Navn
Elisabeth Torstad
Selskap
DNV GL
Hvem er du, og hvordan ble du interessert i big-data?
Jeg er en leder i en stor, global kunnskapsbedrift. Jeg er lidenskapelig opptatt av at vi skal skape verdier gjennom alle aktivitetene vi gjør når vi er på jobb og av at både jeg, mine ansatte og kolleger og selve forretningen vår skal ha kontinuerlig læring og utvikling. Og big data åpner nye muligheter, for å skape nye verdier basert på data, for å lære noe nytt om virksomheten vår, markedene, kundene og leveransene våre – og for å endre måten vi jobber på.
Hva gjør dere på jobben?
DNV GL har jobbet med store mengder data innen våre industrier i flere tiår. Vår 150 år gamle forretningsmodell bygger på en unik nettverksposisjon hvor vi registrerer samme type informasjon for et svært stort antall kunder, analyserer og lagrer denne informasjonen på en sikker måte og gjør resultatene tilgjengelig for dem kunden ønsker å dele sine data med. Og så trekker vi ut læring av disse dataene og bruker de til å øke sikkerhet og pålitelighet i våre industrier. Vi har vært tidlig ute med digital teknologi og databehandling siden vi for 50 år siden hadde norges største datamaskin. De siste årene har vi investert i og bygget opp en industriell dataplatform – Veracity – hvor vi kan videreføre og videreutvikle denne forretningsmodellen på en måte som er tilpasset dagens store mengder data med høy hastighet og kompleksitet.
Hva er greia med big data?
Big data er et uttrykk som gjenspeiler 3 elementer: store mengde data, høy hastighet på datagenerering og overføring, samt datasett som er komplekse. Alle disse tre elementene har utviklet seg med eksponensiell fart de siste årene. Kombinasjonen av en fantastisk utvikling innenfor sensorteknologi, infrastruktur for kommunikasjon og prosesseringskapasitet har vært avgjørende for dette – på alle disse områdene har kapasiteten økt mens kostnadene har sunket.
Hvorfor er det spennende?
Potensialet for bruke data smartere er enorm! Det gir en muligheter for å automatisere; for å forstå sammenhenger vi ikke kunne forstå før; og for å se mønstre i fortid som kan predikere fremtid. Vi kan ta kompliserte beslutninger med mye bedre underlag og mindre feilsannsynlighet – enten ved å automatisere eller ved å gi beslutningstagere bedre faktaunderlag.
Hvorfor er det skummelt?
Med nye muligheter kommer også nye mulighet for å feile. Enhver virksomhet må balansere behovet for å ha egen kontroll og eierskap på data som kan gi et konkurransefortrinn med behovet for dele data åpent med andre aktører for å øke mengden data og muligheten til å ta bedre beslutninger. Ved kombinasjon av data fra flere kilder kommer behovet for standardisering og synkronisering. Det kan også være dyrt å løfte frem historiske data og sette opp sensorer og overføringsinfrastruktur og det er lett å investere feil hvis man ikke skjønner nok både om det strategiske mulighetsrommet og om utfordringene knyttet til analyse og bruk av data. En av de største fallgruvene vi har sett fra våre piloter er problematikk knyttet til datakvalitet og manglende forståelse av hvilke krav til kvalitet man bør ha til de enkelte formål og beslutninger.
Ditt beste eksempel på big data?’
Vi jobber med en britisk operatør av et gassnettverk. De vil tilpasse sin virksomhet til et grønt skifte i energisektoren og kunne bruke infrastrukturen sin til å transportere biogass, syntetisk gass og hydrogen produsert fra overskudd av fornybar energi. Fordi disse typene gass har forskjellige egenskaper vil ikke kundene lenger kjøpe gass og betale basert på volum. Vi jobber sammen med dem med å utvikle styringssystemer, sensorer og automatikk som gjør det mulig for dem å tilby kundene det de ønsker, å bruke rørledningsnettverket til energilagring i stor skala og utvikle sin egen forretning fra en svært tradisjonell virksomhet til en nyskapende bidragsyter til grønn økonomi.
Dine andre favoritteksempler på big data, internasjonalt og nasjonalt?
1.Vi jobber også med big data innenfor helse og utviklingen innenfor presisjonsmedisin er utrolig spennende. Her muliggjøres for eksempel kreftbehandling med dramatisk bedre resultater og færre bivirkninger fordi behandlingen kan tilpasses spesifikt til den enkelte pasient. Dette hadde ikke vært mulig uten forskning på store og komplekse datasett.
Hvordan funker det egentlig?
Dekket av andre svar.
Hva gjør vi unikt godt i Norge av dette?
Vi evner i stor grad å automatisere/robotisere industriene våte og satser på nye teknologier som f.eks. IoT. Vi er også gode på standardisering og åpenhet rundt data – og dette er viktig; skal vi klare å gjenbruke data så må vi standardisere. Norske myndigheter er også langt fremme på mange områder, og de viser en tydelig vilje og evne til å satse videre.
Anbefalt lesing/seing om big data?
Vi har en artikkel som går på læring fra big data pilotene vi har kjørt: «lessons learned from more than 30 pilots» og en artikkel på «treating data as assets» som kan være interessant lesing
En kort big data -sitat for å hekte på bildet ditt ved publisering?
Stordata bringer store nye muligheter, men også store nye utfordringer.
Navn
Elisabeth Torstad
Selskap
DNV GL
Hvem er du, og hvordan ble du interessert i big-data?
Jeg er en leder i en stor, global kunnskapsbedrift. Jeg er lidenskapelig opptatt av at vi skal skape verdier gjennom alle aktivitetene vi gjør når vi er på jobb og av at både jeg, mine ansatte og kolleger og selve forretningen vår skal ha kontinuerlig læring og utvikling. Og big data åpner nye muligheter, for å skape nye verdier basert på data, for å lære noe nytt om virksomheten vår, markedene, kundene og leveransene våre – og for å endre måten vi jobber på.
Hva gjør dere på jobben?
DNV GL har jobbet med store mengder data innen våre industrier i flere tiår. Vår 150 år gamle forretningsmodell bygger på en unik nettverksposisjon hvor vi registrerer samme type informasjon for et svært stort antall kunder, analyserer og lagrer denne informasjonen på en sikker måte og gjør resultatene tilgjengelig for dem kunden ønsker å dele sine data med. Og så trekker vi ut læring av disse dataene og bruker de til å øke sikkerhet og pålitelighet i våre industrier. Vi har vært tidlig ute med digital teknologi og databehandling siden vi for 50 år siden hadde norges største datamaskin. De siste årene har vi investert i og bygget opp en industriell dataplatform – Veracity – hvor vi kan videreføre og videreutvikle denne forretningsmodellen på en måte som er tilpasset dagens store mengder data med høy hastighet og kompleksitet.
Hva er greia med big data?
Big data er et uttrykk som gjenspeiler 3 elementer: store mengde data, høy hastighet på datagenerering og overføring, samt datasett som er komplekse. Alle disse tre elementene har utviklet seg med eksponensiell fart de siste årene. Kombinasjonen av en fantastisk utvikling innenfor sensorteknologi, infrastruktur for kommunikasjon og prosesseringskapasitet har vært avgjørende for dette – på alle disse områdene har kapasiteten økt mens kostnadene har sunket.
Hvorfor er det spennende?
Potensialet for bruke data smartere er enorm! Det gir en muligheter for å automatisere; for å forstå sammenhenger vi ikke kunne forstå før; og for å se mønstre i fortid som kan predikere fremtid. Vi kan ta kompliserte beslutninger med mye bedre underlag og mindre feilsannsynlighet – enten ved å automatisere eller ved å gi beslutningstagere bedre faktaunderlag.
Hvorfor er det skummelt?
Med nye muligheter kommer også nye mulighet for å feile. Enhver virksomhet må balansere behovet for å ha egen kontroll og eierskap på data som kan gi et konkurransefortrinn med behovet for dele data åpent med andre aktører for å øke mengden data og muligheten til å ta bedre beslutninger. Ved kombinasjon av data fra flere kilder kommer behovet for standardisering og synkronisering. Det kan også være dyrt å løfte frem historiske data og sette opp sensorer og overføringsinfrastruktur og det er lett å investere feil hvis man ikke skjønner nok både om det strategiske mulighetsrommet og om utfordringene knyttet til analyse og bruk av data. En av de største fallgruvene vi har sett fra våre piloter er problematikk knyttet til datakvalitet og manglende forståelse av hvilke krav til kvalitet man bør ha til de enkelte formål og beslutninger.
Ditt beste eksempel på big data?’
Vi jobber med en britisk operatør av et gassnettverk. De vil tilpasse sin virksomhet til et grønt skifte i energisektoren og kunne bruke infrastrukturen sin til å transportere biogass, syntetisk gass og hydrogen produsert fra overskudd av fornybar energi. Fordi disse typene gass har forskjellige egenskaper vil ikke kundene lenger kjøpe gass og betale basert på volum. Vi jobber sammen med dem med å utvikle styringssystemer, sensorer og automatikk som gjør det mulig for dem å tilby kundene det de ønsker, å bruke rørledningsnettverket til energilagring i stor skala og utvikle sin egen forretning fra en svært tradisjonell virksomhet til en nyskapende bidragsyter til grønn økonomi.
Dine andre favoritteksempler på big data, internasjonalt og nasjonalt?
1.Vi jobber også med big data innenfor helse og utviklingen innenfor presisjonsmedisin er utrolig spennende. Her muliggjøres for eksempel kreftbehandling med dramatisk bedre resultater og færre bivirkninger fordi behandlingen kan tilpasses spesifikt til den enkelte pasient. Dette hadde ikke vært mulig uten forskning på store og komplekse datasett.
Hvordan funker det egentlig?
Dekket av andre svar.
Hva gjør vi unikt godt i Norge av dette?
Vi evner i stor grad å automatisere/robotisere industriene våte og satser på nye teknologier som f.eks. IoT. Vi er også gode på standardisering og åpenhet rundt data – og dette er viktig; skal vi klare å gjenbruke data så må vi standardisere. Norske myndigheter er også langt fremme på mange områder, og de viser en tydelig vilje og evne til å satse videre.
Anbefalt lesing/seing om big data?
Vi har en artikkel som går på læring fra big data pilotene vi har kjørt: «lessons learned from more than 30 pilots» og en artikkel på «treating data as assets» som kan være interessant lesing
En kort big data -sitat for å hekte på bildet ditt ved publisering?
Stordata bringer store nye muligheter, men også store nye utfordringer.
Big Data Veracity Nasjonale og internasjonale eksempler
Del denne Casen
En LØRN CASE er en kort og praktisk, lett og morsom, innovasjonshistorie. Den er fortalt på 30 minutter, er samtalebasert, og virker like bra som podkast, video eller tekst. Lytt og lær der det passer deg best! Vi dekker 15 tematiske områder om teknologi, innovasjon og ledelse, og 10 perspektiver som gründer, forsker etc. På denne siden kan du lytte, se eller lese gratis, men vi anbefaler deg å registrere deg, slik at vi kan lage personaliserte læringsstier for nettopp deg.
Vi vil gjerne hjelpe deg komme i gang og fortsette å drive med livslang læring.
En LØRN CASE er en kort og praktisk, lett og morsom, innovasjonshistorie. Den er fortalt på 30 minutter, er samtalebasert, og virker like bra som podkast, video eller tekst. Lytt og lær der det passer deg best! Vi dekker 15 tematiske områder om teknologi, innovasjon og ledelse, og 10 perspektiver som gründer, forsker etc. På denne siden kan du lytte, se eller lese gratis, men vi anbefaler deg å registrere deg, slik at vi kan lage personaliserte læringsstier for nettopp deg. Vi vil gjerne hjelpe deg komme i gang og fortsette å drive med livslang læring.
Flere caser i samme tema
More Cases in the same topic
Geir Engdahl
CTO
Cognite
Velkommen til Lørn.Tech – en læringsdugnad om teknologi og samfunn med Silvija Seres, Sunniva Rose og venner.
Silvija Seres: Hei, og velkommen til Lørn. I dag er tema Big.Data. Jeg er Silvija Seres og med meg her har jeg Elisabeth Tørstad som er CEO for DNV GL sin digitale satsning. Velkommen Elisabeth.
Elisabeth Tørstad: Tusen takk.
Silvija: Jeg sitter i styret i DNV GL og er stor fan av det du gjør.
Elisabeth: Takk.
Silvija: Først har jeg lyst til å spørre deg om er, altså dette her er en forretningsenhet i DNV GL, og DNV GL er tradisjonelt shipping, energi og; så hvordan er det en forretningsenhet å drive digitalt og hvordan er det en annerledes jobb enn å være en type Chief Digital Officer fordi jeg tror folk blander det?
Elisabeth: Først vil jeg bare si at DNV GL har drevet med digital forretning i mer enn 50 år nå siden vi startet vårt Software hus første gang og begynte å selge det som en helt selvstendig business. Det er det vi har videreutviklet
Silvija: Det er å selge digitale løsninger og tjene penger på det?
Elisabeth: Så min jobb er å drive en forretning og selge digitale løsninger til et globalt marked – vi er en stor global organisasjon, og jobbe parallelt med våre forretningsområder som også jobber ute i sine markeder. Samtidig har vi selvfølgelig en intern digital funksjon - vår interne digital infrastruktur hvor jeg er en bruker, kanskje mer en utfordrer eller en mer opplyst bruker enn…
Silvija: Og utålmodig?
Elisabeth: Mere utålmodig! Det også! Enn mange av de andre forretningsområdene, men det er en annen jobb så jeg driver en ekstern business.
Silvija: Du skal lage nye tjenester på basis av det digitale, mens den andre jobben - en type Chief digital officer, har ansvar for å sørge for at ting flyter internt, og forsåvidt utover også, men at det er fokus på infrastruktur.
Elisabeth: Det stemmer. Jeg lager ikke bare nye tjenester, men grunnenheten i det jeg er opptatt av er å skape verdi for våre kunder når de digitaliserer sin forretning og da gjennom både tjenester og produkter fra oss.
Silvija: DNV GL, tidligere Veritas, er et av de kuleste selskaper vi har i dette landet - om ikke i verden! Deres kunder, deres vertikaler, kan ikke du fortelle litt om hva dere gjør?
Elisabeth: Det er godt vi er to som mener at vi er et av de kuleste selskapene Silvija! Ehm, og det er vi jo litt fordi vi jobber etter en langsiktig og ideell visjon og formål med det vi gjør. Vi skal sikre liv, eiendom og miljø. Det gjør vi i fem forskjellige vertikaler – eller fem forskjellige forretningsområder. Vi jobber med maritim sektor, i olje og gass, vi jobber i energi bransjen og vi jobber med ledelsessertifisering, og det vi kaller Buisiness Insurance tjenester, og da det vi kaller for digitale tjenester. Vi jobber bredt og globalt. Jeg vet ikke om noen andre som har så mange kunder som oss med så mange touchpoint som oss innenfor globale industrier med relativt høy risiko. Og det er det vi hjelper dem med; vi hjelper dem med å håndtere risikoen deres.
Silvija: Jeg forstår veldig godt hvorfor folk assosierer det med DNV GL eller Veritas med type shipping og energi, for hele opphavet kommer fra veldig lenge siden da noen fant ut at man på globalt nivå måtte definere hva som var et godt skip i de forskjellige klassene, og så ble dette her globale sertifiseringer tradisjon. Men det shipping og energi og så har det spredt seg til visse andre forretningsområder som du sier, så hvordan kommer det digitale inn her nå?
Elisabeth: Da vi startet opp for over 150år siden så var noe av utgangspunktet å innhente informasjon fra den samme typen informasjon fra en stor mengde kunder, analysere informasjonen og komme til en konklusjon basert på det, for så å dele informasjonen videre med andre myndigheter osv. Og det er jo et fantastisk utgangspunkt for å digitalisere. Informasjonsinnhenting i stor skala med mange datapunkter som skal sammenlignes og analyseres er jo oppskriften på digitalisering. Så for meg er det åpenbart at vår forretningsmodell passer til en digital verden.
Silvija: Og det er for så vidt som du sier at dere har 150års erfaring med å hente inn masse informasjon. Men da også med å tolke den med hensikt til å si at: ”dette er godt nok” eller ”dette er best”!
Elisabeth: Også har vi også 150års erfaring med å være en organisasjon som folk har tillit til at kan lagre deres informasjon. Lagre informasjon på vegne av dem på en sikker måte sånn de selv kan velge hvem de vil dele den med, og hvordan de skal bruke den informasjonen. Med våre arkiver inneholder informasjon som våre kunder ofte selv har glemt, men de har tillit til at det er der og at det er trygt hos oss.
Silvija: Dette begynner å bli en ordentlig konkurransefaktor.
Elisabeth: Det er en fantastisk konkurransefortrinn for oss!
Silvija: Ja. Du, kan ikke du si litt konkret om de nye produktene eller fokusområder som dere har?
Elisabeth: Jeg vil begynne med plattformen vår for basert på vår historiske posisjon så har vi jo nå utviklet en åpen plattform. Jeg vil si at vi tok det første skrittet faktisk for over 20 år siden da vi laget våre produksjonssystemer opp til å gå over til å bli en lukket dataplattform sammen med våre kunder.
Silvija: Hva betyr det?
Elisabeth: Det betyr at vi gjorde alle produksjonsdata og alle historiske data tilgjengelig i bilaterale forhold med våre kunder. Og vi var veldig tidlig ute med å skreddersy det å lagre deres data der sånn at de selv kunne få tilgang til dem. Så har vi for noen få år siden nå, tatt initiativet til å gjøre det om til en åpen plattform. Åpen plattform for innovasjon i åpne økosystemer rundt våre kunder, men også rundt våre konkurrenter og andre leverandører og aktører i disse eco-systemene hvor vi kan la våre data bli tilgjengelig, vi har åpne datasett, vi kjøper dataset som vi også bruker våre analyser, vi har våre software og våre analytiske produkter liggende på plattformen og vi invitere andre inn til å være innovative og lage forbedringer basert på disse dataene.
Silvija: Det er den Veracity plattformen?
Elisabeth: Det er den Veracity, og det er idéen bak Veracity.
Silvija: Ja. Hvordan har Veracity en annerledes Big.Data plattform enn for eksempel noen av disse Sky.Data og Big.Data plattformene som finnes?
Elisabeth: Nå er Veracity også skybasert.
Silvija: Nei, men jeg tenkte mer på, si de store som Azure til Microsoft, eller..
Elisabeth: Og vi bygger på Azure så vi har et tett samarbeid med Microsoft.
Silvija: Så det er innholdet som er spesielt?
Elisabeth: Ja, det er innholdet som er spesielt. Innholdet er da domenespesifikk. Innholdet er noe at vi bringer våre kunder får informasjon om våre data ombord og innholdet og strukturen legge til rette for at man skal kunne lære av data på tvers. For det vi ser i dag er jo at de fleste virksomheter sitter med relativt mye data og en mulighet til å lære på sine egne data, men muligheten til å forbedre operasjonen og til å ta bedre beslutninger øker dramatisk når du kan jobbe med datasett på tvers av virksomheter. Så det er det som er nøkkelen idéen.
Silvija: Og det er ganske spennende. Dere har da data fra energi industrien, dere har data fra shipping industrien, dere har data fra mat - og helse industrien.
Elisabeth: Mhm.
Silvija: Du har fortalt meg om noen veldig spennende tanker dere har for eksempel rundt optimalisering av type matproduksjon basert på Big.Data. Kan du fortelle oss litt om de eksemplene?
Elisabeth: På matproduksjon i dag så er det første som virkelig har eskalert i dag er det at vi bruker Blockchain for å styrke matsikkerheten.
Silvija: Hva betyr det?
Elisabeth: Det betyr at i dag når du går i butikken og kjøper mat så kan du se at enkelte produkter for eksempel har et sertifikat som sier at det er produsert på en bærekraftig måte, det er produsert uten kunstgjødsel osv. Du kan se informasjonen om det, men du vet ikke om den informasjonen er sannferdig fordi den er kopierbar og manipulerbar. Blockchain er jo på en måte dagens metode for å sikre at inflasjonen er sannferdig, nettopp fordi den bli registrert så mange steder at du kan ikke manipulere det uten at det er synlig. Så når du går inn tidlig i en verdikjede - i produksjonen; altså de første brukerne våre av Blockchain som ”my story” som vi kaller produktet av italienske vinprodusenter. Så når du går inn tidlig i produksjonen av vin og sertifiserer og har en slik instans som oss for å sikre at den informasjon som kommer inn er sannferdig. Det er jo klart at Blockchain er jo ikke noe annerledes enn alle andre ting du kan legge inn falsk informasjon om. Men når du har en instanse som oss og legger inn informasjon tidlig…
Silvija: Legger inn informasjon om kvaliteten eller…
Elisabeth: Om kvaliteten, om bruk av gjødsel, om jordsmonn, om at man ikke bruker barnearbeid, om at det er organisasjoner som driver på en god måte i henhold til regler oss bare for drift, ikke sant. Alle mulige parametre. Så legger du inn det, også kan du legge inn sporbarhet på lagring, på transport. I dag er opptatt av – og her har vi et veldig spennede grensesti mot den maritime sektoren fordi vi i dag også er opptatt av som forbrukere at de produktene vi kjøper skal være transport på en måte som gir et lavt CO2 fotavtrykk for eksempel. Og det kan vi da sikre ved at du kan ha sporbarhet på at de båtene som transporterer din vin eller dine joggesko faktisk driftes for å ha et lavt energiforbruk.
Silvija: Eller skip som transporterer fisken min da for det jeg hører om fiskeri – eller hele bransjen i det hele tatt, er at det å kunne si noe bestemt om fiskens størrelse og kvalitet er så og si umulig i dag og misbrukes internasjonalt. Og dette her sier du er ting som man ikke kunne løse hittil, men nå - fordi vi kan ta disse målingene fordi vi kan samle data fordi vi kan prosessere det fort nok - så er det ting vi kan adressere.
Elisabeth: Dette er mulig og det er klart at en del av ansvaret ligger på oss som forbrukere i å etterspørre og han bevissthet rundt at det er mulig og vi kan stille disse kravene til maten vi spiser og de varene vi forbruker. Og det som er spennende er jo at det er industrielle aktører som ønsker å demonstrere at de driver på en god og bærekraftig måte enten det gjelder matproduksjon eller andre ting. De ser at det gir dem et konkurransefortrinn, så vil dette være i bevegelse i riktig retning. Vi har verktøyene!
Silvija: Ja! Hva gjør dere i helse?
Elisabeth: I helse gjør vi veldig mye spennende. En av de morsomme tingene vi jobber med nå er noe som heter ”variant analyse og verktøy for å analysere varianter”. Dette er et litt rart begrep i seg selv, men du og jeg har rundt fire millioner genetiske varianter i kroppen vår. Når du får kreft så er det kanskje én av dem det er noe feil med. Det å komme fra å analysere de fire millionene ned til å finne de syke variantene i kroppen vår har vi tidligere ikke kunnet gjøre. Så vi har behandlet generisk med samme type medisin på alle. Når vi nå åpner, og dette er noe vi jobber med, helsedata og forskningsdata internasjonalt. Vi må ha store datamengder for å komme dit. Så kan vi redusere arbeidsmengden med å identifisere de få syke variantene og dermed lage presisjonsmedisin som både da øker sjansene for helbredelse dramatisk og for å redusere bivirkningene.
Silvija: Er dette noe DNV GL gjør selv eller i tett samarbeid med noe forskningsinstitusjoner eller hvordan fungerer det?
Elisabeth: Dette gjøres i et tett samarbeid med forskningsinstitusjoner og i tett samarbeid med flere store sykehus og med Norsk forskningsråd.
Silvija: Kjempespennende! Og så fra helse til gass. Hva gjør dere der?
Elisabeth: Der har jeg lyst til å fortelle om et kjempespennende eksempel som jeg jobber med nå i England sammen med en av eierne og driverne av gass infrastruktur og rørlednings infrastruktur der. De har sett at deres rolle er nødt til å endre seg fra å være en distributør av fossil energi. De må endre rollen sin.
Silvija: Til hva?
Elisabeth: De ønsker da å kunne drive med gass fra biogjødsel og fra bilindustri så biogass inn med syntetisk gass og med hydrogen…
Silvija: Syntetisk gass?
Elisabeth: Som vi produserer og sammen med hydrogen som vi produserer fra overskudd.
Silvija: Som man koker opp?
Elisabeth: Som man koker opp selv. Som man produserer fra overskudd og er fornybar kraft. Med variabel kraft av vind og sol så kan vi faktisk produserer gass ut av det og lagre det inn i rørledningsnettverket. Så der vi snakker om at vi trenger lagringsløsninger for energi så er faktisk ned eksisterende infrastrukturen - spesielt i Europa og USA - et fantastisk utnyttet potensialet for lagring av energi.
Silvija: Så nettet som batteri?
Elisabeth: Nettet som batteri. Rørledningsnettverket som batteri. I tillegg….
Silvija: Hva har dette med Big.Data og gjøre?
Elisabeth: Vent litt! I tillegg så må jo da dette selvfølgelig kunne selges videre til forbrukerne. I dag betaler forbrukere for et volum av gass og for å kunne selge noe som fungerer og for å kunne leve opp til den drømmen, så må man kunne kontrollere gassinntaket, man må kunne kontrollere trykket, du må kunne kontrollere hele det store systemet, men med forskjellig input inn i dette rørledningsnettverket.
Silvija: Ganske vanskelig system å operere.
Elisabeth: Ganske komplisert! Du må skjønne kaloriverdien og energimengden på den gassen du selger som da vil variere. Og dette er det vi hjelper deg med. Så vi hjelper deg med en hel rekke sensorer og hvordan vi skal kontrollere hele dette store nettverket.
Silvija: Utrolig spennende.
Elisabeth: Kjempe spennende!
Silvija: Så hvis vi skal oppsummere Big.Data i et selskap som driver med så mange forskjellige vertikaler, men det er noen felles faktorer. Hvordan tolker dere det? Veldig enkel Big.Data og er det noe ekstra verdi av å kunne se på tvers av disse industriene?
Elisabeth: Korte svar på de siste er; ja. Jeg tolker Big.Data som en stor mengde data, men ikke minst data med stor kompleksitet og fra mange kilder. Det vi virkelig tilfører på tvers av alle disse vertikalene er en evne og kunnskap om kvalitet på data fordi at integriteten og kvaliteten på data - krav til det, må være like høye i alle industriene. Og det å forstå hvordan man setter opp det og hvordan man skaper verdi av det er det samme uansett hva man jobbe med. Og så trenger vi å legge domenekompetanse på toppen for å sette data inn i en kontekst.
Silvija: Elisabeth; tilbake til disse 150 årene med erfaring. I dag er DNV GL et svært internasjonal globalt selskap. Men hva var grunnen til dette utgangspunktet som var unikt som gjør at man fortsatt kan gjøre dette her best i verden?
Elisabeth: Utgangspunktet som er unikt må være at vi arbeider for et langsiktig formål og for å forbedre alle de industriene vi er inne i og faktisk skaper verdi for de kundene vi arbeider med. De ser på oss som en kompetent partner for å skape verdi og bedre deres langsiktige drift av businessen sin.
Silvija: Ja. Du og jeg har ikke snakket så mye om potensielt negative eller kontroversielle sider ved Big.Data, men veldig kort: vi er teknologirealister begge to og vet at teknologi er der for å løse eksisterende problemer og skape nye problemer, ikke sant. Hva er det man skal trå varsomt rundt her nå?
