OCTOBER 14, 2020

Att skapa kundnytta ur datasjöar

Att skapa kundnytta ur datasjöar

Hur är det egentligen att jobba på dLab med utveckling? Vi har pratat med två av våra kollegor som stärker utvecklingsteamet: Carl Johan Schedvin och Jens Wilhelmsson från Softhouse. Läs om deras syn på big data och vad man egentligen gör i dLabs utvecklingsteam.

- Under det dryga halvår som vi jobbat hos dLab har vi i teamet utvecklat två ”produkter” till portföljen: En lösning som kallas för dAnalyzer Lite och en lösning för att bearbeta data för tillståndsbaserat underhåll. Vi har också jobbat med säkerheten i mjukvaran och skapat ett system för licenshantering, som ju är viktigt när kundbasen växer, berättar Carl Johan.

Carl Johan och Jens har båda drygt 15 års erfarenhet av utveckling, båda primärt inom Microsoft .NET framework. Carl Johan har arbetat med spårningssystem i logistikbranschen och administrativa system, medan Jens har en bakgrund i oljebranschen och övervakningssystem. En perfekt bakgrund för att arbeta med dLabs komplexa tjänster?

- Det är en spännande bransch som dLab verkar i. Vi kunde absolut ingenting om elkraft när vi kom in, så det var en utmaning. Men på dLab sitter ett gäng experter, så vi har lyckats kombinera våra respektive styrkor på ett bra sätt, säger Jens. Med vårt perspektiv utifrån har vi kunnat ge lite nya inspel i utvecklingsprocessen, och det har ju gett tydliga resultat.

Ett av resultaten är dAnalyzer Lite; en anpassad version av dLabs ursprungliga tjänst dAnalyzer, som analyserar störningsdata från fördelningsstationer installerade med hårdvaran dBox i syfte att förbättra felavhjälpning och minska avbrott. I Lite-versionen kan man ta in data från andra källor, vilket är en flexibel lösning för kunder som redan har någon form av smart mätare installerad.

- Kärnan i dLabs lösningar är mjukvaran. Den analyserar data från fördelningsstationerna och exporterar in den i andra system. Det är en otroligt flexibel och multifunktionell kärna, som man kan utveckla åt maskininlärningshållet. Här har man tillgång till en massa data, som man skapar information av, som kunderna kan dra nytta av. Den processen kan med fördel automatiseras, säger Carl Johan.

Carl Johan och Jens återkommer till big data, maskininlärning och AI gång efter annan. Många branscher tittar på detta idag, men det finns utmaningar enligt Carl Johan och Jens:

- Man vet inte riktigt hur man ska ta sig an detta område. Det är en ny verklighet som vi har idag, med nya möjligheter. Men för att skapa effektiva verksamheter kommer detta att bli ett måste, säger Carl Johan. Vi behöver skapa system som lär sig hantera de enorma mängder data vi har – den mänskliga hanteringen är långsam och har stora felmarginaler. Dessa kan jobbas bort med maskininlärning och här har dLab en guldsits.

- Ett annat koncept som kommer att bli allt viktigare för företagen när de får större verksamhet och blir globala, är distribuerade system. Alltså att skapa driftsystem som kan klara av processandet av big data. Då räcker inte en nod för analys som tidigare, säger Jens. Man behöver bygga nya strukturer, där man har flera noder och jobbar i många punkter. Vad gör man när kapaciteten är maxad? Det blir nästa fråga för globala big data företag, avslutar Jens.

Just nu deltar dLab och utvecklingsteamet i två olika initiativ som handlar om att skapa en ännu exaktare fellokalisering genom att kombinera data från dLabs analys med andra system. Allt för att leverera än bättre kundnytta genom smart dataanalys.