AVMYSTIFISERING AV TEKNOLOGIER...hva alle dataene fra ulike IoT-enheter kan brukes til. 1. Tingenes internett er altså et nettverk av identifiserbare enheter som er koblet til internett

Innsiktsrapportfra Itera

AVMYSTIFISERING AV TEKNOLOGIERDet handler ikke om teknologien, men hvor den kan bringe deg!

Tom Kr. FoosnæsPrincipal Business Consultant, [email protected]

3 Avmystifisering av teknologier | Innsiktsrapport fra Itera

Verden endrer seg i et tempo vi aldri før har vært vitne til. Teknologiske endringer påvirker oss uavhengig av om vi jobber i det private eller offentlige. Brukerne forventer hyppige forbedringer, konkurransen øker, og vi må alle jobbe smartere.

Men de færreste av oss har en god forståelse for hva de ulike teknologiene faktisk er – og alle mulighetene de representerer. De fleste som forsøker å lese seg opp, faller like fort av i en jungel av unødvendig avansert og teknologisk språk, fremmedord, forkortelser og buzzord.

Vi ønsker å gjøre noe med dette. I denne rapporten vil vi forklare de teknologiske endringene rundt oss og tydeliggjøre hvorfor de skjer. Dette er viktig å forstå.

Men det viktigste vi håper du vil sitte igjen med, er en økt forståelse av hvordan vi alle sammen kan utnytte disse endringene – og se nye muligheter – til beste for samfunnet, brukerne og virksomhetene vi jobber i.

I denne rapporten tar vi for oss noen av de mest sentrale teknologiene og forklarer enkelt hva teknologien faktisk er, hvordan den fungerer og hvilke muligheter den gir.

Teknologiene vi beskriver er valgt ut fordi:

Våre kunder forteller oss at det er disse teknologiene de vurderer å bruke for å løse sine forretningsutfordringerTeknologigigantene satser og investerer tungt i demDe trekkes frem i internasjonale undersøkelser blant teknologiledereIteras egne fageksperter, både innen digital forretning og teknologi, fremhever teknologiene som spesielt viktige

Innsikten du trenger for å lære mer, får du her.På en enkel og forståelig måte.

God lesning!

Om denne rapporten


Datastrømminger en kontinuerlig strøm av data fra ulike kilder samlet ett sted. Det blir enklere å håndtere store datamengder og gjøre disse tilgjengelige, kommunikasjonen mellom ulik programvare blir bedre og vi får tilgang på sanntidsinformasjon.

Skytjenestergir virksomheten fleksibel tilgang på teknologi, infrastruktur og verktøy via internett. Virksomheten betaler for det den bruker og kan enkelt justere etter behov.

Digitale tvillingerer en digital fremstilling av et fysisk objekt eller en prosess. I kombinasjon med andre teknologier kan disse blant annet bidra til produktforbedringer og forutse hendelser.

Maskinlæringer en underkategori av kunstig intelligens. Teknologien brukes blant annet til å predikere, eller forutse fremtiden, gjenkjenne ansikter, bilder, tekst og tale.

Edge Computing handler om å bearbeide data nærmest mulig datakilden. Dette er nyttig når dataene må behandles svært raskt, eller det er behov for å redusere bruk av båndbredde.

Virtuell- og utvidet virkelighet (VR og AR)bringer deg inn i en digital fantasiverden (VR) eller en forsterket virkeligheten (AR). Brukes blant annet til opplæring, trening på kritiske oppgaver og gaming.

Innhold

Tingenes internett (IoT)er et nettverk av fysiske ting og sensorer koblet til internett. Dataene som skapes fra disse tingene kan brukes isolert, eller i kombinasjon, og åpner for mange nye muligheter.

6

12

18

26

38

48

54

Oppsummert mener vi morgendagens vinnere er bærekraftige digitale virksomheter som utnytter data til det beste for samfunnet, sin virksomhet og sine kunder. Teknologiene henger sammen, men du er neppe avhengig av alle for å lykkes.

60

Avansert dataanalyseomfatter bruk og utvikling av ulike verktøy og prosesser for å analysere og lære noe fra rådataene man har tilgjengelig. 32

5 Avmystifisering av teknologier | Innsiktsrapport fra Itera4 Avmystifisering av teknologier | Innsiktsrapport fra Itera

TINGENES INTERNETT (IoT)

Hva er tingenes internett? Veldig enkelt forklart er det et nettverk av fysiske ting og sensorer som er koblet til internett. Disse tingene kan være nærmest hva som helst; for eksempel kaffemaskiner, strømadaptere, PCer, mobiler, klokker, biler, trafikklys, vindmøller, basestasjoner og til og med brikker folk har sydd inn i kroppen. Tingene er identifiserbare, har sensorer og kalles gjerne IoT-enheter.

Et nettverk av fysiske enheter koblet til internett

Hvordan fungerer tingenes internett?

Sensorene sender fra seg data via internett. Når dataen er bearbeidet, kan enhetene få informasjon tilbake. Enhetene kan sende

informasjon til hverandre, men også utveksle informasjon med mennesker

og alt som er koblet til internett. Dataene som sendes kan

være informasjon om:

Forbruk

Handlinger

Kjenne-tegn

Adferd

Tilstand

Annet

Enhetene som kobles opp mot internett er ikke så spennende alene. Men i kombinasjon med andre teknologier kan dataene utnyttes til nye og spennende tjenester som utgjør en forskjell.


Tingenes internett (IoT)

Vi kommer nærmere inn på de andre teknologiene senere, men gir deg her et lite innblikk i dataenes kretsløp, slik at du allerede nå får en overordnet forståelse av hva alle dataene fra ulike IoT-enheter kan brukes til.

1. Tingenes internett er altså et nettverk av identifiserbare enheter som er koblettil internett.

2. Sensorene i disse enhetene sender fra seg data via internett.(Det samme gjelder rene sensorer som står alene, for eksempel enbevegelsessensor).

3. Dataen sensorene sender fra seg kan være informasjon om forbruk, handlinger,kjennetegn, adferd, tilstand og annet.

4. Resultatet er mye data, hvor ny teknologi kommer til nytte. For å kunne håndtere– og gjøre stadig økende datamengder – tilgjengelig på en god måte, bør vi benyttedatastrømming og skytjenester. For å kunne ha digitale representasjoner av alle IoT-enhetene, trenger vi digitale tvillinger. Og skal vi kunne utnytte alle dataene til nye og innovative løsninger, er vi avhengig av å bruke for eksempel avansert dataanalyse og/eller maskinlæring. Vi kommer nærmere inn på disse teknologiene senere.

5. Vi må sette sammen, lagre, tolke og analysere all dataen. I eksempelet til venstre,gjør vi dette ved hjelp av avansert dataanalyse og maskinlæring.

6. Når dette er gjort, kan informasjon eller beskjeder sendes tilbake til den smartestrømadapteren din, bilen din, klokken din og alle de andre tingene som er koblettil internett. Eksempler på slike beskjeder ser du i boblene til venstre.

Data omforbruk

Data omhandlinger

Data omkjennetegn

= Mye data

DatastrømmingSkytjenesterDigitale tvillingerAvansert dataanalyseMaskinlæring

Fysiske ting og sensorer koblet til internett

Lad batteriene mellom 01

og 06

Nå må du løperaskere

Her går det fort i svingene På tide

med vedlikehold

Her kan du kutte strøm

Data omadferd Data om

tilstand og annet

1

2

3

4

Sette sammen, lagre, tolke og analysere dataene5

6

Sensorene i disse enhetene sender fra seg data via internett

Antall nye IoT-enheter Innen utgangen av 2021 vil 1 million nye IoT-enheter kobles til Internett hver time, ifølge Gartner2.

2Gartner, Inc

million hver time1

Noen bruksområder

Geologer ...kan overvåke og måle når det er bevegelse i Mannen, samt utføre kontinuerlig tsunamiovervåking over hele kloden

Ulike bransjer ...kan forstå hvordan folk fungerer og se sammenhenger i hva som påvirker kundens adferd

Helsesektoren ...kan bruke tingenes internett til å øke forståelsen for hvordan kropp og hode fungerer, samt å overvåke og gi beskjed når helsen din er «ute og kjører»

Hvilke muligheter gir tingenes internett? Informasjonen som sendes tilbake kan brukes til å:

• overvåke• forstå• forutse• foreslå tiltak• sette i gang prosesser automatisk

Data er den nye oljen og fremtidens virksomheter er datadrevne. De evner å analysere data om interne og eksterne forhold på en måte som gjør dem i stand til å ta beslutninger basert på fakta – ikke antagelser. Datadrevne beslutninger bidrar til økt lønnsomhet, mer effektiv drift og bedre kundeopplevelser. Det er derfor avgjørende å ha et bevisst forhold til hvilke data som innhentes og hvordan dette gjøres, for eksempel ved hjelp av ulike IoT-enheter.

– IT IS IMPORTANT AS YOU EMBARK ON YOUR IoT JOURNEY THAT, AS YOU SET YOUR GOALS, YOU VERY CLEARLY IDENTIFY THE BUSINESS VALUE RATHER THAN THE TECHNOLOGICAL CHALLENGES.

Mark HungVice President, Gartner Research

5G-drevne roboter hjelper Kina med å bekjempe Covid-19

Kina har utplassert 5G-drevne patruljeringsroboterpå flyplasser og kjøpesentre i flere byer for å overvåke innbyggernes kroppstemperatur og bruk av masker1. Robotene er blant annet utstyrt med fem høyoppløselige kameraer og infrarøde termometre som er i stand til å skanne temperaturen på 10 personer samtidig innenfor en radius på 5 meter.

Dersom robotene avdekker høy temperatur, eller fravær av en maske, sendes et varsel til relevante myndigheter. Robotene integrerer tingenes internett, kunstig intelligens og skytjenester for å kunne overvåke atferd og ta beslutninger. Selve feberkameraet er det samme som benyttes i et pilotprosjekt2 som ble igangsatt i mai 2020 ved sykehuset Kalnes i Østfold. Her følger en ansatt med på en skjerm og kan avvise eventuelle besøkende som har feber.1Smart Cities World I 2 NRK Nyheter

Forsikringsselskaper ...kan avdekke kjøremønstre og prise forsikring basert på hvordan du kjører

Eiendomsselskaper ...kan spare strøm ved å justere temperaturen og få informasjon om behov for vedlikehold av en pumpe eller et vannrør

Tingenes internett (IoT)


DATA-STRØMMING

Datastrømming er en kontinuerlig strøm av data fra ulike kilder samlet ett sted. Det blir enklere å håndtere store datamengder og gjøre disse tilgjengelige, kommunikasjonen mellom ulik programvare blir bedre og vi får tilgang på sanntidsinformasjon, noe som blir stadig viktigere.

En strøm av data fra ulike kilder

Hva er datastrømming?

Sosialenettverk

Server-aktivitet

Sensorer

Mobil-og

nettbruk

Kjøp og salg av varer

Geo-grafisk

plassering

Hvordan fungerer datastrømming?

Data mottas, samles og distribueres via en meldingskø. Den bearbeides i sanntid, lagres og ny informasjon presenteres tilbake til kilden den

kom fra – eller andre steder. Data kan for eksempel

komme fra:

Mange virksomheter har over tid lagret data i ulike systemer, databaser og servere. Det blir komplisert å hente ut, sammenstille, tolke og bruke dataen til noe. Det stilles stadig høyere krav til gode brukeropplevelser og raskere responstid. Behovet for enklere og raskere måter å utnytte data på, i sanntid, blir derfor stadig viktigere.

Overvåking Varsel

Rapporter Analyser

Handel

Fersk og oppdatert informasjon sendes tilbake til kilden den kom fra – eller andre steder – og kan blant annet brukes til:8

Koronakrisen har gitt oss en rekke eksempler på ulike oversikter over antall mennesker som er bekreftet smittet, innlagt på sykehus, har behov for respirator eller er døde.

Datastrømming har gjort det mulig å hente informasjon automatisk fra Verdens helseorganisasjon og en rekke andre datakilder i sanntid. Dette, i kombinasjon med ulike skytjenester1, har bidratt til at helsemyndigheter, media og mennesker over hele kloden har hatt tilgang på helt oppdatert informasjon til enhver tid. I denne typen kriser bidrar dette til å redde liv.

1 Vi kommer tilbake til skytjenester, og betydningen disse har hatt, i neste kapittel.

Sporing av virus i sanntid

Datastrømming


En strøm av data fra ulike kilder

Fersk og oppdatert informasjon

Datastrømming er en kontinuerlig strøm av data fra ulike kilder. Dataen samles ett sted. Dette gjør det mulig å ta i bruk dataene raskt.

Plattform for datastrømming

Mange bedrifter har gammel og kompleks arkitektur...

Reisen til dataen fra start til slutt skjer i det som kalles en «Data Streaming Pipeline».

Du kan sette sammen denne pipelinen selv, eller bruke en plattform for datastrømming – som for eksempel ApacheKafka.

1

• Enklere og raskere utnyttelse av data

• Bedre kommunikasjon mellom ulikprogramvare

• Tilgang på sanntidsinformasjon

... som løses enkelt ved bruk av datastrømming og gir:

2 3

4 Datafra ulike kilder

5

6

Det må gå raskt ettersom data er i bevegelse og brukere ønsker tilgang til innholdet umiddelbart

7

Mottar, samler,distribuerer,bearbeider,lagrer og

presenterer data fra ulike kilder

i sanntid

Banker ...kan utnytte kraften av sanntidsdata til å kalkulere og innvilge lån, hindre hvitvasking og gjennomføre risikoanalyser

Helsevesenet ...samler data fra ulike pasientinstrumenter og avdekker fremtidig sykdomsutvikling hos pasienter

Uber ...viser deg hvor bilen du har bestilt er akkurat nå og justerer pris automatisk basert på tilbud og etterspørsel

Nettbutikker ...gir deg anbefalinger basert på dine tidligere valg, og hva du velger her og nå

NAV ...holder styr på alle hendelsene i livet til norske borgere

For å kunne motta og samle data, må pipelinen ha nok plass til å ta imot mye data. Datakilden må også være til å stole på, slik at folk kan være sikre på at innholdet de får presentert tilbake er korrekt.

For å kunne distribuere data må pipelinen være robust,slik at den ikke mister data på veien. Med datastrømming blir det mulig å bearbeideinformasjonen, melding for melding, mens den er i bevegelse.

Vi kan lagre data på ulike måter. Trenger du dataen raskt, må du lagre den mens den er i bevegelse. Dersom du bruker dataen sjeldnere, kan den lagres i et register.

Til slutt presenterervi fersk og oppdatert informasjon tilbake til kilden den kom fra – eller til et annet sted. Her kandata overvåkes og analyseressamt at prosesser kan startesautomatisk – alt i sanntid.

Motta og samle

Lagre

Presentere

Distribuere og bearbeide

Plattform for datastrømming

Hvilke muligheter gir datastrømming? Datastrømming er på full fremmarsj i de fleste bransjer. Eksempler på globale aktører som har tatt det i bruk er Netflix, Instagram, Uber, PayPal, Apple og Zalando. Her til lands kan vi nevne NAV, Nordea og en rekke startups.

Datastrømming bidrar til å koble deg løs fra gamle systemer og komplisert arkitektur. En sentralisert datastrøm, som oppdateres hele tiden, gir bedre kommunikasjon mellom ulik programvare. Dette åpner dørene for mange nye muligheter. På neste side ser du noen eksempler.

Noen bruksområderData er i bevegelse hele tiden, og etterhvert som datamengdene øker, er det viktig at prosesseringen skjer raskt. Det trengs derfor en plattform for å håndtere datastrømmen.

Forsikringsselskaper ...kan identifisere hvilke produkter en kunde har, og avgjøre hvor mye en kunde skal få i erstatning

Datastrømming


SKY-TJENESTEREt fleksibelt økosystem

Hva er skytjenester?Skytjenester gir virksomheter tilgang på alt fra programvare, operativsystem og utviklings-verktøy til nettverk, servere og lagring. Alt via internett. Forretningsmodellen er fleksibel, så virksomheten betaler bare for det den bruker til enhver tid.

Kjøpe teknologi

Oppdatere teknologi

Vedlike-holde

teknologi

Sørge for tjenestens sikkerhet

Hvordan fungerer skytjenester?

Med skytjenester som Microsoft Azure, Google Cloud eller Amazon Web Services,

får virksomheten tilgang på ferdig-utviklede systemer tilgjengelig

i skyen. Virksomheten slipper altså å:

...og mye, mye mer...

LeveransemodellerBruk av skytjenester

deles primært inn i fire leveransemodeller:

Offentlige skytjenesterEies og drives av tredjeparts skytjeneste-leverandører. Disse leverer databehandlings-ressurser, som servere og lagring, over internett.

HybrideskytjenesterKan være en kombinasjon av skytjenester, men kan også bety at skytjenesten samhandler med den lokale, private infrastrukturen for en virksomhet.

PrivateskytjenesterDesignet for å gi de samme funksjonene og brukeropplevelsene som offentlige skytjenester, men er implementert internt i virksomheten.

Multi-skytjenesterKombinasjon av flere skytjenester. Tilgjengeligheten til egne systemer øker, avhengighetene reduseres og man utnytter de enkelte skytjenestene der disse er best egnet.

