Data Integration är att använda och kombinera data från fler källor för analys och vetenskaplig tolkning av sammanslagen data.

Storlek: px
Starta visningen från sidan:

Download "Data Integration är att använda och kombinera data från fler källor för analys och vetenskaplig tolkning av sammanslagen data."

Transkript

1 Data Integration Data Integration är att använda och kombinera data från fler källor för analys och vetenskaplig tolkning av sammanslagen data. Det är idag vanligt att verksamhetsdata är fördelade i flera åtskilda system och databaser. Detta försvårar möjligheten att få en enkel och intuitiv integrerad helhetsbild av sitt affärsområde vilket är ett måste för beslutsfattare. Tyvärr är arbetet med att förstå vilken vilka källor som skall integreras samt att extrahera betydelsefull information ofta bortom traditionell IT kompetens. Användandet av nya former av extern data är ofta begränsad på företag. Det finns idag möjligheter att inhämta värdefull och affärskritisk information från nyheter, processövervakning, givare, sociala medier, foton, videor, lokal demografi eller väderprognoser. Allt detta bidrar till att existerande tillhandahållen data inte används till sin fulla potential och att tillgänglig extern data inte används över huvud taget. En del av dataintegration handlar om att rent fysiskt och tekniskt koppla in eller koppla ihop datakällor. Det är ett mer eller mindre tekniskt problem. Men för att göra information från data tillgänglig från de olika källorna kräver en övergripande förståelse för hur datakällorna ska användas. Detta kräver ofta att man utöver den tekniska kompetensen även har en mer analytisk kompetens. För att på bästa sätt använda befintliga datakällor måste man extrahera informationen ifrån dem på ett effektivt sätt. Detta bör göras så att information blir lätt blir möjlig att analysera och visualisera. Detta kräver ofta transformering, aggregering eller filtrering ( tvättning ) av rådata. Men det krävs också en förståelse för vilka beslut som fattas i verksamheten. Integration av källor som tidigare inte analyserats tillsammans möjliggör nya typer av analyser och möjliggör upptäckte av nya okända affärskritiska samband. Integration av nya externa data källor till befintliga system är därför alltid intressant. Typexempel 1: Integrering av data från flera olika IT-system Integrera data inom Safety + Efficacy + In vitro + djurmodell + klinik på ett läkemedelsföretag för att på så sätt få en helhetsbild över hur ett läkemedel fungerar. Typexempel 2: Lägg till en ny datakälla till befintliga IT-system Lägg till en extern datakälla med väderdata i realtid och integrera med befintliga system. Gör väderdata tillgänglig för att analysera tillsammans med data kring försäljning och logistik. Lämpliga aggregeringar och kopplingar av data behöver göras för att kunna förbättra planering av transporter, lagerhållning och försäljning med hjälp av väderinformation.

2 Text Mining Text mining är att upptäcka meningsfulla mönster och samband från ostrukturerad information och data i form av texter. Text innehåller värdefull och ofta affärskritisk information. Inom organisationer finns ofta värdefull information dokument och rapporter. Idag finns även tillgång till stora volymer av extern information i form av nyheter, artiklar, hemsidor, reklam, väder, rapporter och sociala medier. Text är en ostrukturerad form av information och kräver ofta en förbehandling för att kunna tolkas kvantitativt. Det innebär att text ofta kräver transformering, aggregering eller filtrering ( tvättning ) innan den kan användas. Men tyvärr är processen att extrahera betydelsefull information från text ofta bortom traditionell IT kompetens. Det medför att stora volymer av potentiellt viktig information inte används. Syftet med text mining är omvandla ostrukturerade texter så att de blir möjliga att analysera med kvantitativa analysmetoder. Detta innebär att text mining inte bara kan användas för att identifiera intressant information, utan även tolka, extrahera och kvantifiera den. Inom text mining använder man sig ofta av metoder inom Natural Language Processing (NLP) vilket är ett område som omfattar utveckling av datorprogram för att analysera och generera mänskligt språk. Många av dessa metoder bygger oftast på maskininlärning, där man låter en algoritm lära sig att identifiera mönster i data (se även data mining). Utnyttjande av text mining innebär ofta att man får möjlighet att lyfta in en tidigare outnyttjad datakälla för analys. Med andra ord så kan text mining vara tillämpbart för att integrera en ny datakälla i ett beslutstödssystem med annan existerade data (se även data integration). Det kan då ge upphov till att många nya tidigare samband identifieras. Typexempel1: Analysera affärsnyheter och utveckla beslutsstöd kring fondköp Analysera korrelation kring affärsnyheter och börshandel för att utveckla en realtidsuppdaterande beslutstödssystem som ger köp-/säljrekommendationer kring fonder och värdepapper baserade på nyhetsuppdateringar. Typexempel2: Analysera social media kring kundbeteenden Analysera realtidsuppdaterande sociala medier kring trender relevanta för försäljning och marknadsföring av konsumentprodukter. Snabbare och bättre återkoppling ger effektivare försäljning, marknadsföring, logistik och tillverkning. Typexempel 3: Analysera försäkringsanmälningar och garantiärenden Analysera fritext fält inom försäkringsanmälningar, garantiärenden och bidragsärenden för att identifiera bedrägerier, tillverkningsfel och tidigare missade behov.

3 Data Mining Data Mining är analys av stora datamängder för att identifiera nya mönster som är förståeliga och användbara. Den snabba teknikutvecklingen har lett till att vårt samhälle har blivit mer och mer digitaliserat. De stora datamängderna och de många parametrar som nu finns elektroniskt tillgängliga från maskiner, givare och processer ökar exponentiellt. Idag finns affärskritisk information även i extern data såsom nyheter, processövervakning, givare, sociala medier, foton, videor, lokal demografi eller väderprognoser. Tillgången till all data är svåröverblickbar och kunskapen om dessa är ofta begränsad inom en organisation. Kompetensen för att integrera, analysera och använda stora dataset explorativt för att identifiera nya sambandräcker ofta inte till i dagens organisationer. Allt detta bidrar till att intern data inte används till sin fulla potential, extern data ofta inte används över huvud taget och nya trender och samband tar onödigt lång tid att identifiera. Data mining är en process för att upptäcka nya mönster i stora datamängder. Målet med processen är att extrahera information från en datamängd och omvandla den till en förståelig och användbar struktur. Ofta används maskininlärning, antingen övervakad eller oövervakad, för att analysera data. Övervakade system tränas upp med data som har olika klasstillhörighet för att känna igen mönster som särskiljer dessa klasser. Det systemet kan i sin tur användas för att klassificera data med okänd klassindelning. Oövervakade system identifierar istället undergrupper av data som är mer lik varandra (klusteranalys) oberoende av klassificering. I data mining ingår även förbehandling av data i form av filtrering, klassificering och aggregering, samt utvärdering och tolkning av resultatet. Typexempel 1: Segmentera kunder i intressanta grupper Segmentera kunder utifrån intressanta parametrar kring konsumtionsmönster. Analysera vilka produkter och tjänster som köps eller används vid olika samma tillfällen och vid vilka tider. Är trenderna speciellt viktiga för vissa kundgrupper? Identifierade trender kan vara intressant för att optimera lager, logistik, försäljning, marknadsföring och utveckling av nya produkter. Typexempel2: Analysera transaktionsmönster Identifiera transaktionsmönster som är typiska för kortbedrägerier för att på ett tidigt stadium påvisa bedrägeriförsök. Använd maskininlärningstekniker för att träna upp ett beslutstödssystem för att automatiskt känna igen bedrägeriförsök. Ett sådant system kan användas för att identifiera misstänkta transaktioner som sedan får granskas manuellt.

4 Modeling & Simulation Modeling and Simulation(M&S) är användandet av modeller, statiskt eller över tid, för att utveckla data som grund för att ta beslut. Modellering och simulering används ofta som synonyma begrepp. Genom att studera verkligheten lär vi oss teoretiska samband. Men verkligheten är inte alltid så lätt att undersöka. Realistiska experiment kan vara dyrt, långsamt, farligt, ta lång tid eller helt enkelt vara väldigt komplicerat att genomföra. I många av dessa fall kan tid och pengar sparas genom användning av M&S. Tyvärr utnyttjas denna möjlighet idag inte till fullo. Modellering och simulering används för att efterlikna en på förhand utvald aspekt av verkligheten och för att ta fram data för att förutspå konsekvenser av olika scenarier. Att använda simuleringar är generellt billigare och säkrare än att genomföra experiment. Simuleringar kan ofta även vara mer realistiska än traditionella experiment eftersom de tillåter fri konfigurering av olika parametrar. Dessutom kan simuleringar ofta genomföras snabbare än verklig tid. Modellering och simulering har många tillämpningar. Det kan användas för att stödja planering eller utforska den mest effektiva lösningen av ett problem. Det kan även användas för att stödja ett beslutsstödssystem genom att lägga till ett dynamiskt element och tillåta att beräkna uppskattningar och prediktioner. Ytterligare användningsområden innefattar utveckling och testande av system, till exempel genom att tillhandahålla en virtuell miljö i vilken tester kan genomföras. Det kan också användas för träning och utbildning genom att till exempel tillhandahålla simulatorer, virtuella utbildningsmiljöer och serious games. M&S kan användas för att undersöka och få insikter i ny teknologi, och för att uppskatta prestanda av system som är för komplexa för analytiska lösningar. Typexempel 1:Simulering av aerodynamik och bulleregenskaper på en farkost. Här görs en numerisk simulering av kontinuerliga system av differentialekvationer som inte kan lösas analytiskt. I detta fall är syftet att öka förståelse, förbättra modeller, reducera kostnader och korta utvecklingstider. Typexempel 2: Simulering av genetisk drift i svenska vargstammen I detta fall görs en stokastisk simulering, typiskt använd för diskreta system där händelser inträffar probabilistiskt, och som inte kan beskrivas direkt med differentialekvationer.här skulle en regelrätt studie ta lång tid, miljövariabler skulle vara svåra att kontrollera och en regelrätt studie skulle vara svår att genomföra även av många andra skäl.

5 Data Visualization Data Visualization innebär att tydligt och effektivt kommunicera data och information visuellt. Explorative Data Visualization innebär att använda avancerade tekniker och verktyg för att identifiera mönster som annars skulle vara dolda i standard visualisering. Inom en organisation sker kommunikation av information och kunskap mellan personer och system dagligen. Volymerna av information som ska hanteras på samma tid växer. Eftersom informationen ligger till grund för viktiga beslut i verksamheten är det viktigt att kunna kommunicera effektivt. Till stor del handlar det om att slutsatser som ligger till grund för beslut behöver kommuniceras effektivt. Felaktiga kommunikationsformer, visualiseringar eller data väljs vilket gör att budskapet går förlorat. Tryckta rapporter fyller en viktig funktion, men har även brister. De är oftast inte individuellt anpassade för olika typer av beslutsfattare, de är inte interaktiva för att svara på aktuella frågor och de uppdateras inte i realtid. För att effektivt kommunicera slutsatser behöver man använda sig av datavisualisering. Det innebär att göra lämpliga val för att extrahera, tolka och summera information så tydligt och klart som möjligt. En viktig pusselbit handlar om att välja rätt visualisering av tabeller, grafer och layouter i rapporter för att utgöra stöd till viktiga beslut. En annan handlar om att välja lämpligt media för att kommunicera information och kunskap. Ibland är till exempel visuella presentationer mer lämpliga än tryckta rapporter. Vanligt förekommande kommunikationssätt är presentationer i tryckta rapporter eller i form av visuella presentationer (via t ex powerpoint) där data och kommentarer samlas med figurer, tabeller och kommentarer. Numera finns även kraftfulla applikationer för att leverera mer interaktiva rapporter eller så kallade dashboards som levererar intuitiva och tydliga presentationer av data i realtid. En dashboard kan till exempel summera ett företags hälsa med ett antal mätetal eller Key Performance Indicators (KPIs) för försäljning, produktivitet, inkomst, kundgrupp eller sociala media. Fördelen med interaktiva program är att de ofta kan generera standardiserade rapporter för utskrift eller presentation, men även erbjuda möjligheten till individualiserade dynamiska presentationer som interagerar med användaren i realtid. Interaktiva applikationer för data visualisering utgör även ett viktigt verktyg för att identifiera nya samband och mönster som annars skulle vara dolda, så kallad explorativ data visualisering. Typexempel 1: Designa en interaktiv rapport med individualiserade dashboards Designa och visulisera information för X. Möjlighet till tryckta rapporter. Interaktiv analys. Individualiserbar. Automatiskt uppdaterande. Typexempel 2: Visualisera slutsatser från data mining uppdrag Med hjälp av data mining kan man identifiera nya intressanta mönster i ens data (se data mining). För att få en bättre förståelse för vad dessa mönster innebär så behöver man ofta ta fram visualiseringar av dessa mönster så att man får en bättre inblick i vad de innebär.

6 Decision Support Beslutsstöd är något som stödjer beslutstagning. Beslutsstödssystem är informationssystem som stödjer verksamheten eller organisatoriska beslutstagningsaktiviteter. Intuition har traditionellt varit ett viktigt inslag vid företagsbeslut. Intuition förser oss med en tro som vi inte kan rättfärdiga i varje fall. Forskning visar att beslut som är datadrivna är effektivare än de som är baserade på intuition. Idag ställs ofta högre krav på att beslut ska vara underbyggda med fakta och vara data-drivna. Men många viktiga företagsbeslut har fortfarande bristfälligt informationsunderlag. För att fatta ett data-drivet beslut krävs att rätt information når rätt person vid rätt tillfälle. Det handlar om kommunikation av information, teknisk infrastruktur och även företagskultur. Om en betydelsefull dataanalys inte når rätt person, landar för sent eller omotiverat ignoreras sker det till en kostnad. *Beslutsstödssystem. Många traditionella IT-system är byggda för att ta emot data i omgångar och inte för kontinuerlig ström av information som ibland krävs för realtidsbeslut. *Kunskap om att information finns och att den är betydelsefull är ibland bristfällig. Beslut sker dagligen och på olika nivåer i ett företag. Återkommande typer av beslut kräver ofta likartade underlag. Men det finns också stora och små beslut som sker på ad hoc basis. I alla fall underlättar det att ha en bra metod för att få tillgång till rätt data. Ett beslutstödssystem kan ge tillgång till verklig data och/eller simulerad data. Vi kan hjälpa till att skaffa fram, utforma och utveckla de beslutsstöden som behövs på ert företag. Utvecklandet av beslutsstödsystem ökar personlig effektivitet, snabbar upp beslutsfattande, förbättrar kommunkation och möjliggör nya för personal att lägga energi på andra saker. på behov av beslutsunderlag: Är en specifik kund kreditvärdig? Klinisk beslutsstöd kring medicinska diagnoser, är nyheten trovärdig?

7 Information Management & Knowledge Management Information Management omfattar insamling och organisering av information från en eller flera källor samt spridning av den informationen till en eller flera åhörare. Knowledge Management är att identifiera, skapa, representera och sprida insikter och erfarenheter i en organisation. Inom en organisation pågår många processer och projekt samtidigt. Deras inbördes relativa position ändras kontinuerligt liksom mot en omvärld i konstant förändring. För att enklare och bättre identifiera risker eller möjligheter och signaler som kan behöva snabba beslut krävs kontinuerlig övervakning. Tyvärr är ofta metoderna för att kontinuerligt övervaka och synka data, information och kunskap på taktisk, strategisk och operativ nivå bristfällig. Det krävs mycket information och kunskap om projekt, avdelningar, processer och affärsområden för att driva en organisation. Tyvärr är ofta insikterna och erfarenheterna inbäddade hos individer eller i organisationer i form av processer eller verksamheter. Det innebär att all information och kunskap inte är allmänt tillgängligför alla vid varje tidpunkt. Mycket information går att extrahera automatiskt från tillgängliga datakällor, medan annan information kräver rutinmässig insamling med manuell handpåläggning. Om informationen struktureras och lagras i standardiserade format förenklar det användningen av den. Från strukturerad information finns även möjlighet att automatiskt extrahera beslutsgrundande kunskap. Om data, information och kunskap hanteras i liknande system kan det analyseras och spridas på liknande sätt. Kunskap kan då, precis som övrig information och data, också uppdateras regelbundet och gå att följa över tid. Standardisering av information och kunskap kan ske på olika sätt beroende på användningsområde och tradition. Inom projektledning är det vanligt med standardiserade mallar, definierade milestones och krav. Inom vissa områden lämpar sig score cards bra med standardiserade frågeställningar eller hypoteser. Beroende på hur beslutsprocesserna ser ut kan kunskapen organiseras på olika sätt för att enkla beslut. Vår erfarenhet är att små förbättringar inom informations- och kunskapshantering leder till stora effektiviseringsvinster. Av dessa kan nämnas bättre kontroll och övervakning, mer insikt kring den egne medarbetarens roll för hela organisationen, bättre beslut på alla nivåer, bättre samarbeten, bättre rutiner, etc.. Typexempel1: Utveckla system för standardiserad insamling av kunskap Sammanfatta tillgänglig (intern + extern) kunskap om ett sjukdomsområde eller ett läkemedelsprojekt med scorecard och visualisera i en heatmap. Typexempel2: Utveckla skräddarsytt stöd för projektarbete och projektledning Utveckla projektledningsstöd genom uppsättande av en sharepoint där olika typer av information och kunskap samlas på ett ställe. Tillsammans med protokoll, actions, kalendrar, tidsplaneringar,etc..

8 Statistical Analysis Statististcal Analysis är insamling, organisering, tolkning och presentation av data. För att fatta bra beslut krävs dataunderlag av hög kvalitet och stor trovärdighet. Det kan till exempel innebära att om trender, korrelationer och hypoteser är säkerställda och reproducerbara ger det större möjlighet att fatta bra beslut kring data. Tyvärr är ofta dataunderlaget inför viktiga beslut bristfälligt säkerställda. För att säkerställa viss information krävs dyra och tidskrävande studier. Tyvärr är frågeställningar ofta inte helt genomtänkta på förhand. Vilka kan resultera i att beviskraften i studien saknas för att övertyga investerare eller myndigheter. Med en smart försöksuppställning och design beviskraften ökas medan kostnader kan reduceras och tid sparas. Tyvärr saknas ofta insikten att kvalitet på data är kostnadseffektivt. Inom statistik använder man ofta termerna stickprov och population. Ett stickprov är en delmängd av en bestämd population (eller datamängd) som vill studeras. Med så kallad deskriptiv statistik kan populationsdatakommuniceras genom att beskriva vad som observerades i stickprovetmed begrepp som medelvärde, standardavvikelse, frekvens eller procent. Med statistisk inferens kan sannolikhetsbaserade beslut tas kring populationen. Sådana slutsatser kan uppnås med bland annat hypotestestning, uppskattningar, korrelationer, regressionsanalys, prognoser, prediktion, intrapolering och extrapolering. För att fatta beslut baseras på ett dataunderlag är det viktigt att datainsamling är gjord på ett sätt som säkerställer att tillåtna slutsatser dras. Genom att applicera statistiska metoder inom försöksplanering och studiedesign kan kostnader för studier hållas nere och kvaliteten på slutsatser ökas. Då handlar det ofta om att definiera lämpliga hypoteser att testa, uppskatta lämplig populationsstorlek och minska experimentella fel genom rätt typ av randomisering. Ett vanligt resultat är ha kunna bekräfta eller förkasta en existerande hypotes med en viss sannolikhet. Inom statistisk analys sker även prediktion eller prognoser av data med hjälp av statistiska modeller. I samband med detta diskuteras ofta om ett resultat är trovärdigt och reproducerbart. Då kan metoder som till exempel korsvalidering och känslighetsanalys med så kallad bootstrapping användas. Typexempel 1. Försöksplanering för att bekräfta att ett läkemedel har en effekt Gör en försöksplanering och studiedesign som kan bekräfta eller förkasta om ett läkemedel har en effekt hos patienter. Definiera hypoteser, uppskatta patientstorlek och experimentella fel. Bestäm även lämplig försöksdesign och randomisering. Typexempel2. Rådgivning kring trend i försäljningsdata Genom data mining har ett nytt samband kring ändrad försäljning upptäckts i ett visst kundsegment. Ledningen vill veta om trenden är statistiskt signifikant. De vill även ha rådgivning kring hur trenden kan följas upp och analyseras vidare för att bekräftas/förkastas under kommande kvartal genom lämpliga mätetal och försök.

9 Automation and Standardization Automation är användandet av maskiner, kontrollsystem och informationsteknologier för att optimera produktivitet vid produktion av varor och leverans av tjänster. Standardization är att implementera tekniska standarder. Mycket tid i organisationer tillbringas med att leta efter, kommunicera eller analysera information. Viktig information är fördelad på olika ställen och tidskrävande att sammanställa till lämpligt format. Metoder för delgivning av information varierar mellan medarbetare. Mycket tid läggs på att konvertera, analysera och organisera data och information. Allt detta leder till onödig förvirring, duplicerat arbete, oändliga tolkningsdiskussisoner och minskad produktivitet. Att utveckla en teknisk standard kan innebära att sätta upp ett protokoll för hur en process ska utföras. Att automatisera en process inom informationshantering kan innebära att låta en dator utföra processer enligt en sådan teknisk standard (eller protokoll). Att standardisera och automatisera processer för inhämtning, distribution och analys av data eller information leder ofta till en stor effektivisering, kostnadsbesparing, tidseffektivisering och kvalitetshöjning. Automation och standardisering kan ske i stor eller liten skala inom integration, text mining, data mining, data visualisering, modeling & simulation, statistical analysis, information management och decision support. Typexempel 1 Implementera ett klassificeringssystem (t ex från data mining processen) till att ingå i ett automatiserat beslutstödssystem. Automatisera inhämtning, analys och förberedelse av beslutsunderlag. Typexempel 2 Standardisera en datastruktur i form av ett excel-templat för att skicka viss typ av information. Resulterar i enklare analys & tolkning. Ger möjlighet till automatisering. Typexempel 3 Automatisera analys av rutinmässig datainsamling. Förutsätter standardiserade metoder för datainsamling och för analys. Typexempel4 Automatisera genererandet av specifika rapporter eller dashboards för beslutsstöd. Förutsätter standarder för datainhämtning och data visualisering. Typexempel5 Automatisera insamlandet av litteratur och konkurrentbevakning.

Sju sätt att visa data. Sju vanliga och praktiskt användbara presentationsformat vid förbättrings- och kvalitetsarbete

Sju sätt att visa data. Sju vanliga och praktiskt användbara presentationsformat vid förbättrings- och kvalitetsarbete Sju sätt att visa data Sju vanliga och praktiskt användbara presentationsformat vid förbättrings- och kvalitetsarbete Introduktion I förbättringsarbete förekommer alltid någon form av data, om inte annat

Läs mer

Skapa insikter till rätt beslut

Skapa insikter till rätt beslut Skapa insikter till rätt beslut Enklaste vägen till beslut med dynamiska rapporter Verksamhetskolls dashboards är tydliga och det är lätt att direkt ta till sig det väsentliga. Alla dimensioner i ditt

Läs mer

Rätt information till rätt person vid rätt tillfälle

Rätt information till rätt person vid rätt tillfälle Rätt information till rätt person vid rätt tillfälle System för samverkan, effektivitet och konkurrenskraft Du håller säkert med om att ditt företags kanske mest värdefulla tillgång består av all den information

Läs mer

Medicinsk Informatik VT 2005

Medicinsk Informatik VT 2005 Medicinsk Informatik VT 2005 Introduktion till Medicinsk Informatik Informationsteknologi Teknikgrad Information technology Datavetenskap Computer science Systemvetenskap System analysis and design Informatik

Läs mer

Medicinsk Informatik VT 2004

Medicinsk Informatik VT 2004 Informatik VT 2004 Introduktion till Informatik Informationsteknologi Information technology Datavetenskap Computer science Informatik Teknikgrad Systemvetenskap System analysis and design Informatics

Läs mer

fem områden för smartare marknadsföring

fem områden för smartare marknadsföring fem områden för smartare marknadsföring fem områden för smartare marknadsföring Strukturerad information Sättet du lagrar information om dina kunder och prospekts beteenden, kontaktuppgifter och demografi

Läs mer

AI Guide: Så här blir du en modern redovisningskonsult med hjälp av artificiell intelligens

AI Guide: Så här blir du en modern redovisningskonsult med hjälp av artificiell intelligens AI Guide: Så här blir du en modern redovisningskonsult med hjälp av artificiell intelligens Vad är artificiell intelligens (AI)? AI är metoder och tekniker som gör det möjligt för datorsystem att utföra

Läs mer

Canon Business Services

Canon Business Services Canon Business Services Förändrar ditt företag Canon Business Services När konsumenternas beteenden ändras påverkar det hur företagen drivs och fungerar hur organisationer bygger och säljer sina produkter

Läs mer

Big Data för Fordon och Transport! Vår Digitala Framtid, Trafikverket!! Björn Bjurling, SICS Swedish ICT, 20150421!

Big Data för Fordon och Transport! Vår Digitala Framtid, Trafikverket!! Björn Bjurling, SICS Swedish ICT, 20150421! Big Data för Fordon och Transport! Vår Digitala Framtid, Trafikverket!! Björn Bjurling, SICS Swedish ICT, 20150421! Sammanfattning! Big Data är överallt! Big Data Analytics används för att utvinna information

Läs mer

Lösningar för en bättre arbetsvardag

Lösningar för en bättre arbetsvardag Lösningar för en bättre arbetsvardag Effektivare, tryggare och roligare Effectplan tar organisationen från en konventionell budget till en verksamhetsplanering där ni arbetar med rullande och aktivitetsbaserade

Läs mer

Hem Resurser. SpinFire Professional. Partnerlogin. Deutsch 简 体 中 文 English. Centro. ActifyInsight. 1 av 10 2014-10-29 21:35

Hem Resurser. SpinFire Professional. Partnerlogin. Deutsch 简 体 中 文 English. Centro. ActifyInsight. 1 av 10 2014-10-29 21:35 1 av 10 2014-10-29 21:35 Hem Resurser FöretagetOm Oss Kontakt Kundsupport Partnerlogin English (UK) Swedish Deutsch 简 体 中 文 English SpinFire Professional Centro ActifyInsight 2 av 10 2014-10-29 21:35 Got

Läs mer

Automatiserad journalgranskning för ökad patientsäkerhet

Automatiserad journalgranskning för ökad patientsäkerhet Automatiserad journalgranskning för ökad patientsäkerhet Heléne Spjuth, Affärskonsult SAS Institute AB Ann Fjellner, Senior Medicinsk rådgivare, HSNf Stockholms läns landsting Copyright 2010 SAS Institute

Läs mer

PMM (Process Maturity Metrics) Allmänt. Mätetal för framgångsfaktorer. 1. CM konfigurationsstyrning

PMM (Process Maturity Metrics) Allmänt. Mätetal för framgångsfaktorer. 1. CM konfigurationsstyrning PMM (Process Maturity Metrics) PMM är en metod för att mäta processmognad i utvecklingsprojekt. I korthet går metoden ut på att man utvärderar sin utvecklingsprocess med avseende på ett antal framgångsfaktorer

Läs mer

Verkliga data för IT-beslut.

Verkliga data för IT-beslut. Verkliga data för IT-beslut. Egloo IT-Analys samlar och visualiserar data om din IT-miljö och dess nyttjandegrad. Påbörja din IT-transformation baserad på fakta. I den digitala ekonomin behöver organisationer

Läs mer

Beslutsstöd ger allt för sällan ökad konkurrenskraft! Hur får man till det?

Beslutsstöd ger allt för sällan ökad konkurrenskraft! Hur får man till det? Beslutsstöd ger allt för sällan ökad konkurrenskraft! Hur får man till det? Johan Jerresand, johan.jerresand@affecto.com Practice Manager - Business Advisory Services Nära till spetskompetens! Nordens

Läs mer

för att komma fram till resultat och slutsatser

för att komma fram till resultat och slutsatser för att komma fram till resultat och slutsatser Bearbetning & kvalitetssäkring 6:1 E. Bearbetning av materialet Analys och tolkning inleds med sortering och kodning av materialet 1) Kvalitativ hermeneutisk

Läs mer

Li#eratur och empiriska studier kap 12, Rienecker & Jørgensson kap 8-9, 11-12, Robson STEFAN HRASTINSKI STEFANHR@KTH.SE

Li#eratur och empiriska studier kap 12, Rienecker & Jørgensson kap 8-9, 11-12, Robson STEFAN HRASTINSKI STEFANHR@KTH.SE Li#eratur och empiriska studier kap 12, Rienecker & Jørgensson kap 8-9, 11-12, Robson STEFAN HRASTINSKI STEFANHR@KTH.SE Innehåll Vad är en bra uppsats? Söka, använda och refera till litteratur Insamling

Läs mer

Identifiera kundbehov En sammanfattning och analys av kapitel 4 i boken Product Design and Development

Identifiera kundbehov En sammanfattning och analys av kapitel 4 i boken Product Design and Development Identifiera kundbehov En sammanfattning och analys av kapitel 4 i boken Product Design and Development Grupp 6 Ali Abid Kjell Nilsson Patrick Larsson Mälardalens högskola KN3060, Produktutveckling med

Läs mer

Introduktion till digitala medarbetare. RPA-dagen digital arbetskraft, 22/

Introduktion till digitala medarbetare. RPA-dagen digital arbetskraft, 22/ Introduktion till digitala medarbetare RPA-dagen digital arbetskraft, 22/10 2018 B Agenda och PS Provider Innehåll och presentation av PS Provider Innehåll 11 12 1 I Introduktion till RPA och digitala

Läs mer

F1 Introduktion. Statistisk undersökning. Vad är statistik? Vad är en statistisk undersökning? Klassificering efter mål eller syfte med undersökningen

F1 Introduktion. Statistisk undersökning. Vad är statistik? Vad är en statistisk undersökning? Klassificering efter mål eller syfte med undersökningen F1 Introduktion. Statistisk undersökning. Leif Ruckman och Christina Andersson Avdelningen för Nationalekonomi och Statistik Karlstads universitet Vad är statistik? 1. Statistiska uppgifter. T ex som underlag

Läs mer

Optimera, inte eliminera, den mänskliga hjärnan genom AI. Anna-Karin Edstedt Bonamy, MD, PhD Chief Medical Officer, Doctrin AB

Optimera, inte eliminera, den mänskliga hjärnan genom AI. Anna-Karin Edstedt Bonamy, MD, PhD Chief Medical Officer, Doctrin AB Optimera, inte eliminera, den mänskliga hjärnan genom AI Anna-Karin Edstedt Bonamy, MD, PhD Chief Medical Officer, Doctrin AB En av sjukvårdens största utmaningar är ökande personalbrist 4 av 10 läkare

Läs mer

Börja med resultatet om du vill designa en lyckad klinisk studie

Börja med resultatet om du vill designa en lyckad klinisk studie PI 15 Design klinisk studie Sidan 1 av 5 Pharma Industry 1/2015 Börja med resultatet om du vill designa en lyckad klinisk studie Design av kliniska studier är en tvärvetenskaplig disciplin där det behövs

Läs mer

Framtida trender av revision

Framtida trender av revision Framtida trender av revision Tytti Yli-Viikari Riksrevisor 6.4.2016 Statens Revisonsverk Finland Grundprinciperna har en lång tradition; nya förfaringssätt utgör framtiden Den externa revisionen ger svar

Läs mer

Optimering och simulering: Hur fungerar det och vad är skillnaden?

Optimering och simulering: Hur fungerar det och vad är skillnaden? Optimering och simulering: Hur fungerar det och vad är skillnaden? Anders Peterson, Linköpings universitet Andreas Tapani, VTI med inspel från Sara Gestrelius, RIS-SIS n titt i KAJTs verktygslåda Agenda

Läs mer

SIEM FOR BEGINNERS WHITEPAPER TELEFON WHITEPAPER. ADRESS Sentor Managed Security Services AB Björns Trädgårdsgränd STOCKHOLM

SIEM FOR BEGINNERS WHITEPAPER TELEFON WHITEPAPER. ADRESS Sentor Managed Security Services AB Björns Trädgårdsgränd STOCKHOLM SIEM FOR BEGINNERS Det här är grunderna Security Information and Event Management (SIEM) kan ge organisationer en överblick av aktiviteten i deras ITsystem och nätverk genom insamling, lagring, analys

Läs mer

Repetition L1-L4 Övergripande designprocessen

Repetition L1-L4 Övergripande designprocessen Repetition L1-L4 Övergripande designprocessen 1. Definiera behov/kundnytta 2. Planera hur problemet skall lösas 3. Förstå problemet genom att ta fram kravspec 4. Generera många lösningsförslag (koncept)

Läs mer

Hur, när och till vad använder personer sin smarta telefon eller surfplatta? Personers medievanor på mobila enheter.

Hur, när och till vad använder personer sin smarta telefon eller surfplatta? Personers medievanor på mobila enheter. Medieanalys 3 Hur, när och till vad använder personer sin smarta telefon eller surfplatta? Personers medievanor på mobila enheter. Medievanor Datainsamling Vetenskapligt ta fram underlag: Statistik Intervjuer

Läs mer

Hur skriver man statistikavsnittet i en ansökan?

Hur skriver man statistikavsnittet i en ansökan? Hur skriver man statistikavsnittet i en ansökan? Val av metod och stickprovsdimensionering Registercentrum Norr http://www.registercentrumnorr.vll.se/ statistik.rcnorr@vll.se 11 Oktober, 2018 1 / 52 Det

Läs mer

Wise Business Support Ms Office Kursinnehåll För nybörjare och därefter

Wise Business Support Ms Office Kursinnehåll För nybörjare och därefter Wise Business Support Ms Office Kursinnehåll För nybörjare och därefter Mohammad Honarbakhsh 2013 01 11 073 784 22 74 mo.honar@wisebs.com www.wisebs.com Ms Office Ms Word, Ms Outlook, Ms PowerPoint, Ms

Läs mer

Elektronisk patientjournal

Elektronisk patientjournal Elektronisk patientjournal Hippokrates Typer Tidsorienterad, problemorienterad samt källorienterad Varför? Stödja vården, legala skäl, forskning, utbildning. Data måste vara otvetydiga, strukturerade,

Läs mer

Dataanalys kopplat till undersökningar

Dataanalys kopplat till undersökningar Dataanalys kopplat till undersökningar Seminarium om undersökningsmetoder för förorenade områden, Malmö 6-7 maj Jenny Norrman, SGI, Chalmers FRIST På säker grund för hållbar utveckling Innehåll Inledning

Läs mer

STATISTISK POWER OCH STICKPROVSDIMENSIONERING

STATISTISK POWER OCH STICKPROVSDIMENSIONERING STATISTISK POWER OCH STICKPROVSDIMENSIONERING Teori UPPLÄGG Gemensam diskussion Individuella frågor Efter detta pass hoppas jag att: ni ska veta vad man ska tänka på vilka verktyg som finns vilket stöd

Läs mer

Digitala trender i mediabranschen NYA DIGITALA TEKNOLOGIER SÄTTER FART PÅ FÖRETAGEN I MEDIABRANSCHEN

Digitala trender i mediabranschen NYA DIGITALA TEKNOLOGIER SÄTTER FART PÅ FÖRETAGEN I MEDIABRANSCHEN Digitala trender i mediabranschen NYA DIGITALA TEKNOLOGIER SÄTTER FART PÅ FÖRETAGEN I MEDIABRANSCHEN Artificiell intelligens tar klivet in i mediavärlden Idag finns de sida vid sida. Traditionella TV-sändningar

Läs mer

Användning av virtuella tekniker inom sjukvård. - Exempel på demonstratorer framtagna vid Högskolan i Skövde

Användning av virtuella tekniker inom sjukvård. - Exempel på demonstratorer framtagna vid Högskolan i Skövde Användning av virtuella tekniker inom sjukvård - Exempel på demonstratorer framtagna vid Högskolan i Skövde Förberedelser inför operation Ett effektivt patientflöde inom sjukvården skulle bidra till att

Läs mer

Human Capital Management: investera i medarbetarna och skapa en kultur präglad av kontinuerlig utveckling

Human Capital Management: investera i medarbetarna och skapa en kultur präglad av kontinuerlig utveckling Cornerstone HCM Human Capital Management: investera i medarbetarna och skapa en kultur präglad av kontinuerlig utveckling Ett av de viktigaste målen för Human Resources är att se till verksamheten hela

Läs mer

Systemidentifiering för läkemedelsutveckling modeller, skattning och analys.

Systemidentifiering för läkemedelsutveckling modeller, skattning och analys. Systemidentifiering för läkemedelsutveckling modeller, skattning och analys. My-dagen 28 oktober, 2013, Göteborg Jacob Leander, Industridoktorand Avdelningen System och dataanalys 25 minuter av modellering

Läs mer

Sektionen för omvårdnadsinformatik (SOI) bildades 2002 och är en sektion inom Svensk sjuksköterskeförening. Sektionens syfte är att bidra till

Sektionen för omvårdnadsinformatik (SOI) bildades 2002 och är en sektion inom Svensk sjuksköterskeförening. Sektionens syfte är att bidra till Förord Sektionen för omvårdnadsinformatik (SOI) bildades 2002 och är en sektion inom Svensk sjuksköterskeförening. Sektionens syfte är att bidra till patientcentrerad, evidensbaserad utveckling av hälso-

Läs mer

Tre metoder för effektiva avslagsanalyser

Tre metoder för effektiva avslagsanalyser Tre metoder för effektiva avslagsanalyser Optimera din affär. Här nedan följer tre vanliga metoder för hur man kan analysera kunderna som inte är kom att in i portföljen. ligga Det är av största vikt att

Läs mer

Idag. EDAA35, föreläsning 4. Analys. Kursmeddelanden. Vanliga steg i analysfasen av ett experiment. Exempel: exekveringstid

Idag. EDAA35, föreläsning 4. Analys. Kursmeddelanden. Vanliga steg i analysfasen av ett experiment. Exempel: exekveringstid EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Slump och slumptal Analys Boxplot Konfidensintervall Experiment och test Kamratgranskning Kursmeddelanden Analys Om laborationer: alla labbar

Läs mer

För smartare belysning

För smartare belysning För smartare belysning CityTouch LightPoint Lighting Asset Management. CityTouch LightPoint / Asset Management 3 Välkommen till framtidens smarta belysning Professionell hantering av offentlig belysning

Läs mer

Idag. EDAA35, föreläsning 4. Analys. Exempel: exekveringstid. Vanliga steg i analysfasen av ett experiment

Idag. EDAA35, föreläsning 4. Analys. Exempel: exekveringstid. Vanliga steg i analysfasen av ett experiment EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Kamratgranskning Analys Exempel: exekveringstid Hur analysera data? Hur vet man om man kan lita på skillnader och mönster som man observerar?

Läs mer

PACOM UNISON SECURITY MANAGEMENT MADE EASY

PACOM UNISON SECURITY MANAGEMENT MADE EASY PACOM UNISON SECURITY MANAGEMENT MADE EASY Sjukhus Den öppna och integrerade säkerhetsplattformen. PACOM Unison är en öppen och integrerad säkerhetslösning som gör det möjligt för dig att hantera passer-,

Läs mer

Första sidan är ett försättsblad (laddas ned från kurshemsidan) Alla frågor som nns i uppgiftstexten är besvarade

Första sidan är ett försättsblad (laddas ned från kurshemsidan) Alla frågor som nns i uppgiftstexten är besvarade HT 2011 Inlämningsuppgift 1 Statistisk teori med tillämpningar Instruktioner Ett av problemen A, B eller C tilldelas gruppen vid första övningstillfället. Rapporten ska lämnas in senast 29/9 kl 16.30.

Läs mer

Digital strategi för Strängnäs kommun

Digital strategi för Strängnäs kommun 1/8 Beslutad: Kommunfullmäktige 2016-01-25 8 Gäller fr o m: 2016-01-26 Myndighet: Diarienummer: Kommunstyrelsen KS/2015:646-005 Ersätter: Ansvarig: IT-strateg Digital strategi för Strängnäs kommun 2/8

Läs mer

Sammanfattning av modulen modeller och representationer Hur går jag vidare?

Sammanfattning av modulen modeller och representationer Hur går jag vidare? Naturvetenskap - gymnasieskolan Modul: Modeller och representationer Del 8: Representationskompetens Sammanfattning av modulen modeller och representationer Hur Konrad Schönborn, Linköpings universitet

Läs mer

Ledtidsanpassa standardavvikelser för efterfrågevariationer

Ledtidsanpassa standardavvikelser för efterfrågevariationer Handbok i materialstyrning - Del B Parametrar och variabler B 43 Ledtidsanpassa standardavvikelser för efterfrågevariationer I affärssystem brukar standardavvikelser för efterfrågevariationer eller prognosfel

Läs mer

utveckling av en analysstrategi för hälso- och sjukvården

utveckling av en analysstrategi för hälso- och sjukvården utveckling av en analysstrategi för IDC InfoBrief, sponsrad av Qlik juli 2015 IDC InfoBrief, sponsrad av Qlik Vårdgivarnas investeringar i dataanalys ökar stadigt Vårdgivarna satsar fortfarande mer på

Läs mer

Kontrollera att följande punkter är uppfyllda innan rapporten lämnas in: Första sidan är ett försättsblad (laddas ned från kurshemsidan)

Kontrollera att följande punkter är uppfyllda innan rapporten lämnas in: Första sidan är ett försättsblad (laddas ned från kurshemsidan) Statistiska institutionen VT 2012 Inlämningsuppgift 1 Statistisk teori med tillämpningar Instruktioner Ett av problemen A, B eller C tilldelas gruppen vid första övningstillfället. Rapporten ska lämnas

Läs mer

Analytisk statistik. Mattias Nilsson Benfatto, PhD.

Analytisk statistik. Mattias Nilsson Benfatto, PhD. Analytisk statistik Mattias Nilsson Benfatto, PhD Mattias.nilsson@ki.se Beskrivande statistik kort repetition Centralmått Spridningsmått Normalfördelning Konfidensintervall Korrelation Analytisk statistik

Läs mer

Kvalitativ metodik. Varför. Vad är det? Vad är det? Varför och när använda? Hur gör man? För- och nackdelar?

Kvalitativ metodik. Varför. Vad är det? Vad är det? Varför och när använda? Hur gör man? För- och nackdelar? Kvalitativ metodik Vad är det? Varför och när använda? Hur gör man? För- och nackdelar? Mats Foldevi 2009 Varför Komplement ej konkurrent Överbrygga klyftan mellan vetenskaplig upptäckt och realiserande

Läs mer

Processinriktning i ISO 9001:2015

Processinriktning i ISO 9001:2015 Processinriktning i ISO 9001:2015 Syftet med detta dokument Syftet med detta dokument är att förklara processinriktning i ISO 9001:2015. Processinriktning kan tillämpas på alla organisationer och alla

Läs mer

Optimeringslara = matematik som syftar till att analysera och. Optimeringslara ar en gren av den tillampade matematiken.

Optimeringslara = matematik som syftar till att analysera och. Optimeringslara ar en gren av den tillampade matematiken. Optimal = basta mojliga. Optimeringslara = matematik som syftar till att analysera och nna det basta mojliga. Anvands oftast till att nna ett basta handlingsalternativ i tekniska och ekonomiska beslutsproblem.

Läs mer

Utbildningsplan för masterprogrammet i hälsoinformatik 4HI10

Utbildningsplan för masterprogrammet i hälsoinformatik 4HI10 Utbildningsplan för masterprogrammet i 4HI10 Inrättad av Styrelsen för utbildning 2009-11-06 Fastställd av Styrelsen för utbildning 2009-11-24 Sid 2 (7) 1. Basdata 1.1. Programkod 4HI10 1.2. Programmets

Läs mer

E-BOK NY SOM HR-CHEF. Detta bör du ha koll på. Detta bör du ha koll på

E-BOK NY SOM HR-CHEF. Detta bör du ha koll på. Detta bör du ha koll på E-BOK NY SOM HR-CHEF Detta bör du ha koll på Detta bör du ha koll på 2 INNEHÅLL Introduktion 3 Förväntningar på HR-rollen 4 Så, var ska man börja? 5 En HR-modell i fyra nivåer 6 Förstå organisationen 8

Läs mer

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval Två innebörder av begreppet statistik Grundläggande tankegångar i statistik Matematik och statistik för biologer, 10 hp Informationshantering. Insamling, ordningsskapande, presentation och grundläggande

Läs mer

Hur får jag ut kraft och nytta av POWER?

Hur får jag ut kraft och nytta av POWER? Hur får jag ut kraft och nytta av POWER? TOP 25 ARTIFICIAL INTELLIGENCE SOLUTION PROVIDERS - 2017 Christoffer Göransson 0733-408700 Christoffer.goransson@inoviagroup.se Agenda Kort om oss Inovia/AI Hur

Läs mer

ANPASSNING FÖR ÖVERLEVNAD: 3 SÄTT ATT ANPASSA SIG TILL FÖRÄNDERLIG MILJÖ

ANPASSNING FÖR ÖVERLEVNAD: 3 SÄTT ATT ANPASSA SIG TILL FÖRÄNDERLIG MILJÖ ANPASSNING FÖR ÖVERLEVNAD: 3 SÄTT ATT ANPASSA SIG TILL FÖRÄNDERLIG MILJÖ Praktiska råd för projektörer 5 MINUTERS LÄSTID ANPASSNING FÖR ÖVERLEVNAD Den hårda konkurrensen i en osäker ekonomi kombinerat

Läs mer

Microsoft Dynamics 365 Business Application vs. ERP. Företagen måsta sätta sig själva i förarsätet

Microsoft Dynamics 365 Business Application vs. ERP. Företagen måsta sätta sig själva i förarsätet Microsoft Dynamics 365 Business Application vs. ERP Slutsats från mina 5 artiklar om ämnet: Tema Dynamics 365 Business Application 2017-05-10 Created by: Mikael Petersén: Vi är inne i ett stort teknikskifte

Läs mer

GURUSOFT EOS ENERGIOPTIMERING INDUSTRI, INFRASTRUKTUR, FASTIGHET

GURUSOFT EOS ENERGIOPTIMERING INDUSTRI, INFRASTRUKTUR, FASTIGHET GURUSOFT EOS ENERGIOPTIMERING INDUSTRI, INFRASTRUKTUR, FASTIGHET PRODUKTÖVERSIKT Produkt EOS Scada2Report Varningssystem Geodata Funktionsområde Energiuppföljningssystem - Innehåller all grundläggande

Läs mer

Säkerställ er tillgänglighet Kommunikationsrapporteringsverktyg

Säkerställ er tillgänglighet Kommunikationsrapporteringsverktyg Säkerställ er tillgänglighet Kommunikationsrapporteringsverktyg Vad är Meridix Studio? Meridix Studio är ett verktyg som låter er analysera och följa upp er kommunikation via ett enkelt men kraftfullt

Läs mer

TEKNIK. Ämnets syfte. Undervisningen i ämnet teknik ska ge eleverna förutsättningar att utveckla följande:

TEKNIK. Ämnets syfte. Undervisningen i ämnet teknik ska ge eleverna förutsättningar att utveckla följande: TEKNIK Ämnet teknik är till sin karaktär tvärvetenskapligt. Teknik handlar om att uppfylla människors behov och önskemål genom att omvandla naturens fysiska resurser eller immateriella tillgångar i produkter,

Läs mer

TEKNIK. Ämnets syfte. Undervisningen i ämnet teknik ska ge eleverna förutsättningar att utveckla följande: Kurser i ämnet

TEKNIK. Ämnets syfte. Undervisningen i ämnet teknik ska ge eleverna förutsättningar att utveckla följande: Kurser i ämnet TEKNIK Ämnet teknik är till sin karaktär tvärvetenskapligt. Teknik handlar om att uppfylla människors behov och önskemål genom att omvandla naturens fysiska resurser eller immateriella tillgångar i produkter,

Läs mer

Vägledning för kanalstrategi

Vägledning för kanalstrategi Vägledning Version 1.0 2010-09-28 Vägledning för kanalstrategi Vad vill E-delegationen uppnå med vägledningen? Mål: att bidra till att offentlig förvaltning levererar service till privatpersoner och företag

Läs mer

Visualisering och Dashboards

Visualisering och Dashboards Visualisering och Dashboards Compose IT Automation Dashboard per Lokation eller System Aktuell larmstatus Prioriteringsordning per KPI med trend/vecka Senaste månadens öppnade ärenden/dag Senaste månadens

Läs mer

Maskininlärning med boostrapping. Maskininlärningslabb i Språkteknologi

Maskininlärning med boostrapping. Maskininlärningslabb i Språkteknologi Maskininlärning med boostrapping Maskininlärningslabb i Språkteknologi Abstrakt Vi undersöker, med hjälp av maskininlärningslabben från denna kurs, hur pass bra resultat bootstrapping ger i samband med

Läs mer

Yrkeshögskolan Novia Utbildningsprogrammet i elektroteknik

Yrkeshögskolan Novia Utbildningsprogrammet i elektroteknik Grunderna i programmeringsteknik 1. Vad är Känna till nämnda programmering, begrepp. Kunna kompilera högnivå språk, och köra program i det i kompilering, kursen använda tolkning, virtuella programmeringsspråket.

Läs mer

När samverkan mellan affärssystemen är en besvärlig väg med många hinder

När samverkan mellan affärssystemen är en besvärlig väg med många hinder När samverkan mellan affärssystemen är en besvärlig väg med många hinder ITWorks Group System Integration Specialists Tel: 08 625 46 40 E-post: filexfilexpress ... gör vi vägen både rakare, snabbare och

Läs mer

Nästa generations Customer Experience Management TA REDA PÅ EFFEKTEN AV VAD DINA KUNDER TYCKER OM DIG

Nästa generations Customer Experience Management TA REDA PÅ EFFEKTEN AV VAD DINA KUNDER TYCKER OM DIG Nästa generations Customer Experience Management TA REDA PÅ EFFEKTEN AV VAD DINA KUNDER TYCKER OM DIG INNEHÅLL Detta white paper beskriver Bisnodes syn på Customer Experience Management (CX), hur företag

Läs mer

Element Logic förser marknaden med smarta logistiska lösningar. Modern teknik och processorienterat kunnande kombinerat med vår långa erfarenhet gör

Element Logic förser marknaden med smarta logistiska lösningar. Modern teknik och processorienterat kunnande kombinerat med vår långa erfarenhet gör Element Logic förser marknaden med smarta logistiska lösningar. Modern teknik och processorienterat kunnande kombinerat med vår långa erfarenhet gör våra kunder mer lönsamma > OM ELEMENT LOGIC Norden som

Läs mer

Digitalisering och automatisering av revisionen

Digitalisering och automatisering av revisionen Uppsatsen Digitalisering och automatisering av revisionen. Hur kan den påverkas samt hanteras av branschen? lades fram vid Högskolan i Halmstad i maj 2016. I april 2017 mottog författarna Svenska Revisionsakademins

Läs mer

Tillämpad experimentalpsykologi [2] Tillämpad experimentalpsykologi [1] Empirisk forskningsansats. Tillämpad experimentalpsykologi [3] Variabler

Tillämpad experimentalpsykologi [2] Tillämpad experimentalpsykologi [1] Empirisk forskningsansats. Tillämpad experimentalpsykologi [3] Variabler Tillämpad experimentalpsykologi [1] Ett tillvägagångssätt för att praktiskt undersöka mänskliga processer Alltså inget forskningsområde i sig! (I motsats till kognitiv, social- eller utvecklingspsykologi.)

Läs mer

Statistikens grunder. Mattias Nilsson Benfatto, Ph.D

Statistikens grunder. Mattias Nilsson Benfatto, Ph.D Statistikens grunder Mattias Nilsson Benfatto, Ph.D Vad är statistik? Statistik är en gren inom tillämpad matematik som sysslar med insamling, utvärdering, analys och presentation av data eller information.

Läs mer

TRADITIONELLA FÖRETAG DIGITAL ORO

TRADITIONELLA FÖRETAG DIGITAL ORO 1 TRADITIONELLA FÖRETAG DIGITAL ORO 2 DEN DIGITALA REVOLUTIONEN ÄR STARKT PÅDRIVEN AV ETT ANTAL TEKNOLOGIER SOM KOMMER HA EN STOR PÅVERKAN PÅ FÖRETAG OCH SAMHÄLLET I STORT DIGITALA INTÄKTER MOBILITET Idag

Läs mer

Omvärldsbevakning eller konsten att driva utvecklingen istället för att drabbas av den

Omvärldsbevakning eller konsten att driva utvecklingen istället för att drabbas av den Omvärldsbevakning eller konsten att driva utvecklingen istället för att drabbas av den Skrift ett i en serie avsedd att inspirera och ge vägledning inför förändringsoch utvecklingsarbete. Innehållet bygger

Läs mer

Koppling mellan styrdokumenten på naturvetenskapsprogrammet och sju programövergripande förmågor

Koppling mellan styrdokumenten på naturvetenskapsprogrammet och sju programövergripande förmågor Koppling mellan styrdokumenten på naturvetenskapsprogrammet och sju programövergripande förmågor Förmåga att Citat från examensmålen för NA-programmet Citat från kommentarerna till målen för gymnasiearbetet

Läs mer

b) NY KURS (Ange kursnamn, årskurs, önskad läsperiod, schemablocksplacering. Bifoga utkast till kursplan.)

b) NY KURS (Ange kursnamn, årskurs, önskad läsperiod, schemablocksplacering. Bifoga utkast till kursplan.) LINKÖPINGS TEKNISKA HÖGSKOLA Tekniska fakultetskansliet FÖRSLAG TILL PROGRAMNÄMND INFÖR ÅR NÄMND/NÄMNDER: Förslagsställare (Namn, funktion, Inst/Enhet) FÖRSLAGET GÄLLER: a) EXISTERANDE KURS (Ange kurskod

Läs mer

Framtidens vårdinformationsstöd FVIS 12 OKTOBER 2017

Framtidens vårdinformationsstöd FVIS 12 OKTOBER 2017 Framtidens vårdinformationsstöd FVIS 12 OKTOBER 2017 Vad är Framtidens Vårdinformationsstöd Framtidens Vårdinformationsstöd (FVIS) är en sammanhållen digital vårdmiljö som ska innehålla stöd för verksamhetens

Läs mer

OPERATIV ANALYS & LOGISTIK

OPERATIV ANALYS & LOGISTIK OPERATIV ANALYS & LOGISTIK Operationsanalys och Systemteknik (på engelska Operations Research) är begrepp som ibland används för att beskriva en verktygslåda av matematiska och analytiska metoder, med

Läs mer

LEANanalyser En helt ny generations analys- och visualiseringsverktyg

LEANanalyser En helt ny generations analys- och visualiseringsverktyg LEANanalyser En helt ny generations analys- och visualiseringsverktyg 2018-10-23 Din uppgift är att ta fram en analys som ska baseras på data från ett antal olika källor. Ska du fortsätta med Excel eller

Läs mer

Alexander Medvedev Rum 2111 Dynamiska system

Alexander Medvedev Rum 2111 Dynamiska system Dynamiska system Alexander Medvedev am@it.uu.se Rum 2111 Kursen Föreläsningar 15 Lektioner - 10 Laborationer: Matlab, processlab Inluppar, 3 stycken Tentan 10/12-2004 Föreläsning 1 System och deras modeller

Läs mer

Automatisera din reseräkning Digitalisera dina kvitton

Automatisera din reseräkning Digitalisera dina kvitton Automatisera din reseräkning Digitalisera dina kvitton En smart och automatiserad tjänst för reseräkningar. Allt görs i telefonen eller på webben. Enkelt för den anställde, chefen och ekonomi- och löneavdelningen.

Läs mer

Ex post facto forskning Systematisk, empirisk undersökning. om rökning så cancer?

Ex post facto forskning Systematisk, empirisk undersökning. om rökning så cancer? Metod2 Experimentell och icke experimentell forskning Ex post facto forskning Laboratorie - och fältexperiment Fältstudier Etnografiska studier Forskningsetiska aspekter 1 Ex post facto forskning Systematisk,

Läs mer

RPA Do Tank. NEW Innovation Management

RPA Do Tank. NEW Innovation Management RPA Do Tank NEW Innovation Management 2019-02-14 Vi är NEW Innovation Management Från NEW Per-Erik Nyström Hur man väljer processer Projektledare och ansvarig inom offentlig sektor Susanna Hellström-Gef

Läs mer

ett visualiseringskluster i mellannorrland

ett visualiseringskluster i mellannorrland ett visualiseringskluster i mellannorrland Mid Sweden Visualization Cluster Avsikten är att skapa en mötesplats för de aktörer i Mellannorrland som har ett intresse och ser nytta av visualiseringstekniken

Läs mer

Studietyper, inferens och konfidensintervall

Studietyper, inferens och konfidensintervall Studietyper, inferens och konfidensintervall Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Studietyper Experimentella studier Innebär

Läs mer

Instruktion/råd för muntlig presentation

Instruktion/råd för muntlig presentation Instruktion/råd för muntlig presentation Som läkare kommer du många gånger under ditt yrkesliv att behöva hålla muntliga presentationer. Det kan vara presentation av egen forskning på konferenser, utvecklingsarbete

Läs mer

Vad är nytt i ExOpen Web Reports 2.1?

Vad är nytt i ExOpen Web Reports 2.1? Vad är nytt i ExOpen Web Reports 2.1? Innehåll Notifieringar...1 Schemalagd rapportuppdatering...2 Intranätsintegration och integrerad inloggning (Single Sign-On)...2 Förfinad visualisering...3 Teknik...5

Läs mer

Business research methods, Bryman & Bell 2007

Business research methods, Bryman & Bell 2007 Business research methods, Bryman & Bell 2007 Introduktion Kapitlet behandlar analys av kvalitativ data och analysen beskrivs som komplex då kvalitativ data ofta består av en stor mängd ostrukturerad data

Läs mer

Riktlinjer för bedömning av examensarbeten

Riktlinjer för bedömning av examensarbeten Fastställda av Styrelsen för utbildning 2010-09-10 Dnr: 4603/10-300 Senast reviderade 2012-08-17 Riktlinjer för bedömning av Sedan 1 juli 2007 ska enligt högskoleförordningen samtliga yrkesutbildningar

Läs mer

Seminariebehandling av uppsatser 1. Seminariebehandling av C- och D-uppsatser

Seminariebehandling av uppsatser 1. Seminariebehandling av C- och D-uppsatser Seminariebehandling av uppsatser 1 Seminariebehandling av C- och D-uppsatser Seminariebehandling av uppsatser 2 Anvisningar för ventilering av C- och D-uppsatser Seminariet är opponentens ansvarsuppgift

Läs mer

NODA Smart Heat Building. Hur funkar det? - En teknisk översikt

NODA Smart Heat Building. Hur funkar det? - En teknisk översikt NODA Smart Heat Building Hur funkar det? - En teknisk översikt Vad är NODA? NODA grundades 2005 baserat på forskning på Blekinge Tekniska Högskola Bygger på en stark vetenskaplig grund inom datavetenskap,

Läs mer

Förändring, evidens och lärande

Förändring, evidens och lärande Förändring, evidens och lärande Runo Axelsson Professor i Health Management Den svenska utvecklingen Traditionell organisation Enkel men auktoritär struktur, byggd på militära ideal. Byråkratisering (1960/70-talet)

Läs mer

Informations- och kommunikationsteknologi (IKT)

Informations- och kommunikationsteknologi (IKT) Informations- och kommunikationsteknologi (IKT) Byggföretagets kärnverksamhet Utföra byggverksamhet Genomföra arbetet lönsamt och effektivt Vara konkurrenskraftig på byggmarknaden Ha en administrativ struktur

Läs mer

Statistikens grunder (an, 7,5 hsp) Tatjana Nahtman Statistiska institutionen, SU

Statistikens grunder (an, 7,5 hsp) Tatjana Nahtman Statistiska institutionen, SU Statistikens grunder (an, 7,5 hsp) Tatjana Nahtman Statistiska institutionen, SU KURSENS INNEHÅLL Statistiken ger en empirisk grund för ekonomin. I denna kurs betonas statistikens idémässiga bakgrund och

Läs mer

SurveyXact funktionsöversikt Version 6.3. Allmänt om SurveyXact

SurveyXact funktionsöversikt Version 6.3. Allmänt om SurveyXact SurveyXact funktionsöversikt Version 6.3 Allmänt om SurveyXact Flexibelt, webbaserat system 100% webbaserat system Inga lokala installationer av mjukvara eller kostnader för hårdvara Åtkomst via Internet

Läs mer

Utbildningsplan för masterprogrammet i hälsoinformatik 5HI17

Utbildningsplan för masterprogrammet i hälsoinformatik 5HI17 Sid 2 (6) Utbildningsplan för masterprogrammet i 5HI17 Inrättad av Styrelsen för utbildning 2011-09-07 Fastställd av Styrelsen för utbildning 2016-04-14 Sid 3 (6) 1. Basdata 1.1. Programkod 5HI17 1.2.

Läs mer

Informationslogistik inom Akutsjukvården. Preben Larsen PenBook Sweden AB

Informationslogistik inom Akutsjukvården. Preben Larsen PenBook Sweden AB Informationslogistik inom Akutsjukvården Preben Larsen PenBook Sweden AB PenBook Sweden AB The Mobile Data Capture Company Vi effektiviserar vardagsarbetet för människor i rörelse! På 10-20 sekunder förvandlas

Läs mer

W HIT E PA P ER. Vanliga frågor om Hybrid datacenter som tjänst. Hur kan jag veta att investeringen blir lönsam? t e xt : Johan Bentzel

W HIT E PA P ER. Vanliga frågor om Hybrid datacenter som tjänst. Hur kan jag veta att investeringen blir lönsam? t e xt : Johan Bentzel W HIT E PA P ER Vanliga frågor om Hybrid datacenter som tjänst Hur kan jag veta att investeringen blir lönsam? t e xt : Johan Bentzel p u b li c e r a d : September 2018 WHITE PAPER Vanliga frågor om Hybrid

Läs mer

Kursplanen är fastställd av Programnämnden för masterutbildningar att gälla från och med , vårterminen 2017.

Kursplanen är fastställd av Programnämnden för masterutbildningar att gälla från och med , vårterminen 2017. Medicinska fakulteten VMFN28, Grundläggande forskningsmetodik för allmänmedicin, 30 högskolepoäng Basic Research Methodology in General Practice, 30 credits Avancerad nivå / Second Cycle Fastställande

Läs mer

Datavetenskapliga programmet, 180 hp

Datavetenskapliga programmet, 180 hp HÖGSKOLAN I GÄVLE UTBILDNINGSPLAN GRUNDNIVÅ DATAVETENSKAPLIGA PROGRAMMET Programkod: TGDAK Inriktningskod IT-arkitekt: ITAR Inriktningskod visiomatik: VISI Fastställd av NT-nämnden 2006-09-21 Reviderad

Läs mer