Close
Statens vegvesen ser på data som en essensiell muliggjører for å levere på nasjonal transportplan. Vi skal gå fra sporadisk bruk til effektive og gode datadrevne beslutninger. Vi skal bruke data til å sikre løpende forbedringer av SVV og for våre kunder. Og data skal brukes til å levere på samfunnsoppdraget. Med 165 års historikk, som en stor dataeier og med sterke fagmiljøer har Statens Vegvesen besluttet å bli en datadrevet etat og etablerte enheten Data, Innsikt og Analyse på slutten av 2021. Etatens datastrategi har hatt fokus på å skape «ringer i vannet» gjennom gode eksempler som skal motivere og inspirere etaten til å ta i bruk data. Samtidig som etableres datafundamentet med kultur og kompetanse, dataplattform og data governance. Vi mobiliserer nå for neste steg hvor vi snakker om «data i stort» og skalering av en datadrevet etat.
Innlegget er delt i to deler, hvor del 1 vil ha fokus på etatens datastrategi og det å skape reell forretningsverdi, mens del 2 vil ha fokus på datafundamentet og det å skape vedvarende endringer.
Vi deler våre erfaringer!
Statens vegvesen ser på data som en essensiell muliggjører for å levere på nasjonal transportplan. Vi skal gå fra sporadisk bruk til effektive og gode datadrevne beslutninger. Vi skal bruke data til å sikre løpende forbedringer av SVV og for våre kunder. Og data skal brukes til å levere på samfunnsoppdraget. Med 165 års historikk, som en stor dataeier og med sterke fagmiljøer har Statens Vegvesen besluttet å bli en datadrevet etat og etablerte enheten Data, Innsikt og Analyse på slutten av 2021. Etatens datastrategi har hatt fokus på å skape «ringer i vannet» gjennom gode eksempler som skal motivere og inspirere etaten til å ta i bruk data. Samtidig som etableres datafundamentet med kultur og kompetanse, dataplattform og data governance. Vi mobiliserer nå for neste steg hvor vi snakker om «data i stort» og skalering av en datadrevet etat.
Innlegget er delt i to deler, hvor del 1 vil ha fokus på etatens datastrategi og det å skape reell forretningsverdi, mens del 2 vil ha fokus på datafundamentet og det å skape vedvarende endringer.
Vi deler våre erfaringer!
Skatteetaten besluttet i 2021 å ta i bruk allmenn (public) sky for fremtidige produkter/tjenester/leveranser. Og som den første tjenesten: Data- og analyseplattform.
Nicholas og Tron Magnus forteller om tilnærmingen Skatteetaten har valgt for etablering av ny data og analyseplattform, hvor vi er nå, hva vi har foran oss, hva som har vært vondt og hva som har gått bra.
Stikkord: Azure, Databricks, PowerBI, Modern Data Engineering, Data Mesh, Data Science
For å kunne være Norges råeste veksthus for serveringskonsepter er det en forutsetning at man har riktige data lett tilgjengelig for hele organisasjonen og at denne tilgjengeliggjøres til alle deler av konsernet – fra driver av restaurant til konsernets ledelse og styre. Foredraget vil beskrive Bitastads reise fra en verden med ulike datakilder og kompleks rapportering til dagens situasjon med ett datavarehus som danner grunnlaget for dagens BI-løsning. Det vil diskuteres viktige suksessfaktorer og fallgruver i arbeidet mot tilgjengeliggjøring av data som gir innsikt for alle!
Situation. Data in isolation is dumb and useless. Data is only ever a resource for whoever that needs the data. Data only has value in use. To make data smart we must align it to their situation. Who are they? Why do they need the data? What do they do with it? What and whom are they doing their thing for?
Problem. Again and again, we spend a lot of time and money to try and adopt new data- and AI-enabled ways of working. Everytime our projects, teams, and approaches fail. Why? We do not adress the operations that data and analytics are supposed to boost. What do they need the analytics for? They are trying to boost the business operations. That is what we need to make data smart about.
Implication. We need a useful methodology for deciding with the business how data and analytics should boost their operations.
Why? Because doing that, and doing it well, is the very first order of concern in any project, regardless of the size or the data/AI maturity of the organisation. The objective is to spend our efforts and time where it counts: serving them something that is useful and adoptable.
Need. Dairdux has, together with our clients, over the last years co-created methods to be used by any size project in the initiating phase. These shape and frame the project more clearly and in a repeatable way, from the perspective of the impact the business wants from their data and analytics use-case.
This is the story we will share on stage in this key note.
