STORE DATA STORE MULIGHEDER
Indholdsfortegnelse Indledning Data De store og de åbne 4 Hvad kan data? video 5 Kapitel 1 - Udfordringen 6 Kapitel 2 Mål, midler og mobilisering 14 Kapitel 3 Datingbureauet 23 Samarbejdet med private datavirksomheder video 25 Kapitel 4 Idékatalog 28 Hvad tager vi med hjem video 30 Kapitel 5 Efterspil 34
I dag er det ikke et problem at skaffe viden problemet er at håndtere al den viden, vi har. SIMON BENTHOLM, ADFÆRDSDESIGNER HOS /KL.7 3
INDLEDNING Data De store og de åbne Data er et af tidens helt store buzzwords. I medierne og i udviklingsmiljøer taler man om Big Data, Open Data eller udnyttelse af de spor af data, vi hver især efterlader os hver eneste dag. Data fra offentlige institutioner kan i fremtiden udgøre et væsentligt bidrag til offentlig/privat innovation. Data fra offentlige institutioner kan nemlig bruges af private virksomheder til at udpege problemer og udvikle løsninger. Men hvordan bliver man som organisation dataklar? Hvad skal der til, før f.eks. en region kan sætte store dataprojekter i søen og derefter høste gevinsten i form af innovation, der giver effektiviseringer og besparelser, vækst og job? Det spørgsmål satte Region Sjælland sig for at undersøge. På en seminarrække fordelt over tre mødegange i januar, februar og marts 2014 mødtes en række ansatte fra flere af regionens afdelinger for at blive klogere på, hvad data egentligt er, og hvad data kan bruges til. Dette er rapporten om forløbet. 4
OPEN DATA Open Data betegner idéen om at gøre data frit tilgængeligt for alle for at skabe ny indsigt, innovation og vækst. I Danmark kender vi det blandt andet fra Digitaliseringsstyrelsens frigivelse af grunddata. BIG DATA Big Data bunder i nye teknologiske muligheder for at håndtere og udnytte ekstremt store datamængder til at finde ny indsigt, der ikke kunne findes med traditionelle metoder. Et godt eksempel er filmstreamingsportalen Netflix, der på baggrund af 44 mio. brugeres adfærd kan sige meget nøjagtigt, hvilke film der kommer til at få succes. HVAD KAN DATA? Den første af tre korte film fra Region Sjællands seminarrække om brug af data i regionen handler om mulighederne i brug af data, og hvad vi kan lære af andres gode eksempler. 5
KAPITEL 1 Udfordringen Udnyttelse af data rummer et stort potentiale, men det er langt fra nemt at indfri. Læs om nogle af datasucceserne og om udfordringerne på vejen dertil i dette kapitel. Vi lever i dataets tid. Stort set alt, vi foretager os, bliver hvad enten vi bevidst ønsker det eller ej på en eller anden måde registreret digitalt og så lagret som data, som man kan gå på jagt efter åbenbaringer i. Man taler om at datamine med en reference til Californiens guldfeber og de mange andre mine-eventyr, verden har været igennem i jagten på værdifulde metaller. Der er nemlig store penge at hente eller spare for de bedste minearbejdere, især hvis de rammer særligt værdifulde dataårer. Net-tv-kanalen Netflix analyserede f.eks. sine brugeres aktivitet, når de så serier web-kanalen registrerede brugernes voksende eller manglende engagement i forhold til det, der skete på skærmen, og skabte derved et omfattende datasæt om tv-smag. Baseret på den viden, de fik om spænding, hovedpersonskarakteristika, dialog og meget andet, kunne Netflix forudsige, at serien House of Cards ville blive den succes, den er blevet. Firmaet var så sikre i deres sag, at de endda droppede det sædvanlige pilotafsnit. Den amerikanske supermarkedskæde Target fik en dygtig statistiker til at grave sig igennem enorme mængder data om, hvilke forbrugere der købte 6
hvad, i jagten på at fange den kundegruppe, man lettest får til at skifte supermarkedsloyalitet: Gravide og nybagte mødre. Baseret på registrering af små skift i indkøb af f.eks. uparfumeret fugtighedscreme og ekstra rummelige håndtasker blev kæden i stand til at ramme de helt nygravide med fokuserede reklamer, før de end havde fortalt om graviditeten til familie og venner. American Airlines offentliggjorde sine data om flyafgange, ankomster og forsinkelser. Det betød, at de via eksterne virksomheders analyse af de offentliggjorte data kunne forbedre selskabets evne til at forudsige landingstidspunkter og derved spare penge på lønninger til det indkaldte lufthavnspersonel med 453 procent. Og på et plan, der handler mere om liv end om kroner og øre, overgår data-algoritmer nu rutinemæssigt lægernes evner til at diagnosticere patienter. Algoritmerne kan f.eks. ved hjælp af de mange forskellige overvågningsinstrumenter, et for tidligt født barn er udstyret med se, at barnet har fået en infektion, 24 timer før lægerne kan, og man kan således gå i gang med en antibiotikabehandling, før tilstanden bliver kritisk for det skrøbelige barn. 7
Der er lang vej fra at besidde et datasæt til rent faktisk at udnytte det. VEJEN ER LANG Lignende gevinster kan de offentlige organisationer i Danmark, derunder Region Sjælland, potentielt set opnå. Men der er lang vej fra at besidde et datasæt til rent faktisk at udnytte det. Det kræver en stor indsats at blive det, som Mikkel Holm Sørensen fra firmaet /KL.7 kalder en datadreven organisation. /KL.7 er en virksomhed, der bruger data til at skabe adfærdsændringer. Mikkel Holm Sørensen er sammen med forretningspartneren Simon Bentholm blandt Danmarks førende eksperter i data, og sammen har de bl.a. skrevet bogen Data - Virksomhedens nye grundstof. Vejen til gevinst er lang, fordi en række udfordringer typisk skal overvindes, før man er i mål. Det gælder både i private virksomheder og offentlige institutioner: Man kan typisk dele udfordringerne op i tre grupper. Der er selve forretningsforståelsen som er forståelsen for, hvilket potentiale data overhovedet har. Der er den tekniske del altså, at vi skal lære at bruge vores hardware og software til at indsamle data. Og så er der den organisatoriske del, som retter sig mod, at de mennesker, der har vænnet sig til at gøre tingene på én måde, nu skal til at gøre det lidt anderledes. Ligesom, da internettet 8
INSPIRATION FRA ENGLAND Skulle de danske regioner nogensinde komme frem til, at de gerne vil dele sundhedsdata efter aftale med regering, Digitaliseringsstyrelsen m.fl., kan de med fordel søge inspiration og hjælp i England. Her satte myndighederne i 2012 operation Care.data i gang. Første skridt var etableringen af en ny database under det nationale informationscenter for sundhed og social omsorg, HSCIC. Hertil blev først de data, der allerede blev indsamlet på landets hospitaler, omdirigeret, og næste skridt er nu at tilføje patientinformationer fra alle landets praktiserende læger. Målet er at få et mere komplet billede af behandlingssystemet, så man både kan levere bedre behandling og spare penge. Ifølge den ansvarlige nationale sundhedsmyndighed NHS vil Care.data bl.a. hjælpe med at finde mere effektive måder at forhindre og overvåge sygdom, overvåge risikoen for sygdomsspredning, strømline ineffektivitet og sætte gang i økonomisk vækst. Dataet, der bliver sendt videre fra de praktiserende læger, inkluderer henvisninger, receptudskrivninger, familiens sygdomshistorik, vaccinationer, blodprøver, BMI-målinger, cigaret- og alkoholvaner m.m. Det vil blive indsendt en gang om måneden, og alle patienter er inkluderet, medmindre de aktivt beder om ikke at være det. kom, da de sociale medier blev introduceret, og medierne begyndte at sende i realtid, så er det her en ny værdiskabelsesproces. Det kræver meget af os, forklarer Mikkel Holm Sørensen. Han og Simon Bentholm blev af samme grund indkaldt som seminarledere, da Region Sjælland i vinteren 2014 tog første skridt i en proces, der skal undersøge brug af data som drivkraft for innovation. Han satte også ord på det, der hurtigt skulle vise sig at være en udfordring for regionen: Bekymring over at slippe