DATALOGI OG FORRETNING Asger Alstrup Palm. Hvordan oversætter man datalogi til forretning?

Præsentationer af emnet: "DATALOGI OG FORRETNING Asger Alstrup Palm. Hvordan oversætter man datalogi til forretning?"— Præsentationens transcript:

1 DATALOGI OG FORRETNING Asger Alstrup Palm

2 Hvordan oversætter man datalogi til forretning?

3 ∃ η: Datalogiη = $$ ? A) Laver en app B) Laver en dot-com C) Skriver fed, fed kode D) Bruger datalogi som en hammer

4 Vores verden Papirbøger

5

6 Kan datalogi løse disse problemer? Typiske problemer i virksomheder: Dårlig kvalitet i produkter For dyr udvikling af produkter Langsom udvikling af produkter Markedsføring Konkurrerende produkter

7 Dårlig kvalitet, dyr & langsom udvikling af e-learning Hvad kaldes flyvene dyr? a)Fugle b)Gris c)Patte dyr Hvad kaldes flyvene dyr? a)Fugle b)Gris c)Patte dyr Hvad adskiller fugle fra andre dyr? a)De kan flyve b)Fjerdragt c)Tyndt skelet Hvad adskiller fugle fra andre dyr? a)De kan flyve b)Fjerdragt c)Tyndt skelet DATALOGI

8 Dårlig kvalitet, dyr & langsom udvikling af e-learning Integreret udviklingsmiljø til forfattere Bugtracking, reviewsystemer, processystem, statistik Live feedback fra elever, positiv feedback-loop Automatisk karantæne af dårligt materiale Beta-periode til sikring af kvalitet Alt er automatiseret Hvad kaldes flyvene dyr? a)Fugle b)Gris c)Patte dyr Hvad kaldes flyvene dyr? a)Fugle b)Gris c)Patte dyr Hvad adskiller fugle fra andre dyr? a)De kan flyve b)Fjerdragt c)Tyndt skelet Hvad adskiller fugle fra andre dyr? a)De kan flyve b)Fjerdragt c)Tyndt skