Datamine

Automatiskt genererade nyhetstexter, förutsägelser om publiksiffror i framtida hockeymatcher och ett effektivare underhåll av färjor – det är några av möjligheterna som skapas i SPARK-projektet Datamine. Som grund till lösningarna ligger artificiell intelligens och anpassade algoritmer.

Verktyg för dataanalys beskrivs ofta som generella och möjliga att använda till i stort sett vad som helst. Det stämmer också väl in på Datamine-projektet, där forskarteamet samarbetade med tre vitt skilda företag – Hall Media, Pdb och Stena Line.

– Med enkla medel, där data används på rätt sätt, går det att tillämpa verktygen på många olika företag och nå stora förbättringar, säger Ulf Johansson, projektledare för Datamine.

Texter som skriver sig själva

Projektet har utgått från konkreta utmaningar och problem i de tre partnerföretagens verksamheter, med artificiell intelligens (AI) som gemensamt tema. För Hall Media låg fokus på två utmaningar – automatgenererade texter och personifiering av nyhetsflödet. Till textgenereringen har forskarteamet utvecklat en mjukvaruapplikation som ska användas för lokala fotbollsmatcher där tidningarna inom Hall Media inte har möjlighet att skicka ut reportrar.

– Information om matcherna hämtas från fotbollsförbundets webb. Med hjälp av AI genereras sedan texterna till matchreferaten automatiskt, säger Ulf Johansson.

Personifieringen av nyhetsflödet är på testnivå och syftet i slutändan är att utifrån läsarens tidigare beteende kunna styra hur nyheterna dyker upp i flödet för olika personer.

Vad blir publiksiffran?

Med Pdb har Datamine-projektet varit involverat i konkreta kundcase. En av Pdb:s kunder är en speditör, vars tillfälliga personalstyrka ofta varierar beroende på beläggning. Med de algoritmer som utvecklats i projektet, kan nu företaget utifrån sin orderlista snabbt se exakt hur mycket personal som behövs till nästkommande dag. Beläggning var också ett tema i samarbetet med hockeylaget Växjö Lakers. För dem utvecklades en algoritm som bland annat kan förutse publiksiffrorna och beräkna vilken veckodag som är mest gynnsam att välja när man möter ett specifikt lag.

– Man kan även se andra mönster. Har man exempelvis två hemmamatcher inom loppet av några dagar, går det att se om det är bäst att möta det mest publikattraktiva motståndarlaget den första eller den andra matchen, säger Ulf Johansson.

Smartare service

Stena Line är det tredje partnerföretaget och de hade en önskan om att hitta ett smartare sätt att arbeta med så kallat ”predictive maintenance”. Även här utgjorde AI grunden för en lösning som ska ge effektivare underhåll och bättre beslut.

– Stena Line har tidigare kommit långt i sin AI-användning och nu ville de utveckla sitt underhållsarbete på färjorna. Lösningen ska göra arbetet betydligt effektivare jämfört med att följa ett serviceschema, säger Ulf Johansson.

För att skapa optimal nytta för samtliga tre företag har Datamine-projektet involverat både Tekniska Högskolan och Jönköping International Business School.

– Det har varit väldigt givande och gett oss ett tydligt businessperspektiv även på forskarsidan, konstaterar Ulf Johansson.

Mer information:

• Läs mer på projektets forskningssida
  

Finansiärer

Vill du veta mer om projektet?

Vill du vara med och utveckla nästa projekt?