Går fra å bygge rapporter til å snakke med dataene

Norske bedrifter har brukt enorme ressurser de siste årene på å digitalisere og tilgjengeliggjøre data gjennom standardiserte dashbord og Power BI-rapporter. Denne innsatsen har gjort mye for å ryddet opp i mangfoldet av «forskjellige sannheter» i tusenvis av Excel-ark, men det er samtidig en løsning som har skapt nye flaskehalser.

Det var det klare budskapet fra Helene Brandsrud, produktleder for analyseplattform i Hafslund, da hun holdt innlegg på en nettverkssamling for CFOer i regi av Tell og næringsforeningene i Sarpsborg, Halden og Fredrikstad i forrige uke.

Slik bygde de «Turi»

Brandsrud dro de nær hundre oppmøtte gjennom hvilke konkrete tiltak energikonsernet har gjennomført de siste fire årene.

Det kanskje mest grunnleggende av disse er analyseplattformen «Turi», som de har bygd for å samle og sammenstille informasjon fra selskapets komplekse konsernstruktur. Den er strukturert rundt tre sentrale teknologikomponenter:

• Snowflake: Fungerer som kjerne for lagring, historisering og transformasjon av rådata fra selskapets mange fagsystemer.

• Dagster: Fungerer som en «dirigent» som tidsstyrer og automatiserer innhentingen av data fra ulike kildesystemer, for eksempel økonomisystemet.

• dbt (Data Build Tool): Benyttes til å strukturere og transformere ustrukturerte rådata til definerte tabeller og modeller.

Plattformen driftes av et teknisk kjerneteam, mens et sentralt analyseteam bistår de ulike forretningsområdene med å ta i bruk dataene.

Tre fusjoner, mange definisjoner

Hafslund har vært gjennom omfattende organisatoriske endringer de siste årene, ikke minst fordi de har slått sammen tre ulike selskaper med over hundre års historie – og et mangfold av arbeidsmetoder og rapporteringspraksiser.

Det tekniske løftet handler derfor ikke først og fremst om å få på plass programvare, for det var mye å rydde i før de kom dit. De siste tre-fire årene har de jobbet frem felles KPI-definisjoner, ryddet i masterdata, definert sentrale begreper og dokumentert beregningslogikken. Da først, kunne de slippe AI løs på resultatet.

– Organisasjonen satt med tre ulike måter å beregne og rapportere tall på. Her måtte vi rydde opp og utarbeide felles standarder. Ett eksempel er «slik definerer vi EBITDA i Hafslund, og disse postene skal inngå», men her var det mange forhold vi måtte ta tak i, sa Brandsrud om definisjons-delen av oppgaven.

Resultatet er at Hafslund nå, heller enn å ha tre forskjellige måter å beregne og rapportere tall på i ulike avdelinger, har både felles definisjoner og standardiserte forretningsprosesser. På den måten står de med et fundament som AI kan ta tak i på en verdiskapende måte.

Testet AI-rapportering på minutter

Hafslund har allerede satt den nye teknologien på prøve. De samlet nylig representanter fra prosjekt- og HMS-avdelingene for å teste AI-agenter opp mot de nye datamodellene. Resultatet var oppløftende:

• Aggregerte prosjektrapporter: I stedet for at prosjekteiere manuelt oppsummerer prosjektlederes skriftlige statusrapporter for styret, genererer en AI-agent en aggregert oppsummering av fremdrift og avvik over de siste tre månedene. Prosjekteier godkjenner eller justerer teksten direkte i systemet.

• HMS-samhandling: Selskapet etablerte en løsning der ansatte kan chatte direkte med HMS-avviksdata, få oppsummeringer i sanntid og hente ut ferdige rapporter.

• Lynrask visualisering: Teamet testet å ta skjermbilde av en eksisterende rapport og laste det inn i et AI-verktøy. Fem minutter senere hadde agenten bygget en funksjonell visning basert på underliggende data.

– Veien videre er kort når den tunge jobben med å strukturere dataene allerede er gjort. Vi har sett at de som vinner frem i dette kappløpet om bruken av kunstig intelligens, blir de som har best forståelse av egen virksomhet. Og da er det bare å begynne med å få denne innsikten ned på papiret, var Brandsruds råd til forsamlingen.