personhenførbart data fri til potentielt misbrug: Jeg tror grundlæggende, at angsten for overvågning og manglende privatliv bunder i, hvordan vi er som mennesker. Mennesker er mindre tillidsfulde til det nye. Det kan man ikke ændre på. Når det kommer til professionelle, så er det etik og faglighed, der gør, at folk værner om deres data og det skal vi bare være glade for. Det, man kan gøre, er at udvikle nogle teknikker til at behandle store datasæt, så vi finder ud af, hvordan vi er som danskere, men ikke hvordan vi er hver især. Det handler om at vaske data, så de ikke har personhenførbare træk, men stadig har værdi. Det skal vi lære. 9
SKRÆMMEEKSEMPLET: NSA Data skaber indsigt, men indsigt har en farlig tvilling: Overvågning. Samkører man al kendt data om et enkelt menneske, så ved man utroligt meget både privat og professionelt om vedkommende. Det er f.eks. et af kritikpunkterne mod et firma som Google, der ved en del om os på baggrund af vores webadfærd og bruger det til at tjene penge på annoncer. Et endnu stærkere eksempel er den viden, der efter Edward Snowdens enorme efterretningslækage er kommet frem om den amerikanske sikkerhedstjeneste NSA. De har brugt deres mere eller mindre lovlige adgang til mails, telefoner, google-søgninger og meget andet til at få adgang til informationer om millioner af borgere verden over, derunder statsledere. Nogle vil mene, at det ikke er en tilfældighed, at NSA ejer og driver verdens største serverpark i Utah, hvor tjenesten samler en stor del af den indsamlede information. Anlægget er naturligvis omgærdet med hemmeligholdelse, men magasinet Forbes har set arbejdstegninger, der indikerer en samlet server-kapacitet på mellem tre og 12 exabytes. En exabyte er lig en milliard gigabytes. EMBEDSMANDSBARRIEREN Denne udfordring var udviklingsdirektør Tue David Bak også fuldt bevidst om: Deling af data går imod det klassiske embedsmandinstinkt vi bliver nervøse for, om det kan misbruges, om det bliver personfølsomt. Og det er jo fuldt legitimt. Der er en mental barriere, vi skal ud over. De er jo også indlejret i systemet i den måde, vi arbejder på. bruge data, men som IT Sikkerhedschef vil jeg overholde lovgivningen, og den gør det meget vanskeligt at åbne op for sundhedsdata, fordi der er mange følsomme helbredsoplysninger. Løsningen kunne være at etablere formelle forskningsprojekter, når sundhedsdata indgår. Derved kunne regionens kliniske forskere gennemføre de ønskede analyser. En af de deltagere i seminarforløbet, der gjorde sig tanker om sikkerhed, var ikke overraskende regionens IT Sikkerhedschef Lars Stig Jørgensen: Jeg synes, det er en rigtig god idé at AFMYSTIFICERING Udover embedsmandsautomatreaktionen kunne både arrangører og deltagere pege på flere andre udfordringer, som regionen skal 10
overkomme, før den kan kalde sig datadreven. Udviklingsdirektør Tue David Bak pegede bl.a. på de offentlige virksomheders manglende erfaring med at arbejde sammen med det private erhvervsliv som en barriere, der skal overkommes. Det kommer for en stor dels vedkommende til at handle om afmystificering, vurderer han: Vi skal langsomt ind på livet af hinanden, og det gør vi bl.a. ved, som vi gør her på seminarrækken, at invitere nogle virksomheder indenfor og få dem til at forstå, hvordan vi arbejder, hvilke udfordringer, vi har, og hvilken kontekst vi arbejder i. Og samtidig få os til at forstå, hvad de har brug for, siger Tue David Bak med henvisning til andet seminar i forløbet (se kapitel 3). Allan Dahl, der arbejder som udvikler i Koncern IT, var optimistisk med hensyn til deling af data. Han pegede ligesom flere andre på, at regionen har en helt basal opgave foran sig med hensyn til at kortlægge, hvilke data der er: Og når man har fundet ud af det, skal man have en idé om, hvordan de kan bruges og dernæst præsenteres. Det, tror jeg, seminaret vil hjælpe os med. Men mit største forbehold er at få fundet dataene frem, uddybede han. 11
