Program. Praktisk information 9/28/17. Årets tema: ITSM Borås ITSM Borås ITSM Borås ITSM Borås deltagare: vilka är vi?

Transkript

1 9/28/17 Välkommen till konferensen IT Service Management Borås 2017 Årets tema: Forskargruppen ForskargruppenInnovationLab, InnovationLab Stefan Cronholm ITSM i förändring: DevOps, data-driven innovation och digitalisering Program DevOps and Pipelines, Simone Jo Moore, SJM Company Kaffe Paneldebatt: DevOps i praktiken Lunch 13:00 itsmf du är väl med? Peter Hero Tema Data-driven Innovation 13:15 Data-driven Innovation: Algoritmer, plattformar och ekosystem, Högskolan i Borås 13:45 Innovate or Die, Peter Sandberg, Research Institute of Sweden (RISE) 14:15 Data-driven innovation: möjligheter och utmaningar, Magnus Axelsson, Ellos Kaffe 15:00 Self service- och Servicedeskrevolutionen! Fredrik Stolpe, Zitac 15:30 Paneldebatt: Data-driven innovation i praktiken 16:00 Avslutning, Stefan Cronholm, Högskolan i Borås Tema DevOps :15 DevOps is going to fail, unless... Paul Wilkinson, GamingWorks Företag (80 anmälda) Akademi (30 anmälda) Offentlig sektor (30 anmälda) Praktisk information 140 deltagare: vilka är vi? üåtkomst till internet üåtkomst av presentationer ükaffe/te ülunch Gröna matsalen üavhängning kläder ütoaletter 1

2 9/28/17 Moderator: Joacim Åstedt Data-driven innovation: förändringskraft för digital transformation Digital transformation: Digitala tekniker och förmågor som förändrar Data-driven innovation: en organisations theochstrategic utilization of data and värdeerbjudande analytics to improve or foster new verksamhetsmodell. processes, products, services, and markets (OECD 2015) Medverkande företag: Ellos Group, Ericsson, Eton AB, Illumineight, Länsförsäkringar, Pulsen, Evry, SAS Institute, Support Services Institute, Telia Company, Tregamma, Vinga of Sweden, Volvo Cars och WSP Sverige AB Overall business objective: Competitive advantage through data-driven innovation Synergy objectives Data-driven innovation: algoritmer, digitala plattformar och ekosystemstrategier Overall scientific objective: Advance theory on data-driven innovation Develop a toolbox consisting of integrated sociotechnical resources for data-driven innovation Knowledge of software algorithms Knowledge of digital service platforms Knowledge of ecosystem strategies Scientific objective Develop domain tailored algorithms for data analysis Develop design principles for digital platforms Develop strategies for managing barriers in data-driven innovation Business objective Derive accurate consumer insights Develop innovative services Identify and navigate data barriers Objectives sub-project 1 Objectives sub-project 2 Objectives sub-project 3 ECOSTRAT Ecosystem Strategies to Navigate Data Barriers Borås Dr Daniel Yar Hamidi Fallstudier med partners Inriktning: SAS Institutes samarbete med Volvo Trucks (Process and Solution) inom Warranty, Quality Analytics och Supplier Warranty Recovery. Hur dessa enheter analyserar datamängder (genom QRAFT) för att hitta mönster och förbereda beslut. Inriktning: Länsförsäkringars implementation av en datadriven utvecklingsprocess och design av en shared platform för beslutsfattande och innovation. Inriktning: WSPs transformation att kunna erbjuda datadrivna tjänster till kunder som del av sin verksamhet. 2

3 Skills, non-digital and digital capabilities required to fulfil the offer A comprehensive description of the offer Set of activities to deliver the offer A typology of obstacles that may hamper the process and how to navigate them 9/28/17 Forskningsfrågor Arbetspaket Research questions 1) How can data-driven analytics facilitate innovation? 2) What barriers impact data-driven innovation? 3) What constitutes strategies to manage barriers to data-driven innovation? 4) What capabilities must be in place to achieve competitive advantage through data-driven innovation? Aktiviteter i WP2 och WP3 SAS Institute och Volvo Trucks Systempresentation Länsförsäkringar WSP Arbetsmöte / workshops synergimöten med SAS (3 planerade Maj- Juni 2017) Intervjuer 15 (+10 planerade) planerade Maj-Juni Data-driven utvecklingsprocess Fyra typer av data-drivna offers Consortium offer non-lead Capabilities Value offer Process Barriers Each assignment type will be defined as a value offer, a process that adhere to the value offer, capabilities required, barriers to mind and manage. Consortium Consortium offer offer non-lead lead c c WSP WSP Single customer, Single customer, recurrent multiple spin-offs assignments c2 c3 c1 c1 c1 c1 c4 3

4 9/28/17 Data-Driven Innovation DP1 Software Algorithms for Data Analysis Thanks for your attention! Dr Daniel Yar Hamidi Högskolan i Borås Software Algorithms for Data Analysis Genomfört arbete Företagspartners Ellos group, Vinga of Sweden, Eton Forskningsfråga How can machine-learning algorithms be developed and used for advanced data analytics, to gain valuable consumer insights Företagsmål mer träffsäkra, detaljerade och agerbara kundinsikter Vetenskapligt mål Utveckla domänanpassade algoritmer för dataanalys Datainsamling Förstå data och företagsbehov Arbetat med tre spår Multi-objective-analys av kunderbjudande Likhetsbaserade försäljningsprognoser HPC verktyg för mining av multi-objective associationsregler Multi-objective analys av kunderbjudande Ellos skickar kontinuerligt ut en stor mängd erbjudanden till sina kunder. Vill optimera lönsamhet och aktiveringsgrad samtidigt! Drygt en miljon order med ca 2000 olika kombinationer av erbjudanden analyserades Enkel approach till multi-objective-optimering där lönsamhet och aktiveringsgrad vägs ihop. Svårt att skapa en tolkningsbar modell med tillfredställande prestanda. Delmängder av modellen uppvisade dock bra resultat. Kopplar mot WPs 1A Domain comprehensibility 2A Multi-objective optimization Profit Likhetsbaserad försäljningsprognostisering Vinga har kortlivade produkter som endast säljs en eller två säsonger Inte tillräckligt med historik för traditionell försäljningsprognostisering. Prognoser måste istället baseras på likhet Utvärdering av datakällor i tre iterationer Produktgrupp, vikt, pris volym, historik Sortiment, kvalité, förpackning, säsong, provförsäljning Klickmönster på site Kopplar mot WPs 1A Domain comprehensibility 2B Incorporating domain knowledge Activation 4

5 9/28/17 Avancerat säljstöd Pareto filtering Eton vill ha butiksanpassat säljstöd Säljaren skall kunna justera villkoren och dynamisk få uppdaterat säljförslag Arbetet har ännu ej startat Eton har nyligen blivit del av projektet Workpackges Planerat och påbörjat arbete Workpackages Påbörjat 1A - Domain Comprehensibility X 1B - Sensitivity Analysis 2A - Multi-objective optimization X 2B - Incorporating domain knowledge X 3 - Conformal Prediction 4 - High Performance Computing X Vetenskaplig publicering Online attribution Hur kan resursallokering av digitala marknadsföringskedjor optimeras med en datadriven approach Prediktion av churn och osäkerhets estimering med conformal prediction Analys av förutsättningar för avatarbaserad kundsupport. Utvärdering av nya datakällor för försäljningsprognostisering Problem Digital Platforms For Innovative Services Hannes.gobel@hb.se Det saknas kunskap om tjänsteparadigmet och hur ITSM organisationer samskapar innovativa värdeerbjudanden. Det saknas kunskap om hur ITSM organisationer kan nyttja nya datakällor för att skapa tjänsteinnovationer Det saknas kunskap om hur ITSM organisationer kan kombinera förmågor hos människor och förmågor datorer. 5

6 9/28/17 Bidrag Möjliga effekter vid lyckat resultat Ø Tillgång till ny kunskap och nya förmågor Underlev Algoritmer Kund Lev. DB Ø Förbättrad innovationsförmåga - fler och bättre innovationer Ø Förbättrad time to market Ø Ökad förståelse för olika aktörers agerande (kunder, leverantörer och partners) Ø Möjlighet att förbättra/förfina/synkronisera organisationsmål Ø Sätta gemensamma aktörsmål Ø Högre värde för flera partners Ø etc. Hannes@gobel.se Delprojektets partners v Pulsen v Tregamma v Ericsson v Volvo Cars v Evry v Illumineight v Telia Company v SSI Intresserad av att veta mer? Hannes.gobel@hb.se 6