Eksempler og inspirasjon

Et sted i Oslo

Badetemperatur

På tide med et bad?

Enten du liker badevannet kaldt eller varmt, er det fint å vite temperaturen. På Badeplasser og temperaturer finnes svaret.

Løsningen bruker Dataplattformen for:

Innhøsting:
Temperatur for badeplasser hentes inn fra sensorer, og fra manuelle målinger som legges inn i et Google-regneark.

Foredling:
De manuelle og automatiske målingene kobles sammen til ett datasett, slik at dataene er lette bruke.

Deling:
Dataene blir lagt ut i et API, slik at flere kan dra nytte av temperaturmålingene.

Presentasjon:
Badetemperaturene vises på nettsiden, så du kan se om din badeplass er verdt å besøke i dag.

Close enough

Deichman

Hvem er morderen?

Det er nok ikke helt spørsmålet de ønsker å besvare, men Deichman har mye data om utlån og besøk på bibliotekene. De bruker dataplattformen i kombinasjon med Tableau for å enklere kunne analysere og presentere dataene. Bedre innsikt hjelper dem i beslutninger og planlegging av for eksempel innkjøp, tjenestetilbud og kapasitet. De ønsker også å koble sine egne data med andre datasett slik som demografisk statistikk om bydelene.

Løsningen bruker Dataplattformen for:

Innhøsting:
Anonymiserte data om besøk og utlån overføres hver natt fra Deichman sine fagsystemer til Dataplattformen.

Foredling:
Dataene kvalitetssjekkes og oversettes til et annet format (Parquet) som er mer effektivt for spørringer.

Analyse:
Deichman kobler analyseverktøyet Tableau til dataplattformen og bruker dette til å analysere og visualisere dataene.

Deling:
Deichman planlegger på sikt å dele åpne data som eksempelvis statistikk over utlån og besøk.

Et sted i Oslo

Bydelsfakta

Bydelsfakta viser statistikk om befolkning, levekår, boligpriser og boforhold i ulike deler av Oslo.

Løsningen bruker Dataplattformen for:

Innhøsting:
Statistikk blir sendt inn til Dataplattformen som Excel-ark.

Datalagring:
Bydelsfakta henter ferdig behandlet data rett fra Dataplattformen istedenfor å ha sitt eget datalager.

Foredle:
Opplastede Excel-data blir konvertert til CSV, beriket med mer informasjon, og vasket for å sørge for konsistent datamodell (som navn på felter, format på innhold). Deretter blir statistikk-dataene sammenstilt til nye datasett.

Deling:
Bydelsfakta bruker det nye datasettet som grunnlag for de forskjellige grafene og tabellene på deres sider.

Et sted i Oslo

Estimerte køtider ved gjenbruksstasjonene

Hvor lenge må du vente ved gjenbruksstasjonen?

Køen ved våre gjenbruksstasjoner viser bilder av køen ved gjenbruksstasjonene Grefsen, Grønmo, Haraldrud og Smestad. For Haraldrud estimerer vi også køtid.

Løsningen bruker Dataplattformen for:

Innhøsting:
Bilder blir samlet inn direkte fra kameraer på Haraldrud gjenbruksstasjon. Bilder er også data!

Foredling:
Bildene behandles og gjøres velegnet for bruk i maskinlæring.

Tolkning:
Med maskinlæring tolker vi hvor enden av køen er. Kombineres med tall om køens bevegelse, så anslår vi ventetiden.

Deling:
Resultatet vises på nettsiden, slik at du kan se om det er noen vits å kjøre til gjenbruksstasjonen akkurat nå.

Personvern:
Bilskilt er ikke leselige og vaktbua til de ansatte på gjenbruksstasjonene holdes ute av bildene.