Hvordan kan en moderne dataplattform bidra til effektiv styring når ESG-faktorer går fra å være etiske forpliktelser til strategiske nødvendigheter? I en tid der bærekraft er på agendaen til enhver virksomhet gir vi viktigste tips til hvordan riktig bruk av data og teknologi tar deg fra ESG-rapportering til bærekraftig virksomhetsstyring.
Innhenting og prosessering av data er en sentral del av en moderne dataplattform. Dette foredraget vil vise medaljongarkitekturen, og fordelene med å bruke denne for dataprosessering.
Mesta forteller om sin strategi og hvordan utvikling av en dedikert dataplattform har ført til datadrevne beslutninger i hele virksomheten. Den tekniske løsningen legges frem, og vi får se hvordan datafangst hjelper Mesta å bli mer bærekraftig.
Denne presentasjonen vil vise
hvordan Beerenberg har utviklet et omfattende rammeverk for å spore og
overvåke miljø-, sosiale og styingsmessige (ESG) og bærekraft i
forsyningskjeden. Vi vil demonstrere hvordan vårt rammeverk hjelper oss med å
identifisere og håndtere risikoer – og muligheter, og drive kontinuerlig
forbedring av vårt bærekraftsarbeid.
Vi vil også fortelle om hvordan vi har brukt Power BI, en
forretningsanalysetjeneste fra Microsoft, til å strukturere og visualisere
dataene som samles og genereres av vårt rammeverk. Ved hjelp av Power BI har
vi laget interaktive dashboard og rapporter som gir en klar og konsis
oversikt over risikoer i vår leverandørkjede, og gir oss et godt verktøy for
å følge opp våre underleverandører og deres fremgang.
Gjennom denne presentasjonen ønsker vi å dele vår beste praksis og
innsikter med andre organisasjoner som ønsker å styrke sitt
leverandøroppfølgingsarbeid innen, og adoptere en datadrevet tilnærming til,
bærekraft og ESG
Vi tar et dypere dykk i det
teoretiske bak dagens mest brukte modeller – GPTer og LLMer. I foredraget ser
vi på hvordan disse modellene lærer og utvikles – hva er egentlig en
“Transformer-based model”? Vi forklarer prinsippene Reinforcement Learning
with Human Feedback (RLHF), Proximal Policy Optimization og Zero-Shot
learning hvor hensikten er å åpne opp den “sorte boksen” for mange. Til slutt
diskuterer vi OpenAIs valg om å skjule GPT-4s vekter og tekniske detaljer fra
omverden – hva betyr det for forskning og veien videre?
