AI, IoT och förmågan att hantera massor av data

Blogg | Publicerings datum 11 mar 2020

hantera data

AI, IoT och förmågan att hantera massor av data. Hinner du med alla nya begrepp eller börjar du känna dig stressad? Då kanske det är dags att fundera som Nalle Puh: ”Om man inte vet vart man ska är det ingen idé att skynda sig. Man vet ändå inte när man kommer fram.”

I Stefan Palm ”reflekterar” får du ta del av Stefans tankar kring ny teknologi och hur man kan dra nytta av den för att skapa värde hos organisationer och företag.

Min passion är att hjälpa organisationer och individer överbrygga kompetensgapet mellan vad som är faktiskt möjligt med nya teknologier och det uppfattade värdet av ny teknologi. Med ökad innovationstakt och ofta minskade resurser, så är många organisationer fullt upptagna med att få den nuvarande affären att gå runt. Att då ha förmågan att jobba kontinuerligt med strategi och förmedla en vision och målbild som alla i organisationen kan ta åt sig kan vara en utmaning. Tyvärr är det inte så enkelt i dagens utbud av teknologier och lösningar att be någon (kanske en konsult) ”bara” berätta vad och hur man ska göra för att dra nytta av alla nya lösningar som leverantörerna marknadsför.  

Och där kommer jag in i bilden med att hjälpa en organisation att dra nytta av ny teknologi för att lösa en utmaning. Notera att en utmaning både kan vara i form av:
– något vi gör, men vi kan göra bättre
– något vi inte gör, men vi har nytta av om vi kunde. 

Ibland är dock avstampen rent teknikintresse, t.ex. vad kan vi göra med AI. Jag personligen har ett rätt pragmatisk förhållande till teknik. Det finns fördelar och nackdelar med alla typer av lösningar. Det gäller bara att förstå inom vilka ramar som varje lösning ger bra värde. Min definition på värde är att den totala kostnaden för lösningen ska vara mindre än kostnaden för utmaningen (helt OK att stanna här och läsa om den formuleringen en gång till). 

Eftersom alla organisationer är olika så är det omöjligt att på förhand säga vad som är bra eller dåligt. Generella lösningar kan vara bra för att enkelt komma igång, men det är ofta specifika värden man är ute efter när man utvärderar nya teknologier. Men att göra något för första gången kan kännas som en stor utmaning, hur ska man sätta igång att utvärdera nyttan med AI? 

Och det är nu Nalle Puh dyker upp. Om man ska göra en förändring, så vill man veta att den sker i en riktning som för en närmare målet. Finns ingen vision eller målbild är det väldigt svårt att bedöma om ny teknologi tillför något eller bara distraherar verksamheten från det som faktiskt är viktigt. Så även om dialogen startar runt ny spännande teknik bör man ibland investera lite tid och resurser för att definiera en målbild i form av en övergripande arkitektur. Jag vill direkt lägga till att denna målbild/arkitektur inte är statisk, utan något som ständigt behöver jobbas med och uppdateras efter förändringar i verksamheten och när nya teknologier och lösningar blir tillgängliga. 

I mitt arbete med att utvärdera nya teknologier så samlar jag på mig kunskap och erfarenheter som jag ska försöka dela med mig av på ett sätt som inspirerar och även kanske gör dig nyfiken. Det kommer inte bli så mycket tekniska detaljer, det finns andra som fokuserar på dem, utan mer tankar och reflektioner kring vad nyttan är, och vad man kanske ska fundera lite extra på, när man utvärderar nya teknologier. 

I detta inlägg vill jag reflektera lite över de ”stora pusselbitarna” eller definiera de områden som många pratar om. Så kommer jag i fortsättningen dyka lite djupare inom varje område. 

 

Nya teknologier: AI, IOT 

Varför inte börja med Artificiell Intelligens (AI)? Denna förkortning som används flitigare än ”Digital Transformation” gjordes tidigare. Väldigt många menar maskininlärning, eller Machine Learning (ML), när de pratar om AI. Och väldigt många som säger sig ha AI-lösningar använder bara avancerade analysfunktioner. Det finns en fantastisk potential att dra nytta av de nya tjänster som utvecklas och saluförs under ”AI”-termen. Och det kan vara väldigt enkelt att komma igång att testa, men ibland frustrerande svårt att leverera något som verksamheten kan nyttja. För att citera en stor global organisation: ”Vi har fler piloter i vår organisation än vad Lufthansa har.”  

När man pratar om AI, så kommer man osökt in på området ”data”, gärna i stora volymer dvs. Big Data. Att hantera stora volymer är i och för sig en utmaning men egentligen inte det som är i fokus. Möjligheten att börja dra insikter från ostrukturerad data är det som lockar. Visst bygger ofta dagens lösningar på en strukturerad databas i grunden, men den stora mängden data finns utanför denna strukturerade databas. Lösningar som ger organisationer möjligheten att dra insikter från dokument, tal/ljud eller bilder/video är tillgängliga från många leverantörer i dag. 

Men ibland finns behovet av att samla in ännu mer information och det är i dag varken svårt eller dyrt att koppla upp en ”sak” med hjälp av Internet of Things (IoT)lösningar. Det här är ett område där tekniken bara ger massor av möjligheter, men där det kan behövas läggas lite tid på processer. Att bygga något som funkar är en sak, men att supporta den lösningen i 10 år (eller hur lång tid denna sak beräknas leva) är en förmåga som få organisationer har. Och här kommer den ekonomiska aspekten in också, kommer vi kunna ”räkna hem” denna lösning under ”sakens” livstid (enligt definition på värde ovan, om du kommer ihåg). 

Det finns en risk för att IoT hanteras som infrastruktur och bara ses som en kostnad. Man glömmer bort att det stora värdet genereras från det data som IoT-lösningen levererar till organisationen. Självklart bör man utvärdera om denna information kan fås på annat sätt än att bygga en egen lösning. Utbudet av köpt data är en marknad som växer fort och många nya partnerskap formas med syfte att dela kostnaderna för att samla in data och kanske även dela intäkterna från de nya tjänster som drivs av data 

För när nya tjänster byggs i dag, så är verkligen data oljan som driver lösningen. Händelsestyrda tjänster, byggda med mikro-tjänster, där utvecklarna får direkt feedback hur användarna upplever tjänstenDet är enkelt att nu bara tänka ”appar” (som ofta inkluderar moderna web-tjänster), men i dag kan din tjänst exponeras som ett API. För båda alternativen gäller att värde uppstår först när någon använder tjänsten, så insikten om nyttjande är det som leder det kontinuerliga arbetet med att optimera tjänsten över tid. 

För det som ofta heter förvaltning, bör i dag enligt mig kallas för optimering. Under lösningens livstid är det ett ständigt arbete med att jobba med tillgänglighet, prestanda, kostnader, säkerhet och underliggande teknologier. Att inte göra någonting är inte ett alternativ. Världen runt omkring förändras så fort, och användarna har oftast inte långt till en alternativ tjänst. 

Kontakt 

Följ med mig framöver på en resa genom nya teknologier och lösningar, insikter och åsikter, fakta och funderingar. Och självklart får du höra av dig om du har feedback på något jag skriver, eller om det är något du vill jag ska ta upp stefan.palm@softronic.se

Eller leta upp mig på LinkedIn, där jag delar med mig av vitt skilda funderingar om livet i stort. 

Relaterade länkar:  

Blogginlägg skrivet av Stefan Palm – copyright Softronic.

Intervju med Stefan Palm