Bruk av skytjenester

Teknologisk utvikling vil gjøre helt andre tjenester og prosesser mulig. Fremtiden spås å være datadrevet. Dette skyldes i all hovedsak eksplosiv tilgang til data, samt raskere og billigere prosessering av data – gjennom skytjenester. Vi deler gjerne skytjenester inn i tre tjenestemodeller:

HøyGrad av ferdigutviklet funksjonalitet

Gra

d av

ege

n ko

ntro

ll La

vH

øy

Lav

IaaS

PaaS

SaaS

Infrastruktur som en tjeneste (Infrastructure as a Service – IaaS) omfatter selve datainfrastrukturen og betyr at man leier «rå» datakraft på nettet. Eksempler på dette er virtuelle servere, nettverk og datalagring.

Plattform som en tjeneste (Platform as a Service – PaaS)inkluderer den samme infrastrukturen, men også leie av for eksempel operativsystem, mellomvare, utviklingsverktøy, forretningsanalyse, dataadministrasjon og maskinlæring.

Programvare som en tjeneste (Software as a Service – SaaS)innebærer leie av programvare så virksomheten slipper å utvikle eller drifte denne selv. Det finnes to måter å bruke programvaren på. Den første er å bruke den direkte via en nettleser, slik som Office365 og Salesforce. Den andre er å gå via API-er3, som brukes direkte av egenutviklede tjenester, slik som søketjenesten Elastic og datavarehustjenesten Snowflake.

Den gjennomsnittlige virksomheten kjører 38 % og 41 % av arbeidsbelastningen sin på henholdsvis offentlige og private skytjenester1

Det motsatte er tilfellet blant små- og mellomstore bedrifter, hvor 35 % bruker private skytjenester og 43 % offentlige skytjenester

Store virksomheter benytter private skytjenester (46 %) i større grad enn offentlige skytjenester (33%) 2

1 IDC 2 Med «legacy-systemer» menes nedarvede systemer og utdatert teknologi. 3 API (Application Programming Interface) er et hjelpeverktøy ved programmering. Et API definerer hvordan en utenforstående utvikler (programmerer) skal tilføye funksjonalitet eller tjenester til en applikasjon eller annen type programvare laget av andre. Slik slipper vedkommende å sette seg inn i applikasjonens kildekode. API-ene til operativsystemer gjør det mulig å lage applikasjoner som passer til operativsystemet og utnytter dets egenskaper.

70 %av IT-budsjettene brukes på gamle

«legacy-systemer»1,2

1 RightScale 2019 State of the Cloud Report from Flexera2 Offentlige skytjenester vokser tre ganger raskere enn private og eksperter forventer at disse raskt vil passere private skytjenester.

Skytjenester

Ulike tjeneste-modeller


38 %41 %Offentlige skytjenester

Private skytjenester

Hvilke muligheter gir skytjenester?Skytjenester gir mange fordeler:

Fleksibelt økosystemLøsninger i skyen representerer et eldorado av muligheter, der mye ligger klart i et omfattende økosystem. Samtidig gir det fleksibilitet til å utvikle nye løsninger mer effektivt.

DataanalyserMan kan enkelt dra nytte av avansert dataanalyse og maskinlæring med velprøvd teknologi og tilnærmet ubegrenset skalerbarhet.

KapasitetSkytjenester muliggjør også tjenester som skal ut til mange brukere samtidig og sikrer tilgjengelighet for alle, Eksempler kan være Skatteetaten, NAV, Ruter og mange nettbutikker.

SesongsvingningerSkytjenester er elastiske og passer godt for virksomheter som opplever store sesongsvingninger, noe som for eksempel er tilfellet under Black Friday i nettbutikker.

Bygge videreDet fungerer også godt for de som vil koble tilgjengelige programmer sammen, bygge videre på disse og tilpasse dem til egen forretning.

Raskt ut i markedetMed skytjenester slipper man også å kode alt fra bunnen av. Dette gjør det mulig å levere nye produkter og tjenester raskere til markedet.

Fornye ITog økt sikkerhetDet vil erstatte gamle «legacy-systemer». Virksomheten får en trinnvis overgang til fremtidige løsninger med mer effektiv og sikker drift. Sikkerheten blir ivaretatt gjennom store aktører som tilbyr skytjenester. Gjort riktig, finnes det få løsninger som er like sikre som de store skyplattformene.

Investeringer, tid og kostnaderVirksomheten unngår å investere i hardware, servere, nettverk, lagring og programvare. Videre forsvinner store deler av ansvaret ved å oppgradere og vedlikeholde systemer, noe som igjen sparer virksomheten for tid og kostnader.

Skytjenester


Noen enkle tips for å komme i gang med skytjenester:TIPS!

1 Start med «lavthengende frukter». Kartlegg systemer og programvare på ett område du vet dere kan og må gjøre endringer.

2 Identifiser alt av eldre programvare. Rydd unna det som bidrar til unødvendig kompleksitet og ikke lenger har noen verdi.

3 Sjekk hvilke applikasjoner som er tilgjengelig, ferdig utviklet og klar til bruk i skyen. Dette kan være kontorstøtte som e-post, CRM-løsning, økonomi og lønn, timeregistrering, og så videre. Finn ut om det finnes alternative applikasjoner i skyen som løser dine behov (programvare som en tjeneste). Konverter gradvis fra de gamle applikasjonene og ut i skyen. Til slutt vil man trolig sitte igjen med en andel eldre løsninger som det ikke er hensiktsmessig å flytte til skyen på grunn av kostnader, kompleksitet eller regulativer. I hvert fall ikke på kort sikt.

4 Neste er å avdekke hvilke systemer som kan endres i arkitektur og design. Eksempler på dette kan være egenutviklet programvare som ligger lokalt eller på en «infrastruktur som en tjeneste»-modell, men som kan endres til å benytte database i form av «plattform som en tjeneste» for å redusere kompleksitet og vedlikeholdskostnader.

5 Husk at det handler om å gjøre en gradvis og kontrollert transformasjon slik at man får kontroll på kompleksiteten. Det er svært viktig å utarbeide et sett med retningslinjer og regler, et såkalt «Governance Framework». Et skikkelig rammeverk inneholder gjennomprøvde metoder og regler som sikrer oversikt og ivaretar sikkerhet på en god måte. Fordi det kan være komplekst å sette i gang og sikre løpende kontroll på skytjenester, begynner nå stadig flere IKT-leverandører å tilby en Cloud Management Platform som sikrer dette.

Betydningen av skytjenester i hverdagen og under en krise

Takket være ulike skytjenester, har vi allerede i mange år kunnet jobbe effektivt hjemmefra. Vi har også kunnet bygge og drifte viktige tjenester og applikasjoner, bearbeide store datamengder, samhandle globalt og gjennomføre stadig flere møter over nettet. Dette er bra for klimaet. Samtidig bidrar det til økt effektivitet, økte inntekter og reduserte kostnader for mange virksomheter. Skyplattformenes kapasitet, elastisitet og måten plattformene gjør det mulig å komme raskt ut med nye løsninger på, er i dag helt avgjørende for en rekke virksomheter.

Koronakrisen har tydeligere enn noen gang vist verdien som ligger i skyplattformer og moderne løsningsarkitektur

Bare tenk på hvor vi hadde vært om virksomheter og skoler ikke kunne ha brukt tjenester som Teams eller tilsvarende under koronakrisen.

Verdens helsemyndigheter har vært helt avhengig av kapasiteten i skyplattformer for å lagre og behandle enorme datamengder på kort tid. Elastisiteten i disse plattformene er helt avgjørende når behovet for datakraft og datalagring eksploderer på kort tid. Og når behovet roer seg, kan de like raskt gå ned til et normalt nivå igjen.

Behovet for informasjon er også enormt under en slik pandemi. Fordi det allerede ligger mange ferdigutviklede løsninger i skyplattformene, var det mulig for helsemyndigheter og media verden over å komme ut med gode illustrasjoner og dashboard som viser den løpende utviklingen i spredning av viruset. Takket være datastrømming har slike tall også blitt løpende oppdatert basert på data fra ulike kilder.

ITERA MENER

Skytjenester


DIGITALE TVILLINGER

Hva er digitale tvillinger? Digitale tvillinger er en digital representasjon av et fysisk objekt, et sted, folk, et system, eller en prosess. Den digitale representasjonen speiler den virkelige, lærer og endrer seg i takt med det den representerer. Dette er også mulig i sanntid.

En digital kopi av virkeligheten

Forutse adferd

Overvåke prosesser

Hindre kritiske

hendelser

Oppnå helse-

gevinster

Forbedreprodukter

Hvordan fungerer digitale tvillinger?

Digitale tvillinger utnytter data gjennom bruk av skytjenester, avansert dataanalyse og maskinlæring, gjerne i sanntid ved bruk

av datastrømming. Fordelene med å koble sammen virkeligheten

med digitale modellerer mange. Her er

noen av dem:

Forhånds-teste

produkter

Forbedre analyser

Virksomheter har hatt modeller av fysiske ting i årevis. Men digitale tvillinger tar disse til nye høyder ved å utnytte dataene gjennom bruk av programmer for analyse og maskinlæring, gjerne i sanntid ved bruk av datastrømming. Slik lærer den digitale tvillingen hele tiden av den fysiske verdenen basert på stadig ny og mer informasjon.

I kombinasjon med andre teknologier kan man forutse og ta beslutninger om fremtiden, sette i gang og gjennomføre prosesser automatisk. Dette kan igjen for eksempel brukes til å forbedre det fysiske produktet.

Det finnes allerede tjenester for digitale tvillinger i skyplattformene, for eksempel Microsoft Azure. Disse gjør det enkelt å ta i bruk teknologien. Men man kan også bygge de digitale tvillingene selv.

Visualiseringen skjer i et brukervennlig grensesnitt i form av tredimensjonal visning, en mobilapplikasjon, et kart, dashboard, forretningsanalyseprogram eller noe annet. Vi kan derfor si at en digital tvilling i sin enkleste form kan være et dashboard, mens den i sin mest komplekse form kan være en 3D-modell full av detaljert sanntidsinformasjon.

35 %årlig vekst

i markedet for digitale tvillinger fra 2020 til 20251

Folding@Home har skapt en av verdens kraftigste datamaskiner gjennom å samle ubenyttet datakraft og båndbredde i de tusen hjem til en verdensomspennende sky for å bekjempe koronaviruset. Denne datakraften brukes til å skape modeller av interaksjonene mellom atomer i proteinene som viruset er bygget opp av. Resultatet er digitale tvillinger som hjelper forskere å utvikle medisiner mot sykdommen.

Bildet viser en simulasjon med 50 000 atomer de tre proteinenesom koronavirusets karakteristiske pigger består av. Besøk www.foldingathome.org for å lære om hvordan du kan bidra.

Illustrasjon: Folding@home

Utnytter ledig datakraft til å bekjempe virus

Digitale tvillinger


1 Mordor Intelligence

5Beskrivelse av den fysiske versjonen(Web API. 3D)

6Programmer for bruk og analyse av informasjonen(avansert dataanalyse og maskinlæring)

Tekniske tegninger til nye høyder

2 Samle all informasjon; IoT-enheter, foto, droner, ID-nummer

4

Digital tvilling som, i kombinasjon med andre teknologier, blant annet kan brukes til ...

• Innsikt og analyse• Overvåking og kontrollering• Hindre feil og varsle

om kritiske hendelser• Forutse adferd eller hendelser• Tilpasse produkter

og tjenester

Visualisering av informasjonen gjennom et brukervennlig grensesnitt

7

Digital representasjon

En digital tvilling er en digital representasjon av et fysisk objekt, et sted, et system, folk eller en prosess

Informasjon fra IoT-enheter

1

3

http://www.foldingathome.org/

Digitale tvillingers popularitet kommer som en direkte konsekvens av utbredelsen av tingenes internett (IoT). Generelt brukes IoT-enheter til å samle nøyaktige data og informasjon om den fysiske tingen. Dataene blir deretter behandlet og brukt til å lage den digitale tvillingen.

Med utbredelsen av flere og mer avanserte sensorer vil de digitale tvillingene bli stadig mer detaljerte. Testing av nye strategier, forutse fremtidige hendelser og analysere tidligere resultater er bare noen av bruksområdene.

Med flere tilkoblede enheter og applikasjoner er det lettere for virksomheter å koble sammen data og få en bedre oversikt av det store bildet. En digital tvilling er da ganske enkelt en avansert måte å samle inn og kombinere disse dataene til spesifikke formål.

Hvilke muligheter gir digitale tvillinger?Fordelene med å koble ting, tjenester, prosesser og mennesker i den fysiske verden med digitale modeller er mange. I kombinasjon med andre teknologier kan digitale tvillinger blant annet bidra til å forbedre analyser, forutse og ta beslutninger om fremtiden, overvåke prosesser, hindre eller varsle om kritiske hendelser, gi helsegevinster, forhåndsteste- og forbedre fysiske produkter.

Digitale tvillinger gjør det for eksempel mulig å analysere og teste scenarier digitalt før endringene implementeres i den virkelige verden. Med utviklingen av tingenes internett, kan digitale tvillinger brukes til stadig mindre og enklere elementer og systemer. Ulempen er at få ting er helt like og vi trenger en digital tvilling for hver unike ting, tjeneste, prosess eller hvert menneske. Veldig mye av arbeidet med å bygge en tvilling kan imidlertid gjøres automatisk.

Banker og finansinstitusjoner ...utarbeider modeller for kundesegmentering basert på egne-, offentlige-og partneres data. Digitale tvillinger kan da bidra til å simulere fremtidig kundeadferd

Helseforetak ...trener på digitale tvillinger fremfor pasientens organer. De måler også pasienters aktivitet ved hjelp av treningsklokker

Energisektoren ...bruker digitale tvillinger av vindmøller til fjernstyring av disse og effektivisere vedlikeholdsplaner, belastningsbalansering, strømfordeling, samt til å identifisere forstyrrelser og forutsi feil

Oljeindustrien ...lager digitale tvillinger av sine plattformer, blant annet for å:overvåke, inspisere, forutse, varsle, igangsette og vedlikeholde

Azure Digital Twins – CodeProject. Modifisert illustrasjon

Digitaletvillinger

Tilkobletfabrikk

Tilkobletvei

Tilkobletkjøretøy

Tilkobletbygning

Tilkobletnettt

Tilkobletby

Noen bruksområder

Bygg og anlegg ...tar tekniske tegninger til nye høyder gjennom eksakte 3D-versjoner av bygninger, hvor all informasjon er samlet ett sted og oppdateres i sanntid

Digitale tvillinger


AVANSERT DATAANALYSE

Hva er avansert dataanalyse? Avansert dataanalyse handler om prosessene for å analysere og lære fra rådata, så man får ny innsikt og nye svar.

Prosesser og verktøy som sikrer innsikt fra rådata

Gruppere

Samle

Organisere

Analysere

Hvordan fungereravansert dataanalyse? Avansert dataanalyse omfatter bruk og utvikling av ulike verktøy basert

på statistikk, matematikk og informatikk. Det er ingen

programvare, men entrinnvis prosess

for å:

Prosesser for avansert dataanalyse

Avansert dataanalyse er prosesser for å analysere og lære noe om rådataene vi har tilgjengelig

Jo mer data du har tilgjengelig, desto bedre vil analysene bli – forutsatt at datakvaliteten er god. Det finnes mange typer dataanalyseteknikker. Felles for disse er at de brukes til å forstå sammenhenger basert på observasjoner.

Avansert dataanalyse kan eksempelvis avsløre trender som ellers ville gått tapt i mengden av informasjon. Selve analyseprosessene kan gjøres manuelt, selv om de fleste i dag er automatisert.

Ved å ta i bruk programvare fra skyen, blir det mye enklere enn før å få bedre innsikt og analyser fra komplekse datasett. Med datastrømming kan man i tillegg utføre analysene i sanntid og agere raskt, eller helt automatisk, på resultatene fra disse, som for eksempel til å avdekke kredittkortsvindel.

– THE GOAL IS TO TURN DATA INTO INFORMATION AND INFORMATIONINTO INSIGHT.Carla FiorinaFormer Chief executive officer, Hewlett Packard

90 % av større virksomheter globalt mener avansertdataanalyse er nøkkelen til deres digitale transformasjon1

1 2018 Global State of Enterprise Analytics Report by MicroStrategy

Avansert dataanalyse er ingen programvare, men en prosess som består av flere trinn:

Stegene i prosessen for avansert dataanalyse

Det første trinnet er å bestemme datakravene eller hvordan dataene skal grupperes. Data kan f.eks. skilles utetter alder, inntekt eller kjønn. Dataverdiene kan være kvantitative eller kvalitative.

Det andre trinnet er å samle dataene. Disse dataene vil være bransjeavhengige og kan komme fra en rekke kilder som f.eks. IoT-enheter, klikk eller kjøp på nettet, tall fra fysiske butikker, maskiner, databaser eller manuelle registreringer.

Når dataene er samlet, må de organiseres. Til dette brukes programvare som kan håndtere statiske data, som f.eks. Excel eller mer avanserte former for programvare. Deretter handler det om å rydde opp. Dataene vaskes og kontrolleres for å unngå duplikater, feil eller ufullstendig informasjon.

Når dette er gjort, er alt klart for gjennomføringen av selve analysene. Dersom disse ikke er automatisert er det gjerne en Data scientist, eller analytiker, som er ansvarlig for denne gjennomføringen.

Avansert dataanalyse


Vi deler gjerne avansert dataanalyse inn i fire hovedkategorier:

1 Deskriptiv analyseHva har skjedd?Deskriptiv, eller beskrivende, analyse sier noe om hva som har skjedd over et gitt tidsrom. Dette kan for eksempel være informasjon om utviklingen i antall sidevisninger, hvilke sidevisninger som har generert salg og hvordan salget har utviklet seg den siste måneden.

Diagnostisk analyseHvorfor skjedde det?Diagnostisk analyse fokuserer mer på hvorfor noe skjedde. Her inkluderes gjerne hypoteser og ulike data. En slik analyse vil for eksempel kunne forsøke å finne svar på hvorfor salget har økt og i hvilken grad dette kan forklares. Skyldes det en markedsføringskampanje, eller har kanskje variasjon i været hatt en minst like stor effekt?

Prediktiv analyseHva kommer til å skje, når vil det skje og hvorfor vil det skje?Prediktiv analyse bygger videre på de to foregående analysene og sier noe om hva som sannsynligvis kommer til å skje på kort sikt. For eksempel kan den gi svar på hva som skjedde med salget forrige gang vi hadde en varm sommer, og hvor mange værmodeller som spår en varm sommer i år.

Preskriptiv analyseHva bør vi gjøre med det som skjer?Preskriptiv, eller normativ, analyse tar dette et skritt videre ved å bruke maskinlæring til å løse problemer og foreslå alternative handlinger basert på denne informasjonen. For eksempel at iskremfabrikken bør legge inn et ekstra kveldsskift fra mars for å øke lagerbeholdningen tilstrekkelig når sannsynligheten for en varm sommer overstiger 61 %.

2

4

3

Forsikringsselskaper og banker ...kan forstå variasjoner i risiko for en forsikrings- eller låneportefølje

Produksjonsbedrifter ...kan optimalisere energibruk, lagerstyring, bestillinger og bruken av sine maskiner

Flyindustrien ...bruker avansert dataanalyse til flåteplanlegging, ruteplanlegging og lagerstyring

Innholdsleverandører og nettbutikker ...bruker innsikten til å forstå hva som skal til for at vi fortsetter å se, lese, klikke og kjøpe

Meglerhus ...får dypere innsikt om svingninger i aksje- og energimarkedet

Uber ...kombinerer avansert dataanalyse med datastrømming når de beregner sine flytende priser

Forskere ved Columbia University har bygget maskinlæringsalgoritmer som er i stand til å generere millioner av terapeutiske antistoffer for raskt å finne behandlingsmåter for koronavirussykdom (covid-19)1.

Mens det å finne antistoffer i et laboratorium kan ta flere år, klarer maskinlæringsalgoritmene å identifisere antistoffer som kan kjempe mot viruset på bare én uke. Enkelte av antistoffene som teamet designer er ment å forhindre at viruset fester seg til menneskekroppen. Forskerne tror det er mulig å ha en behandling klar for pasienter innen utgangen av 2020.

1 Xtelligent Healthcare Media

Bruk av maskin-læring for å finne behandling av covid-19

Helsesektoren ...kan få dypere innsikt om en celles stoffskifte, spredning av smittsomme sykdommer eller hvordan pasientflyten kan effektiviseres

Hvilke muligheter gir avansert dataanalyse?Avansert dataanalyse brukes nå av stadig flere virksomheter for å løse problemer innen for eksempel bioteknologi, medisin, industri og finans. Med enklere tilgang på store datamengder, har avansert dataanalyse blitt et område i sterk vekst.

Den virkelige driveren til denne utviklingen er likevel virksomhetenes ønske om å optimalisere driften gjennom å finne nye vekstmuligheter, øke kundetilfredsheten og forbedre ulike forretningsprosesser.

Noen bruksområder

Avansert dataanalyse


MASKIN-LÆRING

Hva er maskinlæring? Maskinlæring (ML) er en sentral underkategori av kunstig intelligens (AI). Vi sier maskinen «lærer» selv i stedet for å bli programmert. Maskinlæring handler i veldig stor grad om prediksjon, men benyttes også til å gjenkjenne ansikter, bilder, tekst og tale. Avansert dataanalyse og maskinlæring utgjør til sammen det som på «godt norsk» nå bare omtales som Data Science.

Datamaskiner som lærer

Offentlige kilder

Server-aktivitet

IoT-enheter

Kunde-aktivitet

Sosiale nettverk

Hvordan fungerer maskinlæring?

Vi bygger et program, eller en modell, ved hjelp av statistiske metoder og algoritmer

for å lære datamaskiner å finne mønstre i store datamengder.

Data kan for eksempel komme fra:

Gjenkjenne Optimalisere Trekke ut informasjon fra tekst6 7 8

To hovedkategorier:5

Tre utvalgte former for maskinlæring:

En algoritme kan ses på som en detaljert oppskrift eller fremgangsmåte for hvordan et program skal løse en eller flere oppgaver.

Store mengder data fra ulike kilder mottas altså av maskinlærings-programmet. Mengde og kvalitet på dataene, påvirker hvor raskt og godt programmet lærer. Når programmet skal trenes opp, brukes det vi kaller treningsdata. Deretter brukes testdata, som er data programmet ikke har sett før, for å finne ut om maskinen har lært det den skal. Programmet skriver selv reglene automatisk og kan løse langt mer komplekse problemer enn vi mennesker.

Maskinlæring handler i veldig stor grad om prediksjon i en eller annen form. Når maskinen har funnet mønstrene i dataen, og fanget hele kompleksiteten i disse, kan den for eksempel bruke dataene til å predikere fremtidig utvikling, handlinger og resultater med langt større sannsynlighet enn vi mennesker klarer å regne oss frem til. Dataene kan også brukes til å gjenkjenne ansikter, bilder, tekst og tale.

Viktigheten av god datakvalitetNår en bank får en lånesøknad, ønsker den å vite mest mulig om risikoen ved lånet. Søknadsvariabler som inntekt, bosted og andre lån er viktige.

I tillegg må banken innhente adferdsvariabler som betalingsanmerkninger, antall purringer og inkassosaker. Kvaliteten på disse dataene vil i stor grad handle om hvor oppdatert informasjonen er. Derfor benytter stadig flere datastrømming, slik at de får tilgang på helt ferske data og kan gjøre risikoberegninger i sanntid.

Når banken sitter med gode data om kunden, kan disse kjøres opp mot modellen for gode og dårlige betalere. For å lage en modell som predikerer risiko for mislighold så presist som mulig, kreves det at maskinen har et erfaringsgrunnlag med tilstrekkelig historiske data den kan finne mønstre i.

Banken må altså ha et høyt nok antall misligholdte lån fra tidligere. Samtidig må kvaliteten på dataene herfra være god. Dersom begge forutsetninger er tilstede, vil en god maskinlæringsmodell kunne gi bedre svar enn selv de mest erfarne bankfolk.

Komplekse problemer

Trenings- og testdata

Finne mønstre i store datamengder

Maskiner lærer selv å finne mønstre i store datamengder

12

3

4

Maskinlæring


Data fra ulike kilder

I starten er ikke maskinen spesielt flink. Hvis den for eksempel skal finne ut hvilke e-poster som er spam og ikke, vil den fra start prøve å gjette seg frem. Men etterhvertvil maskinen klare å identifisere spam umiddelbart, og enda bedre enn vi menneskerkan klare det.

Vi skiller mellom to hovedkategorier, hvor måten de lærer på er forskjellig:

Veiledet læringLæring ved hjelp av et gitt resultatMaskinen finner en ukjent funksjon fra eksempler. Vi mater modellen med kategoriserte treningsdata i form av et stort antall spørsmål og tilhørende riktige svar. Slik lærer den å forstå at inngangsverdiene forutsier utgangsverdiene.

I eksempelet vårt med e-post, vil maskinen altså lære å identifisere spam basert på et definert resultat. Det betyr at vi mennesker på forhånd har definert at e-post med visse tekster er spam.

Ikke-veiledet læringLæring uten et gitt resultatHer har ikke maskinen tilgang på fasit å lære av, slik som tilfellet var med spørsmålene med svarene over. Treningsdataene er altså ikke kategoriserte. Algoritmen vil derfor selv forsøke å finne mønstre i inngangsverdiene.

I vårt eksempel definerer vi ikke nå hva slags tekster som er spam på forhånd. Uten å vite hva dataene egentlig betyr, lærer maskinen å finne mønstre i dataen, for eksempel ved å gruppere den i klynger.

Grovt sett kan vi si at veiledet maskinlæring brukes til å predikere, mens ikke-veiledet maskinlæring stort sett brukes til å få innsikt om dataene, selv om man også kan gjøre prediksjon via gruppering.

– MACHINELEARNING IS GOINGTO RESULT IN A REALREVOLUTIONGreg PapadopoulosVenture CapitalistPh.D. in Engineering and Computer Science

Maskinlæring


To hovedkategorier av maskinlæring

Under de to hovedkategoriene finnes det ulike former for maskinlæring. Her skal vi gå inn på tre av de:

Dyp læringGjenkjenning ved hjelp av nevrale nettverkMaskinen lærer seg å gjenkjenne mønstre, linjer, kanter, tekst eller lyder ved bruk av nevrale nettverk. Den lærer seg å skille data fra hverandre, klassifisere, gruppere og se sammenhenger i data.

I tillegg til å gjenkjenne bilder og ansikter, kan dyp læring brukes til å tolke tale og språk. Slik talegjenkjenning blir stadig mer aktuelt, og brukes i Siri (Apple), Alexa (Amazon) og Google Home.

Forsterket læring Optimalisering av handling eller adferd basert på belønningMaskinen lærer seg å optimalisere en handling, eller en adferd, basert på en form for belønning. Dette egner seg perfekt til scenarier hvor det er mange veier til mål, og hvor det ikke er gitt hvilken vei som er den beste.

Et eksempel er Googles AlphaGo som ved hjelp fra eksperter på Asias mest populære spill, Go, slo verdens beste spiller i 4 av 5 kamper. Året etter kom Googles AlphaGo Zero. Den trente seg opp helt selv i løpet av tre dager og slo AlphaGo fra året før i 100 av 100 kamper. På få dager lærte altså maskinen seg å bli bedre enn det vi mennesker har klart gjennom tusener av år.

Naturlig språkprosessering (NLP)Analyse og forståelse av tekstForkortelsen NLP brukes relativt hyppig og står for Natural Language Processing. Her lærer maskinen seg å trekke ut informasjon fra en tekst for å analysere og forstå teksten. Gode modeller lærer seg også å identifisere forfatterens følelser basert på teksten. I motsetning til dyp- og forsterket læring, er ikke dette en ren form for maskinlæring. Her kombineres nemlig ofte bruken av tradisjonell programmering, statistiske metoder, dype lærings-algoritmer og andre former for maskinlæringsalgoritmer.

Naturlig språkprosessering brukes blant annet i chatbots, men kan for eksempel også brukes til å analysere kontrakter og lovverk. Når vi ber Alexa om å søke på nettet for oss, brukes dyp læring til å gjenkjenne tale. Talen oversettes til tekst, og så brukes naturlig språkprosessering til å gjennomføre søket på nett.

Hvilke muligheter gir maskinlæring?Maskinlæring har et enormt forretningspotensial. Vi kan gjenkjenne tekst-, tale- og bilder. Videre kan vi identifisere, analysere, forstå, predikere og automatisere ting og prosesser på et helt annet nivå enn før.

Visste du for eksempel at Amazon sin raske leveringstid skyldes bruk av Data Science og datastrømming? Ved hjelp av avansert dataanalyse vurderes din og andres tidligere og nåværende adferd sammen med andre parametere. Innsikten kombineres med maskinlæring for å predikere dine neste kjøp. Varene sendes så til et lager nærmere deg før du faktisk handler. Slik sikrer de raskest mulig leveringstid neste gang du er på nett. Flere bruksområder for maskinlæring kan du lese på neste side.

Maskinlæring


Ulike former for maskinlæring

[...] Ti dager før Verdens helseorganisasjon meldte om det influensa-lignende viruset i Wuhan, hadde en Kanadisk helseovervåkingsplattform allerede varslet om utbruddet1. Googles DeepMind2 bruker sine nyeste algoritmer til å forstå hvilke proteiner viruset er sammensatt av og publiserer funnene for å hjelpe andre utvikle behandling. Alibaba har bygget et diagnosesystem3 basert på kunstig intelligens (maskinlæring), som de hevder kan diagnostisere pasienter med 95 % treffsikkerhet på sekunder.

Det har lenge vært kjent at kunstig intelligens (maskinlæring) brukes til å oppdage og forutse spredning av kjente sykdommer. Samtidig er dette første gangen kunstig intelligens beviselig forutser en global «black swan»-hendelse. Konsekvensen blir kanskje at verdenssamfunnet i større grad tør stole på at kunstig intelligens faktisk kan predikere reelle og uforutsette situasjoner når den brukes riktig.

Der korona stoppet alt annet, akselererer digitaliseringen

Andreas AlmquistLeder for Digital forretningsrådgivningItera

Dette er kun et uttrekk av en lengre sak som ble publisert i Shifter.

1 Wired | 2 Zdnet | 3 The Next Web

Identifisere svindel eller predikere risiko i forbindelse med lån og forsikring

Forutse, eller predikere, resultater av valg, utvikling i børsverdier og oljepriser, influensaepidemier, pollenspredning eller været

Forutse hvilke kunder som er mest åpne for å kjøpe flere produkter, eller hvilke som trolig vil forlate oss om vi ikke gjør noe for å forhindre dette

Gjøre søk og bestillinger på nett enklere, og husene våre smartere,ved hjelp av talegjenkjenning

Avdekke feil i data og interne prosesser

Finne beste vei der det er mange veier til mål, for eksempel basert på avstand, lovlig hastighet og kø, slik Google Maps bruker maskinlæring i kombinasjon med datastrømming

Identifisere falske og hatefulle tekstinnlegg eller uønskede bilder, slik for eksempel Facebook gjør

Sikre mer relevante søketreff på internett

Gjøre betaling på mobil sømløst ved hjelp av billedgjenkjenning

Kommunisere i chatbots

Noen bruksområder

Maskinlæring


https://shifter.no/kommentar/der-corona-stopper-alt-annet-akselererer-digitaliseringen/118485

EDGE COMPUTING

Hva er Edge Computing? Edge Computing er strengt tatt ikke en teknologi, men et designprinsipp hvor man legger til rette for å bearbeide data nærmest mulig datakilden.

Kort vei til der dataen bearbeides

Redusere forsink-

elser

Utnyttebånd-

bredde

Utnytte prosess-

eringskraft

Øke datasikker-

heten

Hvordan fungererEdge Computing?

Edge Computing handler altså først og fremst om hvor dataprosesseringen

skjer. Det er flere grunner til å legge prosesseringen ved

kanten av nettverket,eller «on the edge»:

Vi har sagt at Edge Computing først og fremst handler om hvor data prosesseres. Litt mer teknisk betyr dette hvor man plasserer logikken for hva som skal skje med dataen. I utgangspunktet ønsker man ikke å spre denne logikken til mange forskjellige enheter fordi det øker sannsynligheten for feil et sted i systemet. Det blir derfor et kost-/nytte-forhold som avgjør hvor man plasserer prosesseringskraften i nettverket sitt.

Kommunikasjon gjennom edge-servere

Når du deltar i en videokonferanse fra hjemmekontoret, er sannsynligheten stor for at kommunikasjonen mellom deg og dine kollegaer skjer via distribuerte edge-servere i ytterkant av skyen, og ikke via sentraliserte løsninger. Ved å bruke Edge Computing til videokonferanser, blir brukeropplevelsen mer robust og responsiv. Videokvaliteten øker, mens forsinkelser og frosne bilder blir færre.

5G vil påvirke markedet for Edge Computing

5GApplikasjoner som bruker 5G-teknologi vil bli den største driveren for Edge Computing i mobile nettverk, fremgår det av en rapport fra Futuriom1.

Det pekes spesielt på applikasjoner som inkluderer tingenes internett, avansert dataanalyse, maskinlæring, virtuell virkelighet og selvkjørende kjøretøy.

1 “2019 - 5G, IoT and Edge Compute Trends’’ by Futuriom

Som nevnt, er det flere grunner til å legge dataprosesseringen ved kanten av nettverket, eller «on the edge». Noen av disse er:

Redusere forsinkelser (latens)

Øke datasikkerheten

Redusere behov for båndbredde og prosesseringskraft

På neste side går vi litt nærmere inn på hver av disse fordelene.

Data bearbeides nærmest mulig kilden

Edge Computing betyr at man flytter databearbeiding fra sentrale servere og heller utnytter den lokale datakraften som allerede ligger

i – eller i nærheten av – enhetene dataene stammer fra

Edge Computing


Øke datasikkerhetenEdge Computing kan også bidra til økt datasikkerhet. For eksempel bruker mobiler med ansiktsgjenkjenning sin egen prosesseringskraft til å verifisere ansikter. Slik flytter mobilleverandørene deler av sikkerhets-utfordringene fra sentraliserte skytjenester til forbrukernes private mobilenheter. FaceID og TouchID fra Apple er eksempler på forbedret datasikkerhet gjennom Edge Computing. Likevel er det viktig å presisere at det per i dag er mange IoT-leverandører som har feilet, eller ikke tatt sikkerhet tilstrekkelig på alvor. Så lenge noe er installert et sted utenfor sikker nettverkssone, for eksempel i hjemmene til folk, er risikoen høyere enn om dette ble lagret utelukkende på serversiden.

Redusere forsinkelser (latens)Med Edge Computing reduseres forsinkelser (latens). I selvkjørende biler er dette helt avgjørende. Disse genererer 1 GB data per sekund og kan ikke vente på svar på om de bør stoppe for en fotgjenger eller ikke. Det tar for lang tid å laste opp dataen i skyen, bearbeide den der og deretter sende en beslutning tilbake til bilen. Metoden ville også ha vært for upålitelig. Prosesseringen må derfor skje lokalt i bilen.