Elisabeth: Det er mange ting å trå varsomt rundt, men jeg vil trekke fram én ting - jeg vil fortelle et eksempel fra en jobb jeg gjorde for en kunde for et par år siden. Vi fikk data fra to forskjellige drillskip. Et helt år med data. Kunden sa at: ”her har vi samlet masse data. Vi har så mye sensorer. Kan vi bruke dette til noe?”. De hadde da investert disse sensorene, de har investert i lagring, de har brukt tid og penger på sette dette opp. Det første vi så når vi fikk 36 milliarder datapunkter var at ikke ett eneste av dem var i henhold til internasjonale standarder for datakvalitet.
Silvija: Som betyr hva?
Elisabeth: Det betyr sporbarhet, det betyr metadata rundt dataene, det betyr all mulig slags tagging på godt norsk.
Silvija: Betyr det at det var bortkastet? Eller må kunne dere bruke det?
Elisabeth: Vi kunne bruke halvparten etter mye jobb. Hvis de hadde gjort den jobben på forhånd og tenkt seg om hva de skulle bruke dataen til, hadde de faktisk spart penger i utgangspunktet og de hadde fått mer verdi ut av de dataene og ut av de investeringene de gjorde. Det høres ut som et buzzword å tenke på data som et råmaterial, men vi må tenke på kvalitet, integritet og hvordan vi forvalter data på en fornuftig måte.
Silvija: Ja, før man begynner å samle.
Elisabeth: Før du begynner å samle og før du begynner å investere enorme mengder når de begynner å samle opp før du begynner investere enorme mengder.
Silvija: To setninger også om det kommersielle. Du forvalter jo et ganske stort budsjett og vi vet at det ikke er enkelt å begynne å tjene penger på disse digitale tjenestene. Folk må først overbevises om at det er nødvendig, også har dem jo klart seg uten det før. Hvordan klarer du det?
Elisabeth: Det første som jeg startet med å si så har jo vi digital forretning som har levd i mer enn 150 år, så noe er på en måte veldig solid og det er et godt utgangspunkt fordi det betyr at vi har råd og mulighet til å bygge på det og å videreutvikle det - og også ha inkubatorer og det vi kaller for aksellatorvirksomhet og alle disse nyskapende virksomhetene i parallell. Så det er en styrke for et selskap som oss å ha både driften som fungerer og virkelig fortsette å være relevant på det, selvfølgelig, og også da å kunne investere i parallell.
Silvija: Hvis folk skal lese noe. Hva ville din topp anbefaling vært? Om Big.Data!
Elisabeth: Ja, om Big.Data. Følg oss på våre blogger om Big.Data. Vi har DNV GL bloggposter og LinkedIn poster rundt Big.Data. Spesielt rundt datakvalitet og integritet. Også vil jeg si; tenk, les, se TED Talks og lytt til podcaster for å få forskjellig input for det er noe av det som er viktig. Så jeg har ikke lyst til å bare si én ting. Men jeg har lyst til å si at man virkelig skal grave litt og bruke litt forskjellige kilder.
Silvija: Ja! Avslutningsvis. Hvilket bilde skal folk i hodet nå - DNV GL, Big.Data og Veracity; hvordan ser det ut?
Elisabeth: Det ser ut som en fantastisk plattform som knytter sammen industrier og kunder globalt og gir oss alle en mulighet til å skape innovasjon og nye produkter, ny effektivitet og nye muligheter på toppen av alle de dataene!
Silvija: Kjempefint! Tusen takk. Jeg synes det dere gjør er et utrolig spennende arbeid! Takk for at du tok deg tid til å komme hit og lære oss om Big.Data, Elisabeth Tørstad.
Elisabeth: Tusen takk.
Du har lyttet til en podcast fra Lørn.Tech - en læringsdugnad om teknologi og samfunn. Følg oss i sosiale medier og på våre nettsider Lørn.tech.
LØRN AS, c/o MESH,
Tordenskioldsgate 2
0160 Oslo, Norway
Bibliotek
Om LØRN
© 2024 LØRN AS
Du må være Medlem for å dokumentere din læring med å ta quiz
Allerede Medlem? Logg inn her:
Du må være Medlem for å kunne skrive svar på refleksjonsspørsmål
Allerede Medlem? Logg inn her: