Mediasenter
Lokale nyheter

Avansert teknologi gir store gevinster for virksomheten

Norge, 05. juni 2018 -  

 


CGI Advanced Analytics Solutions, her representert ved Mats Frantzen.

CGI Advanced Analytics Solutions (AAS) har et av Norges sterkeste data scientist-miljøer. De jobber med avansert analyse, maskinlæring og kunstig intelligens, og hjelper virksomheter å få løst utfordringer de ikke visste om, eller som tidligere ikke var mulig eller som kan løses bedre.

CGI-avdelingen jobber med prosjekter som benytter noe av den mest cutting-edge-teknologien i bransjen, der utrykk som deep learning, neural networks og predictive analysis er vanlig lingo. Advanced analytics er også ofte en viktig komponent i mange virksomheters digitaliseringsprosess.

Men når de blir konfrontert med påstanden om at de representerer et av de sterkeste data scientist-miljøene i Norge blir de ydmyke. Mats Frantzen leder den norske AAS-enheten på 10 personer:
– Ikke det sterkeste, men vi nærmer oss. Det er rundt 400 data scientists i Norge, og de fleste jobber in-house i større virksomheter. Som konsulentmiljø ligger vi på en god annenplass, men har ambisjoner om å vokse betydelig.

Hvordan er avansert analyse cutting edge?

Advanced Analytics Solution hjelper virksomheter med sine forretningsutfordringer ved å bruke data. Men hva betyr egentlig det?
– Mange er kanskje mer kjent med Business Intelligence (BI). Advanced analytics går mer på toppen av det igjen, der BI kanskje blir en kilde. Med BI håndteres strukturerte data, gjerne interne data. Med advanced analytics jobber vi mer med ustrukturerte data, som bilder, video, tekst, lyd, som er kilder et BI-system ikke håndterer i det hele tatt.
– Det kan for eksempel dreie seg om mønstergjenkjenning i store mengder data, forklarer Thea Knudsen, data scientist i AAS. – Det er et stort spekter her, og med Internet-of-Things (IoT) har for eksempel sensordata blitt et populært bruksområde.

Det betyr at AAS kan løse kundenes eksisterende utfordringer på en bedre måte, eller løse utfordringer som tidligere ikke har vært mulig å løse. Det er mange måter høyteknologi kan komme inn og skape en reell nytteverdi for alle typer virksomheter ved å utnytte muligheter de ikke gjør i dag. Dette er gjelder for alle virksomheter, ikke bare avanserte teknologibedrifter.
– Noen eksempler er behovsbasert og prediktivt vedlikehold. Renhold i store bygg som kjøpesentre, flyplasser og skoler gjøres i dag på faste rutiner. Men istedenfor at det vaskes hver tredje time kan du måle faktisk trafikk i et område ved hjelp av sensorer. Da kan du differensiere og ha målrettet vedlikehold.
Knudsen utdyper: – Du kan ha sensorer som måler hvor mange mobiler som passerer et gitt punkt, eller sensorer i dører kan måle hvor mange ganger den slår opp og igjen. Mer avansert er sensorer på eller i maskineri, som kan måle akustiske frekvensvariasjoner. Variasjoner kan indikere feil eller predikere driftsstans basert på et bestemt mønster.
– Med prediktivt vedlikehold fjerner du unødvendig vedlikehold og får behovsbasert, altså reelt vedlikehold. Og du unngår driftsstans, sier Frantzen.

En annen fordel de to trekker frem er at sensorer kan måle ting som mennesker ikke klarer når det gjelder nøyaktighet og sensitivitet for lydvariasjoner, infrarødt osv.
– Sensorer måler hele tiden uten å bli slitne. Og derfor kan man danne seg et virkelig bilde basert på kontinuerlige sensordata, i motsetning til manuelle målinger eller stikkprøver.

Forståelse og risikovillighet

En utfordring for AAS er potensielle kunder som ikke kjenner så godt til mulighetene med advanced analytics. Med hjelp av tidligere referansecaser synliggjøres mulige løsninger og viser hva som er gjort tidligere. Teamet setter opp scenarier som illustrerer hvordan det kan se ut for den enkelte kunden.
– De vet ikke nødvendigvis at det finnes gode løsninger på problemer, som de kanskje heller ikke visste de hadde. Eller at noe kan gjøres mer effektivt.
– Mye av jobben er å vise kundene mulighetsrommet, legger Knudsen til.

Advanced Analytics Solutions jobber med det hotteste av teknologi, men de påpeker at det ikke alltid er nødvendig eller hensiktsmessig. De har kunnskapen om når det er hensiktsmessig å bruke avansert teknologi for å løse kundens utfordringer. Knudsen fremhever at det er en viktig rådgivende rolle:
– Vi ønsker å fokusere på det som er nyttig og faktisk kan brukes. Det er fort gjort å bare hoppe på trenden og si at vi vil bruke AI eller deep learning. Vi vil heller visualisere for en kunde hvordan de kan bruke relevante teknologier de selv ikke hadde tenkt på.
– Det handler mye om en modenhetsreise for kundene, som vi guider dem gjennom. Vi gjør ofte små tester og bygger videre på det. Dessuten er det en del generiske kjennetegn på forretningsproblemer, som ofte kan løses ganske enkelt. Som å måle en strøm av reisende ved hjelp av videoanalyse. Da telles hver person basert på punkter de passerer, sier Frantzen.

Det kan være vanskelig å vite om avansert teknologi kan løse en gitt utfordring. Det betyr at det er en viss risiko involvert, fordi det kan være uvisst om utfordringene kan løses med bare én metode.
– En del av tilnærmingen er innovasjonsbasert og vi må foreta hypotesetesting, forklarer Frantzen. –Det dreier seg om korte målbare forprosjekter med målbare og Proof-of-concepts (POC). Da jobber vi med kunder som både har forståelse for denne prosessen og ser mulighetsrommet, og som er villige til å ta risikoen. Dersom det går videre kan en løsning produksjonssettes og gå over til drifting og vedlikehold. Da er vi partner med kunden og følger opp kontinuerlig.

Teknologi som er god på bunnen

Thea Knudsen jobber på et prosjekt i samarbeid med Aker BP om å bruke avansert teknologi for å finne interessante formasjoner i seismiske data.
– Det er et utforskningsprosjekt der vi bruker maskinlæring og store mengder seismikkdata i form av snittbilder av havbunnen. Ved hjelp av bildegjenkjenning lærer vi opp en datamodell til å identifisere interessante forekomster. Å gjøre denne jobben manuelt er ekstremt tidkrevende, og med automatisering kan tid frigjøres til å heller se nærmere på de interessante områdene.

For å lære datamodellen å finne forekomster bruker man et sett kjente bilder der interessante funn allerede er markerte. Slik lærer datamodellen gradvis hva som er riktig og feil.
– Det høres kanskje enkelt ut men det er alt annet enn. Dette er deep learning ved hjelp av neural networks. Etter mange nok runder tester man datamodellen på umerkede bilder, der man har fasiten, for å sjekke nøyaktigheten. Til slutt slippes modellen løs på reelle, ukjente bilder.

Selv om den nyeste buzzword-teknologien ikke alltid har noe for seg, var både deep learning og neural networks avgjørende i dette tilfellet fordi bildegjenkjenning ga en mer økonomisk og effektiv mulighet.
– Det er gøy å jobbe med disse teknologiene på et faktisk prosjekt der man ikke bare hiver det inn fordi det er det nye kule. Den rådgivende rollen som konsulent er viktig. Hadde man bare hatt lyst å holde på med det nyeste og kuleste ville man vært i akademia og drevet med forskning.

Om CGI Advanced Analytics Solutions

Advanced Analytics Solution er en del av et større miljø med tilsvarende avdelinger i de nordiske CGI-landene. Det betyr kort vei til en kompetansegruppe på nær 100 data scientists og utviklere, og mange gode og innovative forretningscaser å vise til.
– Vi har med oss innovasjonskulturen fra Finland til Norge, som gir store muligheter både for de virksomhetene vi jobber med og nye medarbeidere, sier Frantzen. – Når vi jobber med nye prosjekter har vi sannsynligvis alltid liknende referansecaser å vise til. Det gjør oss relevante og kan vise at vi raskt kan komme opp med idéer til mulige løsninger.

Det hjelper også å ha en stor, global organisasjon som CGI i ryggen, med over 72 000 medlemmer. – I tillegg ligger Finland to år foran Skandinavia i skymodenhet og avansert analyse, som kan bety en raskere vei til våre kunder når det gjelder nye teknologiske muligheter.

Les mer om CGI Advanced Analytics Solutions her: http://www.bigdatapump.com/

Tekst & foto: Thomas C A Brevik/CGI