Analys och datadrivet beslutsfattande

När du har kommit så pass långt att du har gjort alla förberedelser, och hanterat datan för ditt projekt, är det dags att ta sig an analys och datadrivet beslutsfattande. Det tittar vi närmare på här.

Hur gjorde man analyserna i fallstudierna från Databeredskapsverkstaden? Vilka lärdomar har man dragit? Det och lite allmänt om dataanalys och datadrivet beslutsfattande hittar du här.

pages

Resources

2023-10-23 11:29 Linked Video
—AI Sweden is the Swedish national center for applied artificial intelligence. Our mission is to accelerate the use of AI for the benefit of our society, our...
2023-10-19 11:49 Page
Betydelsen av kvalitetsdata inom artificiell intelligens och arbetet med databeredskap är uppenbar men ofta underskattad i teknikutvecklingen. För organisationer inom den offentliga sektorn är det en praktisk fråga att se till att data är förberedda och redo för AI-tillämpningar.

Inom ramen för Data Readiness Lab-projektet som koordineras av AI Sweden presenterar vi en samling fallstudier som undersöker frågorna om datatillgänglighet, validitet och användbarhet, utifrån erfarenheterna från fyra offentliga enheter: Strängnäs Kommun, Sveriges Kommuner och Regioner (SKR), Arbetsförmedlingen och Ekonomistyrningsverket (ESV).  

De presenterade användningsfallen fokuserar på de utmaningar som härrör från språkteknologi, på engelska Natural Language Processing (NLP), och de gäller därför hanteringen av text i maskininlärningssyfte. 

Du kan se en sammanfattning av lärdomarna här. 

Lärdomar som berör analys och datadrivet beslutsfattande

Sträva efter tydliga avtal. Eftersom licensavtal om system eller andra datakällor är
en verksamhet som ofta saknar tydlig reglering om vad kunden får göra med data
utöver de ordnarie användarfunktionerna, är det bra att sträva efter avtal som är
tydligare med att annan användning av kunddata också är tillåten.

Involvera fler perspektiv än det tekniska. NLP-projekt innehåller många
överväganden utöver de tekniska. Se därför till att uppmärksamma fler perspektiv, till
exempel juridiska och etiska frågor. Involvera flera kompetenser i projektet såsom
juridiskt stöd och kommunikatörer.

Samarbete över myndighetsgränser behövs. Språkteknologiska
tillämpningsmöjligheter och intressanta textdatakällor är ofta inte tydligt kopplade till
endast en offentlig aktör. Det har därför hänt, och kommer fortsätta att hända, att
olika aktörer bedriver snarlika projekt utan att vara medvetna om varandra. Detta
innebär ett ineffektivt dubbelarbete och en missad möjlighet till samverkan. Det
behövs därför bättre kommunikation inom det offentliga kring vilka språkteknologiska
projekt som drivs och planeras samt bättre styrning och ökade medel för
gemensamma projekt.

Read more
Learn about how data can empower our decisions, big and small, the difference between quantitative and qualitative analysis and when to use them, the pros an...
2023-10-19 11:32 List

Attributes

Data, Execution
pages

Resources

Vanliga begrepp inom Databeredskap

Här hittar du några vanliga begrepp inom databeredskap.

Insamling: processen att samla in rådata som kan vara relevant för ett AI-projekt. Källor kan vara olika (till exempel databaser, sensorer eller skrapning).

Rengöring: att korrigera eller ta bort felaktig, korrupt, felaktigt formaterad, ofullständig eller irrelevant data från ett dataset.

Validering: processen att kontrollera och säkerställa att insamlad data är korrekt, relevant och användbar innan den används.

Förberedelse: omfattar alla aktiviteter för att omvandla rådata till en form som bättre lämpar sig för analys, inklusive rengörning och transformation.

Transformation: att omvandla data från ett format till ett annat format, struktur eller värde för att till exempel uppfylla vissa krav, som normalisering eller skalning.

Berikning: processen att förbättra, förädla aller förbättra rå- eller primärdata med ytterligare information för att öka kvaliteten och värdet.

Lagring: handlar om var och när data sparas, och kan inkludera molnbaserade lösningar och databaser.

Sekretess: handlar om att skydda personlig och känslig information från obehörig åtkomst och spridning.

Metadatahantering: innebär att hantera information som beskriver olika aspekter av data, som ursprung, användning och format för att förbättra förståelsen och anvädningen av data.

2023-10-23 06:30 Linked Page
AI ger oss nya verktyg som kan användas för att utföra uppgifter som normalt kräver mänsklig intelligens och som tidigare inte var tillgängliga med traditionell teknik. Dessa gör det möjligt att automatisera uppgifter som tidigare krävde mänsklig inblandning, vilket leder till nya sätt att skapa applikationer som stödjer våra medarbetare och effektiviserar samt ökar kvaliteten på deras arbete.

Verktygslådan omfattar ett brett område med många olika tekniker och AI algoritmer, men kan delas in i ett antal förmågor som beskriver vilken typ av arbete tekniken kan utföra, precis som vi människor har förmågor att göra olika saker. Genom att förstå AI utifrån dessa förmågor kan vi tänka på användningsområden för tekniken utan att behöva vara tekniskt insatta eller bekanta med alla de tusentals mjukvaror och applikationer som finns. När du ska använda detta i din verksamhet försök fundera på vilka förmågor som krävs för att utföra vissa arbetsmoment både i beslutsfattandet men även agerande. 

Man kan dela in dessa förmågor i 4 större grupper:

Känn av världen

Förstå världen

Kontrollera världen

Skapa världen

Alla dess förmågor kan förstås också kombineras för att skapa än mer avancerade, innovativa och användbara lösningar på olika problem och utmaningar. Men vi kan ibland också skapa stort värde med de enklaste tekniker genom att matcha ett stort behov med en välfungerande lösning. Förhoppningsvis har förmågeperspektivet gett dig en större förståelse av vad AI kan göra och nya idéer om hur ni kan använda AI i er verksamhet.

Read more
2023-10-20 10:49 Linked List
2023-10-20 07:55 Linked List