Interessen for Edge Computing tiltar

Ifølge den nyeste forskningen fra Forrester Research, forventes 2020 å bli et gjennombruddsår for Edge Computing1. Den viktigste årsaken til dette vil være fremveksten av stadig flere sanntids-applikasjoner, som krever lokal prosessering og lagring.

1Predictions for 2020, Forrester

Redusere behov for båndbredde og prosesseringskraftEdge Computing reduserer behov for både båndbredde og prosesseringskapasitet i sentrale servere; lokalt eller i skyen. La oss ta overvåkningskameraer i butikk som eksempel. Uten Edge Computing vil disse IoT-enhetene sende all videodata i butikkens åpningstid fortløpende til en sentral server i skyen, hvor bevegelser så identifiseres. Med Edge Computing utnytter man butikkens datamaskin slik at kun film som inneholder bevegelse sendes videre til skyen. Fordi man betaler for faktisk bruk av skytjenester, kan det potensielt være store penger å spare. Samtidig åpner man opp for å bruke skykapasitet til andre formål. Edge Computing benyttes ofte i forbindelse med tingenes internett. Dette fordi det som regel bare er en brøkdel av dataene disse enhetene sender fra seg som er verdifulle.

Helsesektoren ...vil kunne få raskere tilgang til pasientkritisk data

Målekilder ...som telemetri og avlesninger fra diverse apparater som strøm- og vannmålere eller installasjoner i forbindelse med olje- og gassutvinning, er også eksempler på edge-systemer

Nettverk ...som basestasjoner i mobilnettet og internettruteren din, er gode eksempler på edge-systemer

Hvilke muligheter gir Edge Computing?Edge Computing vil bli stadig mer aktuelt ettersom antall IoT-enheter eksploderer parallelt med at stadig mer av dataene ligger i ulike skytjenester. Videre ser vi at behovet for umiddelbar databearbeiding øker samtidig som 5G-teknologien vil endre etterspørselsmønstre og bli en viktig driver for Edge Computing fremover.

Noen bruksområderSelvkjørende biler ...har muligheten til å reagere umiddelbart på grunn av lokal dataprosessering

Smarte byer ...vil kunne knyttes sammen på grunn av effektivisering av data generert fra tingenes internett

Edge Computing


VIRTUELL-OG UTVIDETVIRKELIGHET

Hva er virtuell- og utvidet virkelighet (VR og AR)?Dette er teknologier som bringer folk inn i en digital fantasiverden eller forsterket virkelighet ved hjelp av spesialbriller, headsett, håndkontrollere, bevegelses-sensorer, høyttalere, nettbrett og/eller smarttelefoner.

Effektfull visualisering av data

Se det som ikke finnes

Hjelpe leger og pasienter

Øke læringseffekt

og utbytte

Underholde

Hvordan fungerer virtuell-og utvidet virkelighet

Virtuell- og utvidet virkelighet er to forskjellige, men nært beslektede teknologier. Mens virtuell virkelighet gir deg opplevelsen

av å være et annet sted, tilfører utvidet virkelighet opplevelser

til den virkelige verden.Begge brukes blant

annet til å:

Virtuell virkelighet (VR)Forkortelsen VR står for Virtual Reality. Dette er en digital fantasiverden hvor brukeren opplever å være et annet sted, lik eller forskjellig fra den virkelige verden.

Er illusjonen god nok, blir brukeren mindre bevisst på de virkelige omgivelsene. Denne innlevelsen kalles immersjon. Evnen til å påvirke brukeren kalles immersivitet.

Virtuell virkelighet skiller seg ut fra annen fiksjon ved at brukeren selv påvirker inntrykkene, for eksempel gjennom bevegelser, trykking på knapper eller bruk av kommandoer.

Utvidet virkelighet (AR)Forkortelsen AR står for Augmented Reality. Dette innebærer at ekstra informasjon blir lagt oppå den egentlige virkeligheten ved hjelp av en illusjon. Sammen dannes det en helhetlig virkelighetsopplevelse.

Informasjonen som tilføres kan være oppdiktet, eller reflektere deler av omgivelsene som ellers ikke ville ha vært tilgjengelige.

Mens virtuelle virkeligheter gir brukerene opplevelsen av å være et annet sted, er hensikten med utvidet virkelighet å tilføre opp-levelser og handlingsmuligheter.

Virtuell eller utvidet verden La oss først se på hvordan virtuell virkelighet virker. For å oppleve en slik digital fantasiverden brukes gjerne headsett, spesialbriller, høyttalere, bevegelsessensorer og/eller håndkontrollere. Slik kan du bevege deg rundt og samhandle med den virtuelle verdenen. Responsen fra utstyret er typisk via lyd og bilde, men kan også inkludere berøringer og bevegelse. Du kan også skape en virtuell virkelighet gjennom spesialdesignede rom med store skjermer.

Utvidet virkelighet virker litt annerledes. For å legge til ekstra informasjon oppå virkeligheten, bruker du som oftest en vanlig smarttelefon. Du kan også bruke nettbrett og spesialbriller.

GPS-lokalisering, kameraer, bildegjenkjenning og sensorer gjør at du kan forsterke virkeligheten gjennom tekst, bilder, figurer, 3D-modeller, lyd, lukt, fysisk berøring og/eller bevegelse. Et eksempel er spillet Pokémon Go, som bruker mobilens kamera, GPS-lokasjon og kartteknologi for å lage en utvidet virkelighet hvor man kan fange og trene pokémon forskjellige steder i den virkelige verden.

VR-video for å vise koronavirusets skadeomfang på lunger

Leger ved sykehuset George Washington University benyttet et 360-graders VR-kamera for å filme lungene til en koronainfisert pasient1.

Videoen viser hvordan viruset gjorde så stor skade på pasientens lunger at medisinsk behandling ble nødvendig. Ifølge Dr. Keith Mortman, sjef for thoraxkirurgi ved sykehuset, er det en sterk kontrast mellom virusinfisert, unormalt lungevev og det mer sunne tilstøtende lungevevet2.

Vevskaden forekommer når viruset beveger seg fra nese, munn og hals ned til lungene. Det infiserte vevet er vist som grønt til venstre, mens det sunne er vist som blått.

1The Mirror | 2The George Washington University Hospital

Virtuell og utvidet virkelighet


Hvilke muligheter gir virtuell- og utvidet virkelighet? I dag er det relativt få virksomheter som har tatt i bruk disse teknologiene i stor skala, men dette er i ferd med å endre seg. Teknologiene brukes blant annet til å lære opp og trene folk, til å simulere historiske begivenheter, fremtidsbilder, omgivelser og hendelser, eller til gaming – enten for underholdning eller til opplæringsformål.

Det mest spennende potensialet i virtuell virkelighet handler kanskje om hvordan teknologien kan hjelpe med å forstå oss selv bedre, gi oss ny innsikt i hvordan hjernen, persepsjon, bevissthet og virkelighet er skrudd sammen.

Likevel mener fagfolk at utvidet virkelighet har det aller største potensialet fordi teknologien er så tilgjengelig. Alt du trenger er en mobiltelefon for å legge informasjon oppå den virkelige verden.

Eiendomsbransjen ...bruker VR til å gjennomføre virtuelle visninger og vise deg hvordan din nye leilighet vil se ut før den er bygget

Møbelbransjen ...nærmere bestemt IKEA og deres AR-app «IKEA Place», lar deg ta bilde av et rom, velge produkt og plassering. Du opplever sofaen du har valgt i 3D og riktig størrelse. I tillegg får du produktinformasjonen opp i bildet

Offentlig sektor ...som for eksempel Trondheim kommune, bruker utvidet virkelighet til å vise hvordan endringer i klima påvirker byen nå og i fremtiden

Mediebransjen ...bruker utvidet virkelighet til å formidle TV-nyheter og sport på en rikere måte. De viser fancy prognoser og valgresultater i form av søyler som programlederne beveger seg mellom, og under løpsøvelser dukker løpernes navn og nasjonsflagg opp i de ulike løpebanene

De største trendene for virtuell- og utvidet virkelighet i 20201

1. Industriell bruk passererspill og underholdning

2. Teknologiene får sitt storegjennombrudd i helsesektoren

3. Headsettene blir mindre, mermobile og kraftfulle

4. 5G åpner opp for nye muligheter5. Flere av oss vil lære gjennom bruk

av disse teknologiene

1 Forbes, 2020, “The Biggest Virtual And Augmented Reality Trends In 2020 Everyone Should Know About”

Noen bruksområder

Berikende opplevelser ...gjennom å bruke virtuell virkelighet for å reise til et sted du ikke har fysisk anledning til å dra, som for eksempel månen

Bedre språkforståelse ...gjennom å bruke AR-funksjonalitet i mobilen til å oversette skilt, bilder og tekster fra andre språk til ditt eget

Bedre navigasjon og orientering ...gjennom å bruke AR-funksjonalitet til å gi informasjon om gatenavn og bygninger. I tillegg kan du få opp virtuelle piler som viser deg veien til reisemålet ditt

Helsesektoren ...bruker både virtuell- og utvidet virkelighet for å trene på operasjoner



OPPSUMMERT

Hva er oppskriften på suksess? Fremtiden tilhører virksomheter som beveger seg raskt, og utnytter de mange mulighetene data og teknologi nå byr på.Det handler ikke om teknologien i seg selv, men om forståelsen av hvordan teknologiene henger sammen og faktisk kan brukes for å skape verdi. Mulighetene er mange.

Det handler om å handle

Data-strømming

Digitale tvillinger

Avansert data-

analyse

Maskin-læring

Edge Computing

Tingens internett

Sky-tjenester


Hvordan hengerteknologiene sammen?

Hver for seg er teknologiene du nå har vært igjennom nyskapende. Sammen er de

en moderne revolusjon. Vi skal nåtydeliggjøre sammenhengene,

og samtidig kort opp-summere disse teknologiene:

Morgendagens vinnere er bærekraftige digitale virksomheter, som utnytter data og teknologi til det beste for samfunnet, sin virksomhet og sine kunder.

Forhåpentligvis har du nå fått en overordnet forståelse for teknologiene og mulighetene disse representerer.

Som du sikkert har lagt merke til, henger teknologiene sammen og kan dra nytte av hverandre. Men det betyr ikke at du er avhengig av alle.

Klarer din virksomhet å utnytte noen av disse teknologiene, og helst i kombinasjon, vil dere ha gode forutsetninger for å lykkes. Men det forutsetter naturligvis at du tar aktive valg, og sørger for at virksomheten din ikke blir stående på perrongen, mens nye og gamle konkurrenter er på full fart inn i fremtiden.

OPPSUMMERT

– INFORMATION ISTHE NEW OIL OF THE21st CENTURY, AND ANALYTICS IS THECOMBUSTIONENGINE.Peter SondergaardFormer Executive Vice President of Research and Advisory, Gartner Inc

Oppsummert


SkytjenesterSkytjenester gir virksomheter et hav av

muligheter med alt man måtte kunne ønske seg fra et moderne IT-system. Alt via internett. Alt via

internett. Avansert datanalyse, maskinlæring og digitale tvillinger er eksempler på dette.

Virksomheten betaler kun for det den bruker. Populariteten til skyplattformene øker i takt med økte datamengder og tilgang på gode

tjenester man slipper å drifte selv.

MaskinlæringMaskinlæring handler om at datamaskiner lærer seg å finne mønstre i store datamengder, enten dataene kommer fra IoT-enheter, serveraktivitet, kundeaktivitet, sosiale medier, egne- eller offentlige kilder. Dataene kan blant annet brukes til å gjenkjenne tale, tekst eller ansikter. Men oftest brukes maskin-læring til å ta prediksjon til et helt nytt nivå, gjerne i sanntid ved hjelp av datastrømming. Når alle dataene er bearbeidet, sendes det gjerne informasjon tilbake. Dette kan for eksempel være en beskjed om nødvendig vedlikehold.

Edge ComputingEdge Computing handler om å bearbeide data nærmest mulig datakilden. Når datamengdene fra det enorme antallet IoT-enheter eksploderer, er det godt å vite at Edge Computing kan bidra til å redusere belastningen på bredbånd og IT-infrastrukturi både skyen og lokalt. Samtidig er teknologien avgjørende når man er avhengig av svært raske tilbakemeldinger.

Slik henger teknologiene sammen

DatastrømmingDatastrømming er en kontinuerlig strøm av

data fra ulike kilder samlet ett sted. En plattform for datastrømming er en effektiv måte å gjøre data enklere

å håndtere og mer tilgjengelig – i sanntid. Man kan faktisk kalle det grunnsteinen i en moderne arkitektur.

Oppsummert


Tingenes internett (IoT)Tingenes internett er et nettverk av fysiske ting og sensorer som

er koblet til internett. Disse tingene kalles IoT-enheter og kan være nærmest hva som helst. Sensorene sender fra seg data, og IoT er en

svært viktig driver for den enorme økningen i datamengder vi nå ser. All denne dataen må utnyttes til å skape nye, innovative og bedre løsninger.

Avansert dataanalyseAvansert datanalyse er prosesser som bidrar til at vi kan lære noe fra dataene som er tilgjengelig, både dataene fra IoT-enheter og alle andre kilder. Vi kan løse problemer og forstå sammenhenger basert på observasjoner. Ved å ta i bruk program-vare fra skyen, blir det mye enklere enn før å få bedre innsikt og analyser fra komplekse datasett. Med datastrømming kan man i tillegg utføre analysene i sanntid.

Virtuell- og utvidet virkelighet (VR og AR)Virtuell- og utvidet virkelighet bringer deg inn i en digital fantasi-verden (VR) eller en forsterket virkeligheten (AR) ved hjelp av spesialbriller, headsett, håndkontrollere, bevegelsessensorer, høyttalere, nettbrett og/eller smarttelefoner. Teknologiene er nært beslektede og brukes blant annet til opplæring, trening på kritiske oppgaver, spill og underholdning. Virtuell- og utvidet virkelighet henger ikke like tett sammen med de øvrige teknologiene, men er effektfulle måter å visualisere data på.

Digitale tvillingerDigitale tvillinger gir oss en digital kopi av virkeligheten. Det vil si en digital representasjon av et fysisk objekt, et sted, folk, et

system, eller en prosess. Teknologien er spesielt aktuell for virksomheter som ønsker å få mest mulig ut av dataene fra

ulike IoT-enheter. Digitale tvillinger utnytter data gjennom bruk av skytjenester, og benytter gjerne avansert data-

analyse og maskinlæring. Med datastrømming kan dette skje i sanntid. Den digitale tvillingen vil også

endre seg i takt med det den representerer.

Tom

Andreas

itera.no

Andreas AlmquistLeder for Digital forretningsrå[email protected]

Tom Kr. FoosnæsPrincipal Business [email protected]

DesignChristina Lind (design lead)Preben GundersenTom Kr. Foosnæs

Håndtegnede illustrasjonerJorunn Aarskog

FotoOlav Løkke (portretter)Ingeborg Sanna (portretter)Getty Images (øvrige foto)

Kontakt oss

VI TAR GJERNE EN UFORPLIKTENDE PRAT


Kontakt oss

Ta et lite steg inn i fremtiden her og nåIteras digitale forretningsrådgivere, designere og teknologer har lang erfaring med å forstå og realisere mulighetene i ny teknologi. Mange av disse har bidratt til denne rapporten, og er nå klare til å bistå deg med å finne konkrete muligheter disse teknologiene kan skape for nettopp din virksomhet.

Foredrag eller webinarFå teknologiene presentert og diskutert så forståelsen øker. I etterkant får deltagerne rapporten og tilgang på filmer som forklarer hver enkelt teknologi og hvordan den kan brukes.

ArbeidsmøterLa oss sammen finne ut av hvordan teknologiene kan øke digitaliseringstakt, lønnsomhet, innovasjonskraft, bærekraft og kundeopplevelser. Alt med utgangspunkt i hvor dere står nå.

Andre utfordringer eller spørsmål?Har du utfordringer du ønsker å diskutere eller noe annet du lurer på? Ta kontakt så vil vi gjøre vårt ytterste for å hjelpe deg.

Fornøyd med rapporten?Vi blir glade om du deler den med en venn eller kollega ved å kopiere denne linken, eelllleerr sseennddeerr oossss eenn lliitteenn ttiillbbaakkeemmeellddiinngg..

Om du ikke skulle være helt fornøyd, hører vi også gjerne fra deg. Det er jo av tilbakemeldinger man lærer!

mailto:andreas.almquist%40itera.no?subject=

mailto:Tom.Kr.Foosnaes%40itera.no?subject=

https://www.itera.no/no/

https://www.itera.no/avmystifisering

Itera er spesialisten på å skape bærekraftige digitale virksomheter

Med mer enn 550 ansatte, som hver eneste dag jobber for å løse våre kunders digitale ambisjoner, vet vi mye om hvor skoen trykker. Vår ambisjon er å bidra aktivt til å gjøre noe med det. Gjerne på lag med deg.

– THE END OF ‘‘FASHION-IT’’, CUSTOMERS WILL ONLY PAY FOR VALUE AND NOTTECHNOLOGY.Sunny GhoshDirector and CEO of Wolf Framework

itera.no

https://www.itera.no/no/

Documents

AVMYSTIFISERING AV TEKNOLOGIER...hva alle dataene fra ulike IoT-enheter kan brukes til. 1. Tingenes internett er altså et nettverk av identifiserbare enheter som er koblet til internett