DATAFAKTA I I løbet af 24 timer genererer menneskeheden 70 gange så meget data, som alt den information, der er i bøgerne i det enorme kongresbibliotek i USA. DATAFAKTA II Gartner Group forudser i deres Ten predictions fra 2013, at i år 2017 vil 80 procent af alle forbrugere overvåge, indsamle og handle med deres personlige data for at opnå besparelser, service og personalisering. Seminarlederne Mikkel Holm Sørensen og Simon Bentholm havde med andre ord en del at afdække på de i alt syv timer, der var sat af til de tre mødedage. OPSUMMERING - Ved at udnytte sit data kan man både effektivisere, spare, udvikle nyt og redde liv. Der er masser af succeshistorier. - Det kræver en stor indsats, før en organisation er dataklar. Både mht. forretningsforståelse, teknisk formåen og kulturforandring. - Der er ikke en kultur for at dele data i Region Sjælland. - En bedre forståelse mellem regionen som offentlig virksomhed og de private virksom heder, der er eksperter i at udnytte data, er en af nøglerne til succes. 12
DATAFAKTA III Ifølge McKinsey Global Institute kan data spare det amerikanske sundhedssystem for 300 mia. dollars årligt og den europæiske offentlige sektor for 250 mia. euro. DATAFAKTA IV Hvert minut lægger brugerne af videodelingshjemmesiden YouTube 100 timers video op. Det bliver til 6.000 timers video på en time. Den fællesoffentlige digitaliseringsstrategi i Danmark forventer alene at være kilde til 250 mio. kroner i årlige effektiviseringsgevinster. 13
KAPITEL 2 Mål, midler og mobilisering Vil en organisation arbejde med data som drivkraft for innovation, skal den først danne sig et billede af, hvordan den vil arbejde med data. Er det f.eks. innovation og vækst eller effektivisering, organisationen ønsker? Og hvad vil målsætningen kræve af organisationen? Det handlede første seminar om. Simon Bentholm og Mikkel Holm Sørensen fra firmaet /KL.7 beskriver sig selv som dataevangelister. Til daglig hjælper de organisationer som Region Sjælland med at komme med i datarevolutionen. Og for dem er en datarevolution ikke et fjernt fremtidsscenarie. De er overbeviste om, at data lige nu er ved at forandre verden. En af Mikkel Holm Sørensens allerførste sætninger på det første seminar var: Det her er første skridt for jer til at få en mere afklaret dataindstilling. Dermed var det også sagt, at seminarrækken handlede meget mere om at arbejde med deltagernes hoveder end at få sat konkrete dataprojekter i gang. Eller som arrangøren Tine Aage udtrykte det: Vores første tanke var jo, at vi ville sætte et pilotprojekt med data i søen, men det droppede vi ret hurtigt. Vi måtte konstatere, at det var en svær opgave. Vi var nødt til først at finde ud af, hvad data er, hvordan vi kan arbejde med det, og hvordan vi kan bruge det. Sidstnævnte var netop emnet på første seminar den 28. januar 2014. De to oplægsholdere, der jævnligt kom med eksempler på dataprojekter verden over (se side 16), lagde ud med at bede seminardeltagerne vurdere, hvordan 14
VÆKST EKSTERN BEARBEJDELSE INTERN BEARBEJDELSE EFFEKTIVISERING HVILKEN GEVINST JAGTER VI? de syntes, at regionen skal bruge data. De skulle efter to minutters lyngruppedebat sætte et kryds på en firefeltstabel, hvor man på den ene akse gik mod enten vækst eller effektivisering og i den anden mod enten intern bearbejdelse eller ekstern bearbejdelse. Her udkrystalliserede der sig hurtigt to fløje i lokalet: En fløj, der ville holde på data, og en, der ville give det væk mens krydserne var mere jævnt fordelt mellem effektivisering og vækst. (se illustration). I er nødt til at vælge. Folk vil gerne have hele slikbutikken, men det kommer man ingen vegne med. Man er nødt til at fokusere. Sagde Simon Bentholm. Flere deltagere ytrede dog ønske om at ville gå begge veje: Vi skelnede mellem typer af data. Der er nogle, vi skal passe godt på, og som vi selv skal behandle, og andre, vi fint kan give væk, som en forklarede. Senere understregede Simon Bentholm, at der selvfølgelig er data, der rent juridisk ikke kan sættes frit. Der er tre væsentlige perspektiver på anvendelse af data i en organisation. Simon Bentholm forklarer: 15
Fem drømmeeksempler NEW YORK FIRE DEPARTMENT Der er særlige faktorer, der gør nogle bygninger i byerne mere brandfarlige end andre f.eks. gennemsnitsindkomst i kvarteret, de ligger i, bygningens alder og tidligere problemer med elinstallationerne. I New York skabte brandvæsenet en database med 60 af disse faktorer. Ved at analysere dette data kunne man rangere alle byens bygninger efter brandfare og derudfra beslutte, hvilke bygninger der skulle inspiceres først. ZOONIVERSE Gennemgang af grafisk data kræver ofte menneskelig involvering. Zooniverse er vært for videnskabelige forskningsprojekter, hvor private bruger deres øjne i den gode sags tjeneste. De har f.eks. kategoriseret mere end to mio. billeder af kræftceller. Da det malaysiske fly MH370 forsvandt, lagde en tilsvarende hjemmeside tusindvis af satellitbilleder online og bad private om at kigge dem igennem for vragrester. SAFECAST Andre hjemmesider beder private om at indsende deres egne målinger til etableringen af nyttige datasæt. Efter det radioaktive udslip fra Fukushima-atomkraftværket i Japan fik de f.eks. 13 mio. målinger på radioaktivitet og luftforurening fra hele landet. UNITED NATIONS GLOBAL PULSE Selv i U-lande har folk mobiltelefoner, ofte smartphones, og den udvikling har FN sat sig for at udnytte via Global Pulse. Ved at overvåge aktivitet på Twitter og mobildata får verdensorganisationen varsler på nye udviklinger, f.eks. om sygdom, prisstigninger og arbejdsløshed. Målet er at opfange socioøkonomiske tendenser hurtigere og så handle på dem. De kalder det digitale røgsignaler om nød. Ifølge en af de ansvarlige kommer disse signaler ofte måneder før de officielle statistikker måske opfanger dem. Et lignende projekt er Google Flu, der uden at være perfekt har haft held med at identificere influenzaepidemier, længe før myndighederne er opmærksomme på dem, alene via søgninger på Google. OPEN GOVERNMENT VIENNA Den østrigske hovedstad Wien har gjort mere end 160 datasæt om byen tilgængelige og opfordret borgerne til at udvikle nye produkter og serviceydelser på baggrund af dem. Det har ført til intet mindre end 109 smartphone-apps, bl.a. Fruitfly, der kombinerer detaljerede bykort med sæsonfrugter for at gøre opmærksom, hvor man kan plukke gratis frugter og bær hvornår. 16
/KL.7 S TRE RÅD TIL DEN AT ANVENDE DATA SOM UDGANGSPUNKT FOR INNOVATION: 1 Find en god ramme. Sæt holdet inklusive ledere. Og stil de rigtige spørgsmål: Hvad er behovet, og hvad er gevinsten? 2 Skab overblik over de data, der er, og analysér dem. Hvis nødvendigt, så raffinér datasættene, så de kan tale sammen og er mere overskuelige 3 Byg en case, og test den. Holder den, så sørg for at få kommunikeret den effektivt ud. Den tekniske: Når dataejerne ikke selv har kompetencerne til at finde værdien i dataene, har de heller ikke kompetencen til at vide, hvilke data der skal kombineres med hvilke andre data for at finde nye mønstre. Dataprojekter er jo oftest eksplorative vi finder det, vi ikke ved, vi ikke vidste. Hvis der inden skal defineres, hvilke data der er relevante, får vi aldrig fundet frem til det, vi ikke vidste. Og så er projektet ikke eksplorativt og vil højst sandsynligt ikke bidrage med nogen former for ny værdi. Den menneskelig-organisatoriske: Der er nødt til at være en klar struktur på sådanne processer. Hvis man bare kaster en masse bolde op og håber, at man griber nogle, griber man ingen, fordi der ikke findes nogen i organisationen, der har noget på spil i projektet længere. Hvis hele organisationen bare leger lidt med datatilgangen, så kan alle jo lade være med at ændre kultur med henvisning til, at de andre nok finder noget alle vil lade være med at ændre kultur, fordi det er så besværligt. Den forretningsmæssige: Hvis vi er ufokuserede, kan vi fortabe os i tilfældige mønstre, vi måtte finde, uden at have øje for, om de skaber værdi der er mønstre overalt, men langt fra alle er værdiskabende. 17
/KL7 S FEM RÅD TIL AT UDVIKLE EN GOD DATAKULTUR I ORGANISATIONEN: 1 Skab mål, rammer, struktur og støtte 2 Identificér og træn dataprenører 3 Kultivér en datakultur 4 Kortlæg egne data, og stil krav til leverandører raffinér og identificér. 5 Tænk stort, handl småt, fejl tidligt og lær hurtigt test, byg en case, kommunikér Samtidig skal ledelsen engageres, og det får man ikke med en lad os se, hvad der sker -tilgang. Dernæst skal man være i stand til rent teknologisk at arbejde med data og nå sine mål. Man skal have Midlerne. DATAENES TRE M ER Og netop forståelsen for det fokus, som Simon Bentholm finder afgørende, var en af hovedformålene med seminarrækken. Næste skridt i denne proces var en beskrivelse af de tre M er, der skal være styr på, før man kan blive en datadreven organisation. For det første skal man vide, hvad man vil med data hvilke behov, man har. Man skal med andre ord have sig nogle Mål. Og endelig skal de personer, der skal bruge teknologien og nå målene, både identificeres og kvalificeres der skal Mobiliseres. Hvor er Region Sjællands største udfordring, lød det næste spørgsmål til deltagerne. Og svaret blev de bedt om at tegne ind på et nyt diagram, hvor de på tre akser skulle vurdere regionen. På anden seminargang viste det sig, at det primært var teknologien (midlerne), de syntes, var en udfordring, efterfulgt af mobilisering og mål. 18
BIG DATAS TRE M ER Mål forretning. Midler teknologi. Mobilisering mennesker. De allerfleste tror umiddelbart, at det er det andet M, midlerne, hvor en organisation mangler noget, men det er faktisk meget sjældent tilfældet. Vores erfaring er, at det meget mere er mål og mobilisering, det skorter på. Det er især ikke let at finde ud af, hvad man vil med data, konstaterede Mikkel Holm Sørensen. VIDEN ER MAGT For at finde ud af, hvad man vil med data, skal man have en idé om, hvad man kan med data. Og man kan stort set alt. De to evangelister opridsede en perlerække af eksempler fra New Yorks brandvæsen, der bruger forskellige data til at identificere de huse, der er i størst brandfare, over Google, der forudser influenzaudbrud bedre end alverdens epidemiologer, til Københavns Kommune, der kan se, hvem det kan betale sig at sende regningsrykkere til. Data har faktisk skabt et videnskabeligt drama, der især udspiller sig i USA. Vi er vant til kausalforklaringer: A skaber B. Big Data arbejder med korrelationer den konstaterer bare, at der er et B, og at B påvirker A. Vi ved ikke nødvendigvis, hvorfor B et er der, men vi ved, at hvis vi handler på det, så redder vi f.eks. liv, forklarede Simon Bentholm. En deltagerhånd blev rejst: Man skal være forsigtig med udeluk- 19
kende at benytte en induktiv tilgang, da det kan lede til fejlfortolkninger. Det er ret enkelt ud fra tilgængelige data at slutte, at antallet af ynglende storke er relateret til antallet af børnefødsler, selv om vi ved, at de små børn ikke kommer med storken. Simon Bentholm kom vedkommende i møde. Lidt, i hvert fald: Jeg er helt enig i, at man helst skal have kausaliteten på plads, simpelthen for at forstå en problematik. Men Big Datas største merit er, at det er helt anderledes. Det nye er, at data selv lærer at trække konklusioner ud af sig. Google og flere andre arbejder i dag med såkaldte bærende algoritmer. Hovedpointen i oplægget var igen og igen at understrege det store potentiale i data, hvad enten vi taler om Big Data eller åben data. Filosoffen Francis Bacon skrev allerede i 1620, at viden er magt. Vi har altid forsøgt at forstå verden. Med data har vi bare fået indsigt på steroider. I dag er verden ét stort laboratorium af viden. Problemet er ikke at skaffe viden problemet er at håndtere al den viden, vi har, som Simon Bentholm/KL.7 udtrykte det. Gør man det, er der ikke blot indsigt, men også kroner og ører at hente. En stor undersøgelse fra 2011 fastslog f.eks., at datadrevne beslutninger i 20
gennemsnit giver 5-6 procent øget output, både på grund af vækst og på grund af effektiviseringer. ADGANG TIL DATA Atter blev en deltagerhånd rejst, og et helt simpelt spørgsmål stillet: Hvordan får man fat i data? Svaret afhænger af, om man er en privat eller offentlig virksomhed. For den private virksomhed handler det om at overbevise indehaveren af dataene om, at det er virksomheden, der skal have adgang til data. Og for den offentlige virksomhed, der typisk har en masse data, handler det primært om, hvorvidt man kan være sikker på, at den private aktør kan passe på dataene, og at der rent faktisk kommer en gevinst ud af samarbejdet til sidst. Og det her er så nyt, at mange offentlige organisationer end ikke har tænkt på, at deres data kan være noget værd, konstaterede Mikkel Holm Sørensen. Den første seminargang skulle gerne have fået deltagernes øjne lidt mere op for det faktum. Og arrangementerne blev også startskuddet til en forventet interaktion på tværs af regionens mange forskellige afdelinger. Deltagerne skulle gerne blive organisationens første dataprenører. 21
Der blev i den anledning oprettet en gruppe på Yammer (populært beskrevet som regionens interne svar på Facebook), hvor deltagerne kunne komme i dialog med hinanden om potentielle ideer, fælles udfordringer osv. OPSUMMERING - Organisationen skal have afklaret sin dataindstilling, før man går i gang med konkrete dataprojekter: Vil man dele med eksterne aktører eller ej? Går man efter effektivisering eller vækst i forhold til den konkrete udfordring? - Organisationen skal være klar på tre områder: Hvad den rent faktisk vil opnå (mål), hvad der er af ressourcer til at opnå målet (midler), og at medarbejderne har de rette kompetencer (mobilisering). - Det er en god idé at danne et netværk af dataprenører på tværs af organisationen. 22
KAPITEL 3 Datingbureauet Anden seminargang handlede primært om, hvordan Region Sjælland potentielt kan få realiseret den gemte værdi i organisationens data, og hvilke ønsker private virksomheder har til et eventuelt samarbejde med regionen. Til det formål havde /KL.7 inviteret tre private virksomheder til Sorø, der alle arbejder med data. Vi er jo hyret ind som et slags datingbureau. Region Sjælland har sagt hvor kunne det være vidunderligt at finde de perfekte partnere til vores dataprojekter. Her er nogle bud på, hvordan partnerne kan se ud. Og næste skridt bliver, at I skal have formuleret en profil på datingmarkedet, konstaterede Mikkel Holm Sørensen kækt og uddybede: Virksomhederne skal både fortælle jer, hvad de godt kunne tænke sig, og give jer et billede af, hvordan databårne virksomheder arbejder. Og så gav han ordet til de tre virksomhedsrepræsentanter: Direktør Morten Lindblad fra firmaet Dataproces, partner Bo Overgaard fra firmaet Septima og CO-CTO Kræn Hansen fra firmaet Bit Blueprint. DATAPROCES Virksomheden Dataproces er næsten udelukkende baseret på fejlfinding og drifteffektivisering. Vi finder fejl, der koster penge, som Morten Lindblad sagde. Det har firmaet gjort med en række kommuner, bl.a. Mariagerfjord, som har sparet 100 mio. kroner over en årrække, og Morten Lindblad var absolut ikke afvisende over for at kunne gøre det samme med regionerne. 23
EFFEKTIVISERINGSCASE: MARIAGERFJORD KOMMUNE I 2011 hyrede Mariagerfjord Kommune firmaet Dataproces til at finde besparelser i dens it-systemer, små fejl og små beløb, der var gentaget rigtig mange gange. Virksomhedens datagranskning havde ved seneste status i 2013 sparet kommunen for 30 mio. kr., og begge parter forventer, at det beløb når op på 100 mio. kroner inden for en årrække. Jeg er overbevist om, at denne form for dataanalyse er relevant for alle landets kommuner. Og for den sags skyld også for staten og regionerne. De penge, som firmaet har fundet, har jo intet at gøre med sjusk eller manglende kompetencer hos os og vores medarbejdere. Det handler om at udnytte de nye muligheder, der opstår, nu, hvor vi efterhånden er lykkedes med at digitalisere kommunen, har forhenværende borgmester Hans Christian Maarup (S), der igangsatte samarbejdet, udtalt. Han havde også et overraskende budskab, som i øvrigt blev gentaget af Bo Overgaard: Kan hvilket som helst data være interessant? Ja! Vi vil gerne have det hele. Vi vil også gerne hjælpe jer med at hente det ud. Og lad nu være med at vurdere, om det har værdi eller ej. Det ved man først langt senere i processen. Værdiløst data er lige os. SEPTIMA Septima har specialiseret sig i såkaldt geografisk it og frie grunddata de omdanner, som Bo Overgaard populært udtrykte det, geografi til tal. Her er der med andre ord mere tale om et firma, der beriger eksisterende data, så det kan være med til at skabe vækst. Han havde også en tilføjelse til ønsket om værdiløse data: Vi vil gerne have rå data. Så rå som muligt. Lad være med at oprette portaler med behandlet data. Bo Overgaard forklarede, hvordan der ofte foregår en løbende dialog med kunden. De giver firmaet et sæt data, nogle gange med en formuleret opgave, og når data så er behandlet, går det ofte op for kunden, at vi så også må kunne behandle andre datasæt. 24
SAMARBEJDET MED PRIVATE DATAVIRKSOMHEDER? Anden af tre film fra Region Sjællands seminarrække. Samspillet med det private erhvervsliv er essentielt for at udnytte regionens data godt - men hvad er egentlig virksomhedernes forventninger til samarbejdet? 25
TRE KONKRETE DATAPROJEKTER FRA SEPTIMA 1 Terrænprofil: Baseret på data fra Danmarks Højdemodel skabte Septima en detaljeret terrænprofil med højdeinformation for rundt regnet hver anden meter i hele Danmark. Der kan laves terræn-profiler for linjer, som en bruger selv indtegner, eller fra eksisterende geometrier f.eks. en rute indlæst fra en GPS. Man kan således både se, hvordan regnvand vil fordele sig ved et skybrud, og hvor mange højdemeter man har afdækket på en løbe- eller cykeltur. 2 Ruteberegning: Med udgangspunkt i Open Street Map og et lynhurtigt ruteberegningsprogram (også open source) kan denne service beregne ruter både hurtigere og bedre hurtigere opdateret og mere omfattende end kommercielle services som De Gule Sider og Google Maps. Og ruteberegningen kan meget hurtigt integreres i organisationers egne systemer. 3 Septima search: Ved at samle de nationale tjenester som f.eks. Geo- Search fra Geodatastyrelsen og CVRnumre fra Erhvervsstyrelsen registre har Septima skabt et meget komplekst kort, hvor man kan søge på flere områder, selv om dataene bagved ligger i flere forskellige tabeller. Man kan bede om at få både skoler, børnehaver, vuggestuer, sportsklubber og fritidshjem frem i én søgning praktisk, når man overvejer et huskøb. BIT BLUEPRINT Bit Blueprint opererer i en tredje boldgade: Åbning af dataarkiver, f.eks. Det Kongelige Biblioteks eller Kulturarvsstyrelsens arkiver, så andre kan profitere af dem. Og Kræn Hansen opfordrede først og fremmest regionen til at finde modet til at åbne op: Jeg synes, man skal være mindre forsigtig og tage nogle chancer. Så længe det ikke går ud over mennesker, er der ikke noget at være bange for, lød den lidt provokerende opfordring fra Kræn Hansen, der også havde en række mere konkrete råd (se boks). Til slut samlede Mikkel Holm Sørensen op med at bede seminardeltagerne udfylde den samme firefeltstabel, som de havde udfyldt på første seminar. Til næste seminar ville han så undersøge, om deltagernes holdninger til data havde ændret sig undervejs. Og afslutningsvis stillede han et spørgsmål til seminardeltagerne: 26