og står jo gratis), men fikk parkeringsbot da jeg tenkte jeg ikke skulle ta opp en hel parkeringsplass og satte den ved siden av en sykkeloppstillingsplass.

IMG_4944Det slår meg at skal vi få bort varebilene (eller i alle fall redusert bruken av dem) fra Oslo sentrum må man tenke litt fleksibelt. Elektriske scootere er miljøvennlige og kommer i massevis, og man bør tenke både fremkommelighet og sikkerhet, for eksempel ved tillate kryssing av sentrum for slike små transportmidler. Vinterkjøring tror jeg skal fungere greit: MGB har en variant med sterkere motor og drift på forhjulene, og som dermed håndterer snø.

Så: Superpraktisk til kortere turer, handling, frakt av alt mulig, og fungerer faktisk frem og tilbake til jobben på BI også. Morsom å kjøre (masse smil og tommelen opp) i godværet. Foreløpig har det ikke regnet så mye, men litt regntøy (hjelmen har visir) fikser nok det. Og jeg har brukt den ganske mye mer enn elsykkelen allerede…

Hva med litt gründerpermisjon?

Amir og jeg sender ut en liten prøveballong i Dagens Næringsliv (gjengitt på BI Business Review og som PDF her): Hva med å innføre gründerpermisjon? Vi gir jo folk permisjon for å lage (lønnsomme, stort sett) barn for nasjonens velferd, hva med å gjøre det samme for nye bedrifter?

Teksten gjengitt herunder: Les videre

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.