Det var flere teknologer med enn vanlig da D-box inviterte til nettverkssamling om datadrevet innovasjon i offentlig sektor. Vi hadde til og med en professor i matematikk som innleder. Men selv om dette så absolutt handler om teknologi – som er i en drivende utvikling, var det et tilbakevendende budskap at det i enda større grad handler om mennesker og kultur.

Forventningene er høyere enn resultatene

Regjeringen er tydelig i sitt budskap: Norge skal bli verdens mest digitale land og innen 2030 skal vi være ledende på verdiskaping med data og datadrevet forskning og innovasjon, jf. Nasjonal digitaliseringsstrategi - regjeringen.no. Samtidig kommer det frem i Digitaliseringsdirektoratets analyse av “Rikets digitale tilstand 2019-2024" at vi er middels gode på deling og bruk av data på tvers - kjernen i datadrevet innovasjon. Riksrevisoren er heller ikke særlig imponert. Undersøkelser viser at offentlig sektor har store datamengder som ikke deles eller gjenbrukes. Juridiske uklarheter rundt personvern og datadelingsregler er et av de største hindrene. Samtidig er det en utfordring at initiativ ofte blir fragmenterte og spredte på grunn av manglende styring, koordinering og ansvarsplassering på tvers av departementer og forvaltningsnivåer.

Hvordan omsette data til innsikt og gode beslutninger?

Skal data bli innsikt, og et godt grunnlag for beslutninger, må vi først forstå at data og KI ikke er svaret i seg selv, men et verktøy for å forstå dynamikk. Fabian Harang, professor på BI forklarte oss hvorfor komplekse systemer (som helse, transport, klima og beredskap) krever modellforståelse, ikke bare tall og algoritmer.

“We are surrounded by data, but starved for insights.”

— Jay Baer

I komplekse systemer er det uendelig mange sammenhenger og avhengigheter. Små beslutninger kan føre til store konsekvenser og da vil ikke tradisjonell analyse (Excel + magefølelse) være nok. I slike situasjoner kan matematiske modeller og AI bidra til mer robuste beslutninger ved å fange mønstre i store datasett og simulere konsekvenser av ulike valg på en måte som er utenkelig med tradisjonell analyse. Ved bruk av AI kan vi bruke sannsynlighetsmodeller til å utforske alternativer som oppdateres kontinuerlig og utvikles adaptivt. Kort oppsummert handler det om:

1. Kontekstualisering forstå hva problemet egentlig er

2. Visualisering gjør modellene forståelige

3. Iterasjon lær av utfall og juster raskt

Bydel Gamle Oslo har gått fra frustrasjon til motivasjon

Men hvordan kan dette se ut i den virkelige verden? Miljana Frostad og Ole Kristian Hartvedt Knudsen ga oss et lite innblikk i den reisen Bydel Gamle Oslo har vært igjennom de siste årene. Da de startet i 2021 hadde de ingenting: verken data, teknologi eller kompetanse. Nå har de en dataplattform, flere ulike løsninger, rapporter og dashboard, og i tillegg til å analysere data har de begynt å utforske ulike modeller for prediksjon. Målet er at data skal hjelpe bydelen å styre ressursene sine bedre slik at de skaper størst mulig verdi for innbyggerne.

“Vi går fra synsing, til beslutninger basert på oversiktlig data. Det gjør det lettere å forstå valgene vi tar og øker tilliten til våre beslutninger, både blant de ansatte, tillitsvalgte og innbyggere.”

— Ariana Ruud, leder for koordinerende enhet, Helse og mestring

Blant annet har de begynt å utforske hvordan de kan forutse behovene den enkelte barnehage vil ha i fremtiden og dermed bruke ressursene på en smartere måte. Med utgangspunkt i prediksjon av oppmøte for både barn og ansatte har de laget turnuser som treffer bedre på behovet og etablert barnehageklynger for smart ressursfordeling mellom barnehager. For første gang kan de se de store trendene for når det er barn i barnehagen, og hvordan dette passer med antallet voksne.

Data som drivstoff

Joakim Formo, designer og førsteamanuensis ved AHO viste oss hvordan vi kan se på data som stoff, og materiale for kreative nye løsninger og idéutvikling. Et kjent fenomen i alt fra biologi til urbanisme er at mangfold og god ‘konnektivitet’ gir forutsetninger for nyskaping og utvikling. Med tanke på innovasjon i et samfunnsperspektiv er det derfor viktig å ikke bare ha mye data, men variert og forskjellig data som er åpent tilgjengelig. Alt fra små lokale data om hvor mange som sykler på en sykkelvei og innsamling av data om brunbjørn - i form av en bjørneskitkasse for innsamling av bjørnebæsj - kan inngå som en viktig del av et tiltak for folkeopplysning, folkehelse og utvikling av nærmiljøet, og være del av en motivasjon og utvikling av holdninger og fellesskapsfølelse. Prosessene med datainnsamling kan brukes til å skape andre verdier på helt andre områder.

Vi ble samtidig minnet om hvor viktig det er å tolke data inn i relevante kontekster, og ikke miste av syne hva vi ønsker å oppnå. For hvis data begynner å bli et mål i deg selv, slutter det å være et godt tiltak.

Goodharts lov:

“Når et tiltak blir et mål, slutter det å være et godt tiltak.”

— Charles Goodhart økonom, tidligere britisk sentralbanksjef

Joakim presenterte også nyttige begreper og en god modell knyttet til ulike typer data og hva de kan gi oss av informasjon: stordata kan fortelle oss hva som skjer i stor skala – mens tykke data kan fortelle oss hvorfor noe skjer i en gitt kontekst.

Modell for å kombinere kvantitativ og kvalitativ data (Policy Lab, 2020)

Vi trenger begge deler, både for å finne de reelle problemene, mulighetene og løsningene. Vi bør også være oppmerksomme på at vi ikke bare bruker harde data når problemer skal forstås og beslutninger skal fattes, men også de mer myke knyttet til følelser, drømmer, kreativitet, håp og frykt.

Hva hvis offentlig sektor visste det offentlig sektor vet?

En gjennomgående situasjonsbeskrivelse hos de 20 virksomhetene og kommunene som var i nettverksmøtet er at vi har mye data, men at vi ikke er så flinke til å bruke dem. Asker kommune minnet oss i den sammenheng på et sitat av Gottschalk.

“Hvis politiet hadde visst det politiet vet, så hadde politiet oppklart alle kriminalsaker. ”

— Petter Gottschalk, professor ved BI

Så hvorfor får vi det ikke til? Det gjorde inntrykk da en av de store statlige virksomhetene delte sin analyse: Vi har egentlig alt. Vi har en ambisiøs strategi, forankring i toppledelsen og den kompetansen vi trenger, men det går smått likevel. Det handler om kulturen: vi er risikoaverse og mangler vilje og mot til å prøve.

I D-box tenker vi ett viktige svar er at vi trenger gode prosesser og metoder som gir nødvendig trygghet og mot til å utforske nye muligheter, og å ta steget fra ord til handling. Samtidig trenger vi nysgjerrige ledere med pågangsmot. De som skjønner at jobben ikke er gjort når strategien er lagt, men som aktivt er med å motiverer, støtter og lærer underveis. Da kan vi komme oss fra data til innsikt og gode beslutninger - og få opp farta.

PS. Hvis du og din virksomhet/kommune kunne tenke dere å være med i D-box nettverk for innovasjon i 2026, ta kontakt.

Nytt år - kan gi nye muligheter!

Hva hvis offentlig sektor visste det offentlig sektor vet?

Hvordan kan system-perspektivet hjelpe oss å navigere i ukjent terreng?

Vi har verken tid eller råd til å fortsette som før!