LØRN Case #C0574
Industriell software og data som eksportvare?
Alle vil løse dette med prediktiv vedlikehold, men dersom en pumpe bare har blitt ødelagt én gang tidligere – hvordan skal man da predikere vedlikeholdet når det mangler data? Og kort og enkelt forklart, hva er en digital tvilling? I denne episoden av #LØRN snakker Silvija med Director Partners & Alliances i Cognite, Anna Olsson, om hvordan de hjelper bedrifter med å lenke sammen all dataen de har, så den får en kontekst og da en mening.

Anna Olsson

Director partners & alliances

Cognite

"Norge har en unik mulighet å posisjonere seg innen industriell software, vi har industri-ekspertisen i landet som software selskapene må jobbe tett sammen med for å klare dette."

Dette er LØRN Cases

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.

Vis

Velg ditt format

Varighet: 33 min

Ta quiz og få læringsbevis

Du må være medlem for å ta quiz

Ferdig med quiz?

Besvar refleksjonsoppgave

Du må være medlem for å gjøre refleksjonsoppgave.

Hvem er du, og hvordan ble du interessert i innovasjon?

Svensk, kom hit etter Dot Com-krasjet (som rammet Sverige hardere) – forelsket meg i Norge og ble værende! Planla egentlig ikke å studere IT, men fant en spennende kul utdanning på slutten av 90-tallet kalt Multi-media design. Valgte å fordype meg og ta datavitenskapelige eksamener. Utrolig spennende å kunne bygge nye ting som forbedrer folks hverdag!

Hva er det viktigste dere gjør på jobben?

Hjelper tungindustrien å få verdi ut av dataen de allerede har. Vi tilrettelegger slik at selskapene kan skalere verdiuttak ved bruk av digital teknologi og data.

Hva fokuserer du på innen teknologi/innovasjon?

Bygger opp partner økosystemet til Cognite, for dette er ikke noe vi kommer løse alene! Trenger eksperter innen dataintegrasjon, maskinlæring, analyse, agile coaching, etc. + domenekunnskap innen industrien

Hvorfor er det spennende?

Partner-økosystemet er spennende siden det gir mulighet å jobbe med mange spennende selskap både i Norge og resten av verden! Å hjelpe industrien å løse sine utfordringer er spennende da det har så mange ringvirkninger, f.eks nye forretningsmodeller.

Hva synes du er de mest interessante kontroverser?

Alle snakker om digitalisering, men få har fått det operasjonalisert og tatt i bruk bredt i organisasjonen. AI er fremdeles mye hype.

Dine egne relevante prosjekter siste året?

Starte opp Cognite Partner Community hvor partnere kan møtes og veksle erfaringer – selv om de kanskje konkurrerer til daglig.

Dine andre favoritteksempler på lignende prosjekter, internasjonalt og nasjonalt?

Hvis man ser på selskaper: Spacemaker er veldig spennende, hvor de også ved å bruke data som via software fører til ny innsikt og måter å løse utfordringer.

Hva tror du er relevant kunnskap for fremtiden?

Lære seg å lære nytt, vi vet ennå ikke hva som blir viktig! I tillegg ser vi en trend hvor domene-eksperter blir de som løser problemer mer effektivt selv.

Hva gjør vi unikt godt i Norge av dette?

Vi har historisk suksess med software, feks FAST og Tandberg, og større satsinger som Cognite/Spacemaker i dag. Norge er veldig sterk innen industri – det er noe vi virkelig kan.

Viktigste poeng fra vår samtale?

Norge har en unik mulighet å posisjonere seg innen industriell software, vi har industri-ekspertisen i landet som software selskapene må jobbe tett sammen med for å klare dette. Med domene/industri-kunnskap, tilgjengelig kontekstualisert data og skalerbar software har vi et meget godt utgangspunkt! Vi er et attraktivt land for utenlandske talenter, men har noen forbedringspotensial rundt prosesser.

Hvem er du, og hvordan ble du interessert i innovasjon?

Svensk, kom hit etter Dot Com-krasjet (som rammet Sverige hardere) – forelsket meg i Norge og ble værende! Planla egentlig ikke å studere IT, men fant en spennende kul utdanning på slutten av 90-tallet kalt Multi-media design. Valgte å fordype meg og ta datavitenskapelige eksamener. Utrolig spennende å kunne bygge nye ting som forbedrer folks hverdag!

Hva er det viktigste dere gjør på jobben?

Hjelper tungindustrien å få verdi ut av dataen de allerede har. Vi tilrettelegger slik at selskapene kan skalere verdiuttak ved bruk av digital teknologi og data.

Hva fokuserer du på innen teknologi/innovasjon?

Bygger opp partner økosystemet til Cognite, for dette er ikke noe vi kommer løse alene! Trenger eksperter innen dataintegrasjon, maskinlæring, analyse, agile coaching, etc. + domenekunnskap innen industrien

Hvorfor er det spennende?

Partner-økosystemet er spennende siden det gir mulighet å jobbe med mange spennende selskap både i Norge og resten av verden! Å hjelpe industrien å løse sine utfordringer er spennende da det har så mange ringvirkninger, f.eks nye forretningsmodeller.

Hva synes du er de mest interessante kontroverser?

Alle snakker om digitalisering, men få har fått det operasjonalisert og tatt i bruk bredt i organisasjonen. AI er fremdeles mye hype.

Dine egne relevante prosjekter siste året?

Starte opp Cognite Partner Community hvor partnere kan møtes og veksle erfaringer – selv om de kanskje konkurrerer til daglig.

Dine andre favoritteksempler på lignende prosjekter, internasjonalt og nasjonalt?

Hvis man ser på selskaper: Spacemaker er veldig spennende, hvor de også ved å bruke data som via software fører til ny innsikt og måter å løse utfordringer.

Hva tror du er relevant kunnskap for fremtiden?

Lære seg å lære nytt, vi vet ennå ikke hva som blir viktig! I tillegg ser vi en trend hvor domene-eksperter blir de som løser problemer mer effektivt selv.

Hva gjør vi unikt godt i Norge av dette?

Vi har historisk suksess med software, feks FAST og Tandberg, og større satsinger som Cognite/Spacemaker i dag. Norge er veldig sterk innen industri – det er noe vi virkelig kan.

Viktigste poeng fra vår samtale?

Norge har en unik mulighet å posisjonere seg innen industriell software, vi har industri-ekspertisen i landet som software selskapene må jobbe tett sammen med for å klare dette. Med domene/industri-kunnskap, tilgjengelig kontekstualisert data og skalerbar software har vi et meget godt utgangspunkt! Vi er et attraktivt land for utenlandske talenter, men har noen forbedringspotensial rundt prosesser.

Vis mer
Tema: AI- og datadrevne plattformer
Organisasjon: Cognite
Perspektiv: Mindre bedrift
Dato: 200122
Sted: OSLO
Vert: SS

Dette er hva du vil lære:


Kontekstualisering av data produksjons-optimalisering og smart vedlikehold Digitale tvillinger AI-hype Norsk kultur

Litteratur:How Google works av Eric Schmidt

Del denne Casen

Din neste LØRNing

Din neste LØRNing

Din neste LØRNing

Flere caser i samme tema

#C0043
AI- og datadrevne plattformer

Sverre Kjenne

Leder

BaneNor

#C0042
AI- og datadrevne plattformer

Geir Engdahl

CTO

Cognite

#C0045
AI- og datadrevne plattformer

Michael Link

Forsker

Kongsberg

Lytt #C0574

Tekst for Case #C0574

Velkommen til Lørn.Tech, en læringsdugnad om teknologi og samfunn med Silvija Seres og venner.


SS: Hei og velkommen til Lørn! Navnet mitt er Silvija Seres, og min gjest i dag er Anna Olsson, som er direktør for Partners and Alliances ved Cognite, velkommen.

AO: Tusen takk.

SS: Anna, vi skal snakke om industriell software med da fortegn Big data kanskje, må nesten det når du er fra Cognite, men jeg har lyst til å egentlig høre med deg, også med din svenske bakgrunn kanskje, på hvordan du ser på Norges unike styrker i den tiden som kommer fremover, for jeg tror vi har en felles kjærlighet for det Cognite holder på med. Men før vi gjør det Anne, kan ikke du fortelle litte grann om hvem du er og hva som driver deg?

AO: Ja, så jeg er jo da svensk som du hører, men nå prater jeg kanskje «svorsk» etter 20 år i Norge. Jeg kommer hit da jeg gikk ut skolen rett etter dott com krasjen. I Sverige fantes det ikke noe jobb, veldig mye hype der enn i Norge endte Norge så jeg endte opp med å søke meg til Norge og trodde bare jeg skulle være her ett år og her er jeg 20 år senere, ble veldig forelsket i Norge og folket her. Det har vært veldig gøy, så bakgrunnen min er vel egentlig, jeg hadde aldri noen planer om å havne i IT eller studere IT, så det var bare en tilfeldighet egentlig, det har vært jo på midten/slutten av 90-tallet. Så fant jeg en kjempekul utdanning som heter multimedia-design som var veldig hypet på den tiden og den var tverrfaglig så når jeg begynte så var det første to årene så leste du parallell medier og kommunikasjon og IT, eller informatikk da. Og til min overraskelse så oppdaget jeg at synes at informatikkdelen var mye mer gøy, fikk prøve å programmere og utvikle ting og oppdage den følelsen av å skape nye ting og endre hverdagen til folk, så når vi skulle velge retning så endte det med at jeg tok min utdanning og fikk min grad i informatikk også havnet jeg i IT-bransjen.

SS: Og det er mange i Norge som klager på at Sverige er langt foran oss når det gjelder digitale markedsplattformer, sånne ting som Spotify og klarna, Skype. Vi pleier egentlig å stå litt med lua i hånda synes jeg her i Norge, og sier at: «jaja, vi burde kanskje vært flinkere på IKT», som det heter på gammelt. Mens du sitter nå i kjernen av noe som jeg synes er egentlig Norges unike mulighet fremover, og det er egentlig ikke massemarked plattformer nødvendigvis, men industrielle plattformer, på basis av data. Disse nye digitale tvillinger for alle bransjer, hva tenker du om det?

AO: Jeg tenker at vi må jo ikke glemme historiske suksessene vi har hatt, både Tandberg og Fast og så videre, vi er flinke på software i Norge også. Det som vi har veldig unikt i Norge tror jeg er at vi har industrien, ikke sant. For å lykkes i det her området, så tror jeg Norge er veldig vel på nedsamling, men for eksempel Silicon Valley som er mer historisk bare på grunn av utvikla software-brett, vi har jo industrien, oljeindustrien, kraft og så videre, som vi kan jobbe veldig tett med og faktisk løse de problemene de har. Det vi har lært oss, det er jo at du må sitte sammen med domeneekspertene for å løse de problemene for å forstå hvordan du skal løse det med software, og det tror jeg vi har en helt unik mulighet i Norge. Vi har domenekunnskapen og muligheten til å utvikle software.

SS: Jeg er da en av gamle Fast-folka.

AO: Riktig, ja.

SS: Jeg er veldig glad i Jon Markus Lervik og synes han er en av de flinkeste gründerne, seriegründerne vi har i dette landet, men jeg må innrømme at Cognite er det prosjektet hans jeg liker aller, aller best. Og det er noe med at jeg tror at Cognite, altså dere, nå sitter i en posisjon som er helt unik, fra Norge på verdensbasis. Altså det å lage Enterprise search, eller det å lage annonseplattformer, det er det en del andre land som kan gjøre minst like bra som oss, fordi de har så mye større massemarkeder i seg. Mens disse industrielle markedene hvor det kreves ekstrem domenekunnskap som du snakker om, innenfor olje, innenfor energi, innenfor shipping, innenfor velferd eller helse for den saks skyld, der er Norge helt utrolig rå altså, så dere har et kjempespennende utgangspunkt. Fortell litte grann mer da, om Cognite, for nå har jeg på en måte introdusert det bakfra nærmest.

AO: Ja, tusen takk for at du er fan. Så det vi gjør da er at vi hjelper «Asset-Heavy-Industry», litt tungindustri som typisk har store, tunge oljeplattformer, eller skip som du nevnte, også får vi ut de dataene som de allerede har. Vi hjelper dem å tilrettelegge sånn at de kan hjelpe til å skalere verdiuttaket, for det er ikke noe problem, dataen fins jo der, ikke sant, men ofte er silosystem som vi hjelper til med. Først, nummer en, løfte opp dataene og alle de silosystemene, også senere gjør vi noen ting som vi kaller for kontekstualisering, vi lenker dem opp igjen sånn at vi vet hvilken pump som har hvilken tidsseriedata. Når dem blir vedlikeholdt, informasjon fra Pc-systemet alt dem sammen aggregerer vi opp også gjør vi det lett tilgjengelig opp via API’er og STK-er sånn at det er enkelt å skalere verdiuttaket på toppen.

SS: Dere legger på litt, på en måte forståelse på alle disse sensordataene og historiske data?

AO: Så tenk deg for eksempel at du har en oljeplattform, hundretusen sensorer, det vi gjør for eksempel er at vi sikrer at vi har brukt opp det som ofte kalles en «asset hierarchy» hvor er sensorene på hvilken pump? Hvor sitter dem sammen? Vi bygger opp den datamodellen og kobler det til da ulike typer. Hvilke er vedlikehold? Hvilke har vedtaket på den pumpen? Så når du senere bare skal utvikle maskinlæringslagoritmer eller bare kanskje noe enkelt som en dashboard på toppen så kan du skalere det veldig kjapt, for da kan du bare spørre vår API «gi meg all data som er relevant for pumpe x», og vi finner ut av både tidsserier, live-data, vi importerer også 3D, vi jobber mye med 3D, så vi skaper da digitale tvillingene som du nevner, så du enkelt kan visualisere det på en god måte også, og de gir hendene på arbeidet som jobber ute på oljeplattformen for eksempel, så det er første steg å bare gi dataene til dem som trenger det for å gjøre jobben sin, mens en også løser dem litt mer kompliserte problemene som ofte handler om smarte vedlikehold, hvordan endrer du sånn at du ikke bare stopper en pumpe for at det har gått et år siden sist, ser på den og sier «ah, den fungerer bra» istedenfor å faktisk gjøre basert på tilstanden på pumpen.

SS: Ja.

AO: Et annet område som mange er interessert i er jo bedre produksjon, uansett hva5 du produserer. Er det olje, er det kraft, eller optimalisering. Og da må du ha tilgang til data og forstå hvordan det fungerer.

SS: Hva er det Cognite gjør unikt bra med dette her da?

AO: Det er vel dels den delen med kontekstualisering, ikke sant? At vi hjelper til å lenke sammen alle dataene. Vi dumper ikke bare dataen oppi en, noen blir sikkert utskjelt av det, men en dum datalek, uten at det faktisk er data med mening da. Den er kontekstualisert og gir kontekst, ikke sant? Også tror jeg den unike muligheten vi har, der vi investerer så mye med den 3D-funksjonaliteten at du faktisk kan visualisere det på en god måte, og vi anvender kanskje digital tvilling som et godt eksempel på det, hvordan kan du faktisk navigere og se dataen rent fysisk også. Et annet spennende område som jeg tror vi er ganske unike på, det er, jeg kommer vel kanskje tilbake til det, vi skal diskutere litt paradokser også, men alle prater jo om maskinlæring og AI som den neste «hype’n», ikke sant? Eller, det er jo en hype, og alle tror at man kan løse problemer med maskinlæring og det tror vi vi kan, men det som er utrolig viktig for å kunne løse problemet ved hjelp av maskinlæring er at du har nok treningsdata for å trene dine modeller på, ikke sant? Industrien har jo masse av data, men du har ikke data som kanskje er god nok for å spå fremtiden, så alle vil jo løse det med prediktivt vedlikehold, men om du har en pump som bare har blitt ødelagt en gang på tretti år, så er det veldig vanskelig å bruke kun den dataen for å forutse, «når skal den pumpen bli ødelagt neste gang?», så der jobber vi veldig mye med det vi kaller for hybrid AI, der du kombinerer fysikk og fysikksimulatorer som input-parametere til maskinlæringsmodellene, og det er jo utrolig spennende. Og dem tre områdene der, kontekstualisering, 3D, hybrid-AI, det tror jeg er våre unike posisjoneringer.

SS: Det er veldig mange morsomme konsepter her som, jeg har lyst til å bare åpne bitte, bitte litte grann, altså Cognite mistenker jeg at har gitt arven da fra de tidligere selskapene og de som jobber med å bygge opp Cognite også skalerer fantastisk bra, og det jeg hører er at, altså at oljeselskaper og mange andre energiselskaper Asset-heavy-industrier generelt har egentlig vært flinke til å begynne å samle data for lenge siden, det er bare det at de ikke visste hva de skulle med alle dataene. Så det at dere klarer å bygge den broen, fra de dataene deres til noe de faktisk kan bruke, hjelpe dem med å forstå hvordan de skal bruke data og den der konteksten som dere snakker om, det er kjempeviktig! For egentlig, ikke bare norske heavy-industrileverandører, men hele verden.

AO: Ja, vi ser den samme problemstillingen overalt egentlig i verden.

SS: Ja, og det der konseptet med digitale tvillinger synes jeg er veldig kult, og dere, Kongsberg DNV GL, altså flere som jobber med å få den der greia ut til verden, og nå ser jeg egentlig at det er flere og flere internasjonale typer storaktører som begynner å ta eierskap til begrepet. Kan ikke du forklare litte grann hva en digital tvilling er?

AO: Det er veldig svært, for alle legger egentlig ulike ting i navnet «digital tvilling».

SS: Men hvis vi skal overforenkle det da? Bare så folk kan ha noe i bildet i hodet sitt da.

AO: Så, det finnes ulike typer av digitale tvillinger. Det vi jobber med, det vi kaller for en «operational digital twins», vi har en digital representasjon av den industrielle virkeligheten vil vi gjerne si da, så at du kan se på det med dine øyne på hvor asset’en, til for eksempel oljeplattformen ser ut i 3D, navigerer den, få en overlay av arealtilstanden, vet hva som har skjedd av vedlikehold, så du kan helt enkelt visualisere en digital versjon av den industrielle enheten. Så finnes det andre typer digitale tvillinger, som oftest har man det når du bygger asset’en, litt tidligere i fasen, det området fokuserer ikke vi på.

SS: Ja altså, det å kunne gå inn i en VR-design.

AO: Ja presist, og kanskje under tiden mens du bygger, den simulerer hvordan den skal, hypotesen, hva er den? hva er den bygd ut av? Vi har mer en “operational digital twin”, enn “digital representasjon av asset’en”.

SS: Og det som er så veldig spennende er at når man har det så detaljert da, og så sanntid som dere har, så kan man bruke det til å predikere vedlikehold, men man kan også bruke det til å optimalisere drift som, som du nevnte, også kan man bruke etter hvert den digitale modellen til å styre den fysiske modellen, og da begynner vi å ha veldig spennende ting, DNV GL jobber mye med sånne type «remote inspections» da, på skip hvor halvparten gjøres i den digitale tvillingen, og halvparten gjøres on site da.

AO: Presist, og det er jo det som mange vil oppnå, at man tar bort behovet for mennesker, for eksempel ute på oljeplattformene, det er der man kanskje har robotics, robots som samler inn dataene og går rundt og tar bilder for eksempel. Vi fikk akkurat i går, en av de kule robothundene, jeg vet ikke om du har sett dem, så nå går dem rundt på kontoret, og den kommer og går rundt og tar bilder og samler data, og da kan du via noen ting som kalles for «photogramatry» skape en ny 3D modell, utifra hvordan det ser ut akkurat nå, basert på bildene som blir tatt i realtid, som man også kan overlaye cad-modellen.

SS: Snakk om den nye vaktbikkja!

AO: Det utrolig spennende, jeg er fortsatt litt nervøs for å møte den i mørke korridorer om kvelden på jobben, men for å få til det da så må du jo ha bygd opp din digitale representasjon og ta små skritt til å faktisk komme til at du kanskje etter hvert kjør full remote operations som gjør en liten sånn drømmescenario for mange.

SS: Ja, dere har «data-fusion» som et av de overskriftene, kan ikke du si bitte litt om det også?

AO: Ja, altså fra begynnelsen så kallet vi våre produkter Cognite data platform, og det ble mye snakk om plattformer, men vi så ganske snart at det ble veldig sånn komplisert.

SS: For mange kunder?

AO: Ja, skremmende, for mange tenker at vi har allerede valgt en plattform, vi har valgt Asher eller Amazon eller lignende, og dem forsto ikke helt forskjellen mellom oss og en sånn type infrastruktur-plattform på den måten, så tenkte vi litt hva er det vi egentlig gjør? Jo, vi fusjonerer jo og knyter dataene sammen på toppen av plattformene, så vi byttet navn til Cognite data fusion for å liksom gjøre det klart at vi kan gjerne leve på toppen av en Asher datalek for eksempel, og hjelpe til å koble den dataen med IOT data som kommer fra sensorene om det er ønskelig, så ligger vi mer som et lag på toppen som beriker dataene og gjør det enklere å skape verdi

SS: Og din på en måte unike oppgave her, det er å bygge opp partner økosystemet.

AO: Det er riktig.

SS: Og det også høres stort og svulstig ut, men poenget er at Cognite har tilgang da til noen av beste hjernene, ikke bare internt i bedriften, men også i disse vennebedrifter, på å levere disse tjenester, og det jeg er nysgjerrig på er hvorfor du synes dette er spennende?

AO: Det aller mest spennende er jo at jeg får jobbe med alle de mest spennende selskapene der ute, finne synergieffekter og se hvordan vi skal best jobbe til sammen. Vi ønsker jo å være en software-leverandør, og da er vi veldig avhengig av å ha et tett økosystem med gode partnere rundt omkring som kan hjelpe oss med å realisere verdier og implementere verdi for kundene, så det er nesten som luksus føler jeg å få finne alle disse synergier og bare jobbe sammen og teste ut verdirealisering for kundene.

SS: Ja, er det noen kontroversers som om ikke holder deg våkne om natta som du synes er litt interessant å diskutere med kollegaer?

AO: Dels så er det vel det at alle vet at dem må gjøre noen ting om digitalisering og snakker mye om det, ansatt CDO-er og begynner å ha en high-level plan, men at når det kommer til enden så er det ikke så mye som må operasjonalisert egentlig. Det er mye planer, mye proof of concept, og digitale programmer som må starte, men hvor mange er det som egentlig ruller ut brettoperasjonelt i selskapene og faktisk realiserer verdi? Det er liksom et paradoks. Jeg tror det er mange som har sett det markedsføringsbudskapet om at, «bruk litt AI, så løser du alle dine problemer».

SS: Så slipper du å tenke mer.

AO: Ja, men det er jo ikke så enkelt, ikke sant? Og det er en annen paradoks som vi ser at, den nevnte egentlig også at alle, vi merker vel kanskje at vi må ta et steg tilbake iblant, og spørre kundene «okei, hva er egentlig problemet som du prøver å løse?». Kanskje det ikke er nødvendig å forutse at denne pumpen skal bli ødelagt om 2 år, kanskje det er mye viktigere å forstå hvordan den opererer akkurat nå, hvordan navigerer vi alle de tusen alarmene som skjer hele tiden? hvordan prioriterer vi arbeidet av vedlikeholdet? også tar du små steg mot å komme til predictive maintenance for eksempel. Det er derfor vi prater mer om smart vedlikehold enn prediktivt vedlikehold, vi kommer til å komme dit, men det finnes så mange enklere steg å ta først, så det er litt paradoks, men også veldig gøy for interessen er jo der ute, ikke sant? Og vi ser at vi trenger å jobbe veldig tett med kundene og med våre partnere for å finne ut, hvilken er egentlig use-case’ne som har best ROI og som vi bør løse først.

SS: ROI, «return of investment» generelt for teknologi tror jeg er kjempeviktig tema nå. For ikke sant, vi ser oss litt blinde også blir vi litt skremte fordi det er så mye. Det er litt sånn overveldende egentlig, alle de mulighetene som er der, men akkurat det spørsmålet som du stiller nå, altså hva er det vi trenger? Og hva er det vi vil av den teknologien? Det tror jeg blir veldig viktig måte å utvikle vår fremtid på også, vi blir ikke digitalisert, vi digitaliserer ved å ta nettopp de valgene som du snakker om nå.

AO: Også løse konkrete problemer som faktisk folk har et behov for å løse, så vi jobber veldig tett sammen med domeneekspertene i bedriftene vi jobber i. Vi vil gjerne ha dem inn på prosjektene så dem kan sitte sammen med datascientists og løse utfordringene dem har daglig, ikke sant?

SS: Altså jeg har lyst til å høre deg på en sånn greie som jeg har på en måte hengt meg oppi litt i det siste, og det er: jeg er så lei av den diskusjonen om det finnes noe general AI og kommer vi dit noen gang, og consciousness og mennesker og sånt, for jeg tror egentlig at det er helt irrelevant, vi har AI på den måten som dere bruker AI, kinesere er dritgode på å masse kontekstuelle spesifikke data, ikke sant? Også klarer de å trene AI’en til å løse akkurat det problemet veldig, veldig bra, og summen av disse AI’ene blir et utrolig kraftig verktøy, og det er ikke sånn at AI skal erstatte mennesker, det skal være verktøy.

AO: Vi skal hjelpe dem som faktisk behøver å løse problemene til å kjappere kunne ta beslutninger for eksempel, så vi prater mye om å frigjøre den menneskelige, altså at menneskene kan anvende kompetansen til å kjappere ta beslutninger, for eksempel basert på input fra det samme. Og det er litt det samme som at jeg blir litt trøtt på det at man prater om den digitale transformasjonen, i mitt hode så er jo digital transformasjon ikke egentlig noe annet enn å finne alle disse problemstillinger, og effektivt løse dem, ruller dem ut, også skalerer det, og det er noen ting som vi ser mange sliter med, for dem blir fast på en pilot der dem har løst noen ting, mens det tar dem like mye effort og innsats å løse det for pump nummer to, pump nummer tre og pump nummer fire. Det vi prøver å gjøre er at når du har den dataen tilgjengelig så kan du enkelt trene om din modell til pump to, tre, fire, uten at det tar mer enn bare timer kanskje, når du allerede har løst problemet en gang, ellers så får du ikke denne digitale transformasjonen som alle prater om til å eskalere, for den tar ikke slutt, ikke sant. Du må fortsette å løse problemene som kommer opp.

SS: Hva tror du, altså Cognite har jo, altså jeg har lyst til å snakke litt med deg om talenter, kort. En av de styrkene som jeg mener Cognite har er at dem har tilgang til en veldig stor gjeng med flinke folk man er kjent med fra før av. Hvordan får dere tak i folk og hvordan utvikler dere folk? For verden har gått også ganske mye lenger da, i de siste ti år, fra da vi jobbet med søkkplattformer, til å jobbe nå med veldig kontekstuell data og AI, for eksempel samme gjengen da. Hva gjør dere ekstern og interne talentjakt da?

AO: Vi tror veldig mye på, vi jobber mye med interns, vi har interns. Akkurat nå tror jeg vi har femten eller tjue stykker, og ofte tar vi dem fra internasjonalt. Vi har mange som kommer fra, vi har noen fra MIT, vi har fra et universitet i Canada som heter Waterloo, så vi går veldig bredt til å rekruttere fra bunnen av også. Og ellers så ser vi at vi har klart å gjøre oss attraktive rundt om i verden, så vi har vel, jeg tror bare vi er 28% norske, så vi har et veldig internasjonalt team, noe som jeg tror er veldig viktig om vi også skulle lykkes internasjonalt, som er litt av det vi startet med i denne podkasten. Hvis norsk software skal ut i verden så tror jeg vi trenger en diversity blant dem som løser problemene, og da tror vi veldig på det attrahere internasjonale arbeidskraft, der har vi sett at vi har gjort det ganske mye a og b-testing på våre stillingsannonser, og det å fremheve det norske velferdssystemet som faktisk finnes her rundt mammaledighet og pappaledighet og hele velferdssamhellet, enda en ting som er veldig attraktivt også rundt om i verden, som jeg tror kanskje vi er litt for dårlige på generelt til å promotere for å lokke hit, dem flinke folkene.

SS: Ja.

AO: Men vi har vært heldige, vi har fått folk fra Silicon Valley og det virker som dem trives godt, men det er også noen ting som man må huske på når det flyttes mange folk internasjonalt fra inn til en organisasjon så er det viktig å fokusere på, vi kjører norsk-kurs for eksempel, løpende for alle dem nye. Vi har veldig mye sosiale arrangementer, for det er ikke lett å komme helt ny til et land og ikke kjenne noen.

SS: Jeg har et lite tips med den gjengen der, dere må forby folk å snakke om Birkebeineren og om ski i lunsjen.

AO: Det er veldig lite snakk om Birkebeineren hos oss.

SS: Veldig bra. Du, hva tenker du er relevant kunnskap for fremtiden? Altså, dere henter jo folk fra veldig gode steder, og dette er smarte folk, men akkurat hva vil dere at de skal kunne? og hva vil dere at alle sammen skal fortsette å lære om?

AO: Det aller, aller viktigste å lære tenker jeg jo er det å lære seg å lære nytt, for vi vet ikke hva som kommer til å bli viktig, eller hva som kommer til å forandre seg, så det blir egentlig appetitten på å ville interessere. Det å lære seg nye ting, det tror jeg er viktig både for oss og for alle våre partnere, kunder også. Noe som vi ser som er en liten trend som man begynner å se, som jeg tror kanskje kommer til å skje enda mer, det er at domeneekspertene ute i industrien begynner å tilegne seg litt og litt mer teknisk kunnskap slik at vi med enklere verktøy til dem, at dem kan begynne å bli, løse mer av problemene selv, det snakkes mye om Citizen data scientists, og Citizen Developers, som ikke er utviklere fra trade eller fra utdanning, men er domeneingeniøreksperter som er ingeniørekspert på sin pump eller hvelv, eller hva det nå er som ved hjelp av lett tilgang til data og bra verktøy klarer å løse en del av dem her utfordringene selv faktisk.

SS: Det er litt sånn demokratisering av nettopp disse dataverktøy for alle, ikke bare for IT-sjefen.

TB: Og der tror jeg at vi kommer til å se at med litt økning i kompetansehøyningen hos domeneekspertene rundt teknologien, og muligheter med teknologi, og kanskje det også handler om change of management og å vise dem hva dem kan få til selv, hvis de får tilgang til de riktige verktøyene.

SS: Nå skal jeg kommentere litt fra Lørn-perspektiv, fordi jeg tror egentlig det der er kjempeviktig, men ikke bare på data-science, men egentlig på alle de nye teknologier. Det skjer utrolig mye på material teknologi, eller på internet of things, eller på edge-networks, og min opplevelse er egentlig at vi er for dårlige til å dele kunnskap og før vi har lært våre egne stories så er det utrolig vanskelig egentlig å få alle de mulige, på en måte ansvarsområdene som folk burde ta på seg. Så det å drive på en måte «citizen technology boss» da, ikke sant? Hvor alle ansatte er litt ansvarlig for å kreve de nye verktøyene, bruke de nye verktøyene. Utrolig mye morsomt man burde gjøre, for jeg mener at vi har noen av de beste case’ne i verden, på eksempler, men vi har ikke spredd de eksemplene godt nok, og det er noe vi bør se på med «partner communities» også, ikke sant, for våre telkoselskaper, altså fantastiske ting de gjør på 5g, problemet er bare at det er 2% av egne ansatte, som forstår hva greia er, ikke sant? Så det å få det spredd ut til hele selskapet så de skal føle seg inviterte i fremtiden, kjempeviktig.

AO: Helt enig.

SS: Vi har snakket litte gran om Norge sett fra utsiden allerede, men jeg har lyst til at du skal bare oppsummere. Hva ser du er unikt bra i dette landet i forhold til den type prosjekter som du jobber med.

AO: Jeg kan bare ta å sammenligne med Sverige. Det er enda flatere struktur i norske selskaper, veldig mange som flytter fra utlandet oppskattet veldig det at det er nærhet til ledelsen, det er en åpenhet for om du har en bra ide, til at du faktisk kan gjøre en impact i selskapet. Det tror jeg ikke du får i USA og i hvert fall i Sverige så må det være konsensus rundt alt. Du må ha møte for å bli enige om presist alt, det er veldig annerledes i Norge. Det er veldig sånn åpent ledelseskultur tror jeg, det er en nærhet til ledelsen og at hvem som helst, i alle fall hos oss, som mange andre selskaper, for jeg jobber i Norge, at det er en åpenhet, den, ikke lille mannen, den personen som faktisk sitter faglig kompetent på noe kan komme med en god ide og få faktisk det som et gjennomslag. Det synes jeg er kjempespennende, og selv om vi så klart skal, som jeg nevnte, velferdssamhellet tilført. For eksempel i USA med tanke på mammaledighet, pappaledighet, ferier og så videre, så har vi jo en helt annen, vi har det jo utrolig bra her i Norge.

SS: Vi vet ikke hvor bra vi har det.

AO: Vi vet ikke hvor bra vi har det og vi må bli bedre til å faktisk fortelle om det også, også den norske naturen og nærheten til Markafjorden. De som kommer hit fra utlandet, fra større steder, i Asia for eksempel, de blir jo helt bare sjokkert over mulighetene som er her. Det finnes så mye som attraherer, og i tillegg dem kjempespennende jobbmulighetene vi har her nå med software og sammen med industri. Så alle bokser er tikket tenker jeg.

SS: Hvis du skulle anbefale folk en bok å lese som kan inspirere dem til å forstå litt mer om hvordan dere jobber.

AO: Jeg skulle ha anbefalt «how google works», det er en veldig spennende bok som handler mye om hvor viktig det er med en åpenhet i sin kultur internt, hvordan du setter opp ledelsesstrukturer og alt det som egentlig har gjort at Google har kommet dit de er i dag.

SS: Litt mer nettverk enn hierarki?

AO: Ja, veldig. Vi har for eksempel OKRs istedenfor KPIs, det er også en ting som blir stort for Google.

SS: Fortell, hva er forskjellen?

AO: KPI er jo ofte noen ting som er rødt, grønt eller gul, en «key performance indicator» som er veldig sånn, det er en antydning på «not it» eller ikke, «objectives and key resolts» står for en mer sånn, vi har et litt hårreisende objective, og vi definerer fra toppen av selskapet og fra bunnen og møtes på midten i de ulike avdelingene, hvilke ulike objectives har vi? Hva er det som er våre store satsningsområder og hvilke key resolts er det vi ønsker å oppnå? Men de blir ikke grønne, røde og gule, og kanskje det er ok å jobbe 70 prosent, for det var veldig hårreisende mål å oppnå, men vi jobber alle på samme hold og vet hva vi skal, så det er mye mindre, det kommer jo fra Microsoft som kanskje var veldig på det med KPIs, men der var det veldig sånn, «du er rød, hvorfor er du det? Hva skal du gjøre for å fikse det?», mens her føler jeg at med objectives og key resolts så jobber man mye mer sammen.

SS: «Hvordan fikser vi det? Hva kan vi gjøre sammen? Det prøvde vi, det funka ikke. Hvordan endrer vi?»

AO: Vi kan også endre key resolt så får vi se om vi ser under perioden at det «made no sense», så jeg liker det. Vi har måttet kjøre noen runder internt for å få det til, men nå tror jeg vi bare lander det.

SS: Det er veldig interessant egentlig å høre om lærdommer for vi har en veldig spennende podkast med en dame som heter, altså en dame som jobber i NAV som heter Katrine Pill, og hun snakker om NAV introduserte agile som arbeidsmetode, og hvor vanskelig det var, for i teorien vet vi hvordan det skal funke, men det å dra med seg kulturen fra en måte å lede og jobbe på til en annen, også var det hvordan folk etter hvert melder seg mer og mer inn, utrolig interessant historie og det hadde vært veldig interessant å høre også deres på en måte lessons learnt da. Okey, vi skjønner at OKR er bedre enn KPI, men hvordan får man det inn i DNA-en til organisasjonen.

AO: Jeg kan tipse deg om noen hos oss som kan prate med deg om det, for vi har måttet gå noen runder for å få det til så det er sikkert en hel del læring der som vi kan dele der med andre.

SS: Ja, kjempekult. Har du et lite sitat som du kan legge igjen til våre lyttere om, altså et eller annet du ville skrevet ved siden av sengen din for å se om morgenen?

AO: Ja, jeg er jo svensk da, som du kanskje hører og egentlig i hele min karriere eller min filosofi.

SS: Nå tar du mitt favorittsitat.

AO: Ja, det tror jeg sikkert. Jeg husker ikke hvordan den gikk på norsk, men det er jo ingen før som sa som Pippi langstrømpe sa, det har jeg aldri gjort, så det tror jeg at jeg klarer veldig bra. Nå har jeg ikke noe vagant, men min filosofi har egentlig hele min karriere vært å si «ja», også finne ut av hvordan jeg gjør det og hvordan bli bra på det området, et helt nytt område.

SS: Men da må jeg spørre deg en ting til, for jeg digger det der, men jeg har lyst til å høre hva du sier om når man feiler da. Altså er du ikke redd for å feile? Og hvis du feiler, hva gjør du da?

AO: Da tror jeg på stor åpenhet, ikke sant. Vi har prøvd å feile ganske mye med partnerorganisasjonene i Cognite for eksempel, men det viktige er jo egentlig at du er åpen om hvorfor du prøver noen ting og hva du tror du skal få til, og hvis du ikke får det til, så skjønne hvorfor man ikke fikk det til så man får noe læring ut av det, og ikke gå helt ned i svart og faktisk bruke den læringen til å: «Ok, nå tar vi ta nye tak også prøver vi på en annen måte til neste gang», for da kommer det til å fungere bedre, ikke sant. Så jeg tenker at: føl alltid at du har gjort ditt beste og har forsøkt, og finn ut av hvorfor det ikke gikk også hva du må lære deg, eller hva du må endre for å ikke gå på samme smell neste runde.

SS: Jeg tror det der er så viktig fordi jeg tror at når folk ser noen som blir vellykket etter hvert så tenker de at, «ja men det der var greit», flaks, eller jeg vet ikke. Men det å forstå at alle snubler og faller og det er noe med å ha det der positive egentlig fremtidssynet, og kanskje motet også jeg tenker av og til tilbake, ikke bare Pippi langstrømpe, men Batman, hvor denne her butleren sier at: «Why do we fall? We fall so we can get up again», ikke sant og det er så viktig her i livet, både for ungene våre og for oss selv da, og si at «okei, altså vi snubler, men det er ikke verre enn at vi klarer å reise oss opp igjen da».

AO: Helt enig!

SS: Så det er Pippi filosofi.

AO: Så lærer vi oss litt hver gang også blir vi flinke.

SS: Ja, ikke sant?

AO: Også plutselig er det kjempeenkelt.

SS: Så går det plutselig bra! Hva er det viktigste vi har snakket om? For vi har snakket om ganske mye, bredt og langt.

AO: Jeg vil vel poengtere at jeg tror at når du har en helt unik mulighet til å posisjonere seg innom industriell software, vi har industriekspertisen, vi har software-selskapene, software-kompetansen og med den kombinasjonen av domene- og industrikompetanse så tror jeg at vi har et meget godt utgangspunkt.

SS: Veldig spennende! Anna Olsson, director for partners og alliances ved Cognite, tusen takk for at du var her med oss i Lørn, minnet oss på Pippi sin gode filosofi og hjulpet oss å forstå litte grann bedre hvordan en av disse nye norske enhjørninger, hvis det fortsatt er lov å bruke det begrepet, er med på å bygge sin fantastiske fremtid.

AO: Tusen takk for at jeg fikk være med!

SS: Takk til dere som lyttet.


Du har lyttet til en podkast fra Lørn.Tech – en læringsdugnad om teknologi og samfunn. Følg oss i sosiale medier og på våre nettsider Lørn.Tech.


Quiz for Case #C0574

Du må være Medlem for å dokumentere din læring med å ta quiz 

Allerede Medlem? Logg inn her:

0

C0574 BIGDATA Industriell software som eksportvare? - med Anna Olsson

1 / 3

Hva skal Undervisningsplan.no gjøre annerledes?

2 / 3

Hva er kriteriene for at undervisningsoppleggene skal bli godkjent av Undervisningsplan.no?

3 / 3

Hva er forskjellen på den tradisjonelle undervisningen og måten Undervisningsplan.no legger opp undervisningen på?

Your score is

The average score is 0%

Du må være Medlem for å kunne skrive svar på refleksjonsspørsmål

Allerede Medlem? Logg inn her:

Vi bruker Cookies for å forbedre brukeropplevelsen av sidene. Les mer om personvern & cookies her