Stordata i offentlig sektor OSDF 7.12

Transkript

1 Stordata i offentlig sektor OSDF 7.12

2 Hva er stordata? Store datavolum (Volume) Virksomhets data Varierte data fra forskjellige kilder (Variety) Innhenting av data i real-time (Velocity) Transaksjoner Big data Offentlige data Avklart kvalitet og opprinnelse (Veracity) Summen av dataene er større enn (Value) de enkelte datasettene til sammen Sosiale medier Sensor data Gir muligheter for segmentering, tilpasning, prediksjoner, automatisering

3 Store data mengder fra mange kilder 90% av alle data er produsert siste 2 år Innen 2025 vil det bli produsert 1,7 GB data per person per sekund

4 95% av alle data vi produserer er ustrukturerte

5 Verdikjeden

6 Paradigmeskiftet NOEN AV DATAENE ALLE DATA RENE DATA KAOTISKE DATA DETERMINISTISKE DATA KOMPLEKSE KOBLINGER TESTE HYPOTESER UTFORSKING OG INNSIKT TIDSFORSINKELSER I ANALYSENE SANNTIDS ANALYSER BYTE prosjektet UiO

7 Tradisjonell BI The Big Data Revolution Jason Kolb 2013

8 Map reduce DATASTRØM The Big Data Revolution Jason Kolb 2013

9 The Big Data Revolution Jason Kolb 2013

10 Visualisering Charles Joseph Minard sin berømte graf fra 1869

11 DRIVKREFTER Lavere kostnader på lagring og prosessering GEVINSTPOTENSIALE Effektive beslutningsprosesser Tilgang til skytjenester Presise prediksjoner God båndbredde Raskere reaksjonstid Tingenes internett Bruk av stordata Økt brukerorientering Maskinlæring og kunstig intelligens Bedre kvalitet i beslutningene Hadoop Økt aktualitet Åpne data Økt innovasjon og næringsutvikling

12 Pris pr GB lagring

13

14 DRIVKREFTER Lavere kostnader på lagring og prosessering GEVINSTPOTENSIALE Effektive beslutningsprosesser Tilgang til skytjenester Presise prediksjoner God båndbredde Raskere reaksjonstid Tingenes internett Bruk av stordata Økt brukerorientering Maskinlæring og kunstig intelligens Bedre kvalitet i beslutningene Hadoop Økt aktualitet Åpne data Økt innovasjon og næringsutvikling

15

16 DRIVKREFTER Lavere kostnader på lagring og prosessering GEVINSTPOTENSIALE Effektive beslutningsprosesser Tilgang til skytjenester Presise prediksjoner God båndbredde Raskere reaksjonstid Tingenes internett Bruk av stordata Økt brukerorientering Maskinlæring og kunstig intelligens Bedre kvalitet i beslutningene Hadoop Økt aktualitet Åpne data Økt innovasjon og næringsutvikling

17 Statens vegvesen data inn Ca målepunkt innen 2018

18 DRIVKREFTER Lavere kostnader på lagring og prosessering GEVINSTPOTENSIALE Effektive beslutningsprosesser Tilgang til skytjenester Presise prediksjoner God båndbredde Raskere reaksjonstid Tingenes internett Bruk av stordata Økt brukerorientering Maskinlæring og kunstig intelligens Bedre kvalitet i beslutningene Hadoop Økt aktualitet Åpne data Økt innovasjon og næringsutvikling

19

20 DRIVKREFTER Lavere kostnader på lagring og prosessering GEVINSTPOTENSIALE Effektive beslutningsprosesser Tilgang til skytjenester Presise prediksjoner God båndbredde Raskere reaksjonstid Tingenes internett Bruk av stordata Økt brukerorientering Maskinlæring og kunstig intelligens Bedre kvalitet i beslutningene Hadoop Økt aktualitet Åpne data Økt innovasjon og næringsutvikling

21 Åpne data

22 Eksempel: Statens vegvesen

23 Statens vegvesen - NVDB

24 Eksempel: Helsedirektoratet

25 Eksempel: Statsbygg

26 Statsbygg

27 Gartners årlige Big Data undersøkelse off.sektor OFFENTLIG SEKTOR Rangering 1 Rangering 2 Rangering 3 BESTEMME/DEFINERE HVORDAN SKAPE VERDI FRA STORDATA 26% 8% 8% RISIKOBASERTE UTFORDRINGER (SIKKERHET, PERSONVERN, 15% 11% 15% DEFINERE VÅR STRATEGI 11% 13% 11% FINANSIERING AV STORDATATILTAK 11% 13% 8% LEDERMESSIGE- ELLER ORGANISATORISKE UTFORDRINGER 6% 6% 15% TILGANG PÅ NØDVENDIG KUNNSKAP OG KOMPETANSE 6% 9% 9% INTEGRASJON AV FLERE DATAKILDER 6% 13% 2% FORSTÅ HVA "STORDATA" ER 9% 6% 6% INFRASTRUKTUR OG/ELLER ARKITEKTUR 2% 9% 9% INTEGRASJON MED EKSISTERENDE INFRASTRUKTUR 0% 6% 13% ANNET 8% 6% 4%

28 Status i norsk offentlig sektor En god del verdifull forskning Noen offentlige virksomheter har kommet langt i utprøving og er på veg over i forvaltning Noen offentlige virksomheter tester ut mulighetene De fleste har ingen initiativer, men følger med på utviklingen

29 Noen eksempler Økokrim økonomiske transaksjoner SKATT og NAV forebygge og avsløre svindel Dibk regelverksutvikling Medisinsk forskning genforskning, bioinformatikk, hjerneforskning I Norge er vi ikke kommet i gang med Predictive policing Intelligente tjenester Sosiale media som datakilde Copernicus

30

31 Dataenes økosystem

32 Dette er vanskelig.. Tilgang til data åpne og ikke åpne. Usikkert om personvern formål, anonymisering osv. Hvem eier dataene? Kompetanse Prosessorkraft cloud eller ikke cloud?

33 Det aller vanskligste. Få fatt i data Forvalte dem Forstå dem og gjøre de riktige analysene