Innhold om Data og analyse
Totalt 8 innlegg
Forstå produktet ditt med Posthog: Fra innsikt til produktbeslutninger
Vi gjør hele tiden antagelser om hvordan brukerne våre oppfører seg. Men hvem er brukerne våre egentlig, og hvordan bruker de produktet vårt?
Vi gjør hele tiden antagelser om hvordan brukerne våre oppfører seg. Men hvem er brukerne våre egentlig, og hvordan bruker de produktet vårt?
Forstå produktet ditt med Posthog: Samle innsikt i produkt-dashboard
Vi gjør hele tiden antagelser om hvordan brukerne våre oppfører seg. Men hvem er brukerne våre egentlig, og hvordan bruker de produktet vårt?
Vi gjør hele tiden antagelser om hvordan brukerne våre oppfører seg. Men hvem er brukerne våre egentlig, og hvordan bruker de produktet vårt?
Forstå produktet ditt med Posthog: Lag innsikt ut av målingene
Vi gjør hele tiden antagelser om hvordan brukerne våre oppfører seg. Men hvem er brukerne våre egentlig, og hvordan bruker de produktet vårt?
Vi gjør hele tiden antagelser om hvordan brukerne våre oppfører seg. Men hvem er brukerne våre egentlig, og hvordan bruker de produktet vårt?
Forstå produktet ditt med Posthog: Kom i gang
Vi gjør hele tiden antagelser om hvordan brukerne våre oppfører seg. Men hvordan bruker de egentlig produktet vårt?
Vi gjør hele tiden antagelser om hvordan brukerne våre oppfører seg. Men hvordan bruker de egentlig produktet vårt?
Saving lives with data: Oslo's journey in ambulance demand forecasting
Time series forecasting has several applications and can provide valuable information. Recently I worked on a project forecasting ambulance demand for the emergency medical dispatch in Oslo. Using machine learning, statistical methods and a combination of the two, we explored how to forecast the demand as accurately as possible. The aim of this article is to give a general introduction to the process we used to create these models, which I believe can be relevant for many other applications as well.
Time series forecasting has several applications and can provide valuable information. Recently I worked on a project forecasting ambulance demand for the emergency medical dispatch in Oslo. Using machine learning, statistical methods and a combination of the two, we explored how to forecast the demand as accurately as possible. The aim of this article is to give a general introduction to the process we used to create these models, which I believe can be relevant for many other applications as well.
Hvorfor bør du synliggjøre verdien av data du ikke har?
Mange virksomheter sitter på store mengder data som kunne blitt brukt til å ta bedre beslutninger hvis den hadde vært tilgjengelig for potensielle brukere. Utilgjengeligheten opprettholdes grunnet en ond sirkel der ingen bruker dataen fordi den ikke er tilgjengelig (nok), samtidig som økt tilgjengelighet ikke prioriteres fordi ingen bruker dataen, og verdien blir dermed ikke synlig. Nøkkelen til å bryte denne sirkelen ligger i å synliggjøre verdien av dataen.
Mange virksomheter sitter på store mengder data som kunne blitt brukt til å ta bedre beslutninger hvis den hadde vært tilgjengelig for potensielle brukere. Utilgjengeligheten opprettholdes grunnet en ond sirkel der ingen bruker dataen fordi den ikke er tilgjengelig (nok), samtidig som økt tilgjengelighet ikke prioriteres fordi ingen bruker dataen, og verdien blir dermed ikke synlig. Nøkkelen til å bryte denne sirkelen ligger i å synliggjøre verdien av dataen.
Lineære modeller: Hvorfor din AI-fastlege™ ikke bør bruke nevrale nettverk
Det er 2038. Ingen utviklere finnes lenger, kunstig intelligens har fått litt regulering og Carl I Hagen sitter fortsatt på Stortinget. Du føler deg litt småsyk, og drar til din lokale AI-fastlege™. En halvdystopisk robot ruller over gulvet og tar noen blodprøver. Du taster inn de andre symptomene dine på en interaktiv skjerm og venter spent. Snart, med en nesten uhyggelig effektivitet, vises diagnosen tydelig på skjermen foran deg. Stoler du på den?
Det er 2038. Ingen utviklere finnes lenger, kunstig intelligens har fått litt regulering og Carl I Hagen sitter fortsatt på Stortinget. Du føler deg litt småsyk, og drar til din lokale AI-fastlege™. En halvdystopisk robot ruller over gulvet og tar noen blodprøver. Du taster inn de andre symptomene dine på en interaktiv skjerm og venter spent. Snart, med en nesten uhyggelig effektivitet, vises diagnosen tydelig på skjermen foran deg. Stoler du på den?
Data og brukerinnsikt
I november samlet vi flere av Bekks faggrupper for å snakke om krysningspunktet «Data og brukerinnsikt» – og for en kveld det ble! UX-designere, forretningsrådgivere og utviklere var samlet for å diskutere utfordringer og lære om hverandres perspektiv.
I november samlet vi flere av Bekks faggrupper for å snakke om krysningspunktet «Data og brukerinnsikt» – og for en kveld det ble! UX-designere, forretningsrådgivere og utviklere var samlet for å diskutere utfordringer og lære om hverandres perspektiv.