Mer om projektet

Fig 1: Illustration av labbets tematiska område

Multikompentent konsortium

Projektkonsortiets sammansättning maximerar möjligheten att det datadrivna labbet redan från början får spelregler som balanserar offentlig sektors, företagens, forskningens och medborgarens intressen. Att Quadruple helix-ansatsen speglas väldigt tydligt i konsortiets sammansättning medför att det etablerade labbets utformning och spelregler också kommer att göra det också i praktiken.

Projektet kommer att styras med agila metoder. För att identifiera vad som utgör relevanta spelregler och testa att labbets utformning också fungerar i praktiken ska ett antal pilotprojekt genomföras. Förutom innovationen som sådan ställer pilotprojekten olika principiella frågeställningar på sin spets vilket då blir triggern för diskussioner och framtagande av labbets spelregler men driver också krav på den tekniska miljöns innehåll.

I projektkonsortiet finns mycket god kompetens kring kommersiellt hållbarhetsarbete och cirkulär ekonomi i form av ESAM samt tillgång till erfarenheter från projektet Cleaner Growth. Via Umeå universitet och Elsys AB finns tillgång till god teknisk kompetens kring Internet of Things och Big Data-lösningar vilket är centrala delar i datadriven innovation. Här finns även kunskaper och erfarenheter av vetenskaplig och kommersiell dataanalys, visualisering och tolkning av data utifrån analyser av data baserad på statistiska modeller.

I Sliperiet finns uppbyggda metoder för kunskapsutbyte och kunskapsöverföring i innovationsmiljöer bestående av olika aktörer, forskare, innovatörer, företag och samhällsaktörer.

De offentliga aktörerna och de offentlig ägda bolagen är både problemägare och tillhandahållare av data och fysiska testbäddar. Umeå kommun står för stadsperspektivet medan Lycksele och Storuman står för omlandsperspektivet. Västerbottens Läns landsting och region Västerbotten har ett regionalt perspektiv. ESAM AB och Umeå Energi AB är en kommersiell problemägare och är även ägare av intressanta data. Umeå Hackerspace och Open Knowledge Foundation står för ett icke-kommersiellt och samhällsengagerat medborgarperspektiv.

Typer av kompetenser som labbet ska kunna bistå med/förmedla kontakt till

Förutom dataråvara och dataförädlingsteknik behöver innovatören stöd i form av olika kompetenser. Vår initiala bild över vad för slags kompetenser labbet bör kunna bistå med/förmedla är kompetens om:

• genomförande av workshops/sociala lab, innovationsmetoder och modeller
• jämställdhet/mångfald
• verktyg för dataanalys, statistiska metoder, datainhämtning och datalagring
• visualisering/gränssnitt mot människa
• juridik
• social hållbarhet
• ekonomisk hållbarhet
• ekologisk hållbarhet 

Kunskap om kommersialisering och företagsbyggande kan komma att behövas men där finns redan etablerade strukturer i form av t ex Uminova, Almi m fl.

Öppen källkod och koppling till befintlig kompetens
Den tekniska delen baseras på de öppna källkodsprodukter som ingår i FIWARE-plattformen. På så vis underlättas sammankoppling av olika tekniska komponenter (integrationer), fastlåsning till enskilda leverantörer minskas och de blir enklare att komplettera och vidareutveckla tekniska komponenter.

Vårt labb är samlokaliserat med ett antal befintliga labb som finns i Umeå universitets enhet “Sliperiet”. Förutom lokaler bidrar Sliperiet även med kopplingpunkter till Umeå universitet samt befintliga organ/kompetenser för företagsetablering, kommersialisering, marknadskommunikation etc.

Fig 2: Olika aktörer och miljöer som projektet inkluderar via styrgrupp, projektgrupp och advisory board

Projektmål

Projektets mål är att:

• Etablera strategier, spelregler som möjliggör innovationsarbete och spridning av innovationen nationellt och internationellt samt kommersiellt eller icke-kommersiellt.
• Definiera kompetensprofiler och knyta personer med denna kompetens till labbet.
• Driftsätta, bygga upp handhavandekompetens och testa de tekniska komponenter/verktyg
• Bidra till regional kunskapsuppbyggnad kring datadriven innovation
• Genomföra minst tre piloter med huvudsyfte att testa att utformning/organisation av labbet och de framtagna spelreglerna är ändamålsenliga i praktiken.
• Utvärdera arbetssätt, den kompetens som är knuten till labbet och de tekniska plattformarna och skapa förslag på hur uppskalningen av och fortsättningen för labbets verksamhet bör utformas.
• Sprida våra erfarenheter via seminarier, kundmöten samt via aktörernas webbar och konton på sociala medier
  Människorna i labbet och dess förmåga att samarbeta och komplettera varandras kompetens och perspektiv är central. Det är när olika kompetenser, agendor och bakgrunder möts som frågeställningar som kräver spelregler, bedömningsprinciper och avvägningar blir konkreta och synliga. De olika frågeställningarna fångas upp i pilotprojekten och blir input till förslag på hur spelreglerna ska se ut som sedan lyfts till styrgruppen och i projektets advisory board för diskussion, komplettering/justering och beslut.

Vill du läsa projektbeskrivningen finns denna här: Projektbeskrivning projekt Ladds

Utmaningar där datadrivna innovationer kan vara en lösning

Här är några av de utmaningar som vi identifierat i detta tidiga skede:

• Betygssättning/ranking av fordonspark avseende miljöprestanda relativt andra företags fordonsparker
• Algoritm som beräknar företags/organisationers koldioxidutsläpp utifrån relevanta data så att företagen/organisationerna kan benchmarkas mot varandra
• Hitta faktorer som påverkar folkhälsa och finna ut hur sambanden mellan dessa olika faktorer ser ut
• Skapa en robust datafångst av företags/organisationers miljöpåverkan i realtid via sensorer/mätare
• Algoritm som beräknar företags/organisationers totala miljöpåverkan utifrån relevanta data där insatsprodukters och tillverkade produkters miljöpåverkan under hela livscykeln tas med
• Identifiera dimensioner och mått/indikatorer som mäter projekts totala nytta för kunden, konsultföretaget och konsulten och miljön
• Ta fram en lösning som underlättar samåkning till idrottsevent.
• Realtidsmätning av mått som mäter psykosocial arbetsmiljö
• Fånga flöden i staden och skapa förutsättningar för ett mer automatiserat framtagande av översikts- och detaljplaner grundade på aktuella data och analyser av dessa data
• Göra det möjligt att sammanställa och synliggöra data från SME:s så att benchmarking mm blir möjligt
• Samla data kring flöden av material och energi och visualisera dessa så att åtgärdsförslag kan baseras och prioriteras utifrån data och inte gissningar. Landsbygden kan ha egna krav på data och lösningen i övrigt. Data ska finnas på kommunnivå men kunna aggregeras till länsnivå.Behov finns av att skapa en ”hållbarhetsmärkning” på livsmedel för att underlätta för konsumenterna att välja varor som är så hållbara som möjligt.
• Algoritm som beräknar CO2-utsläpp kopplade till faktiska tjänsteresor och automatiskt klimatkompensera dessa.
• För att lokala event på landsbygden ska kunna blomstra krävs data som gör det möjligt att analysera vilka som besöker eventet och vilka erbjudanden som de uppskattar/ saknar/ ogillar. Detta måsta vara möjligt att göra så automatiskt och billigt som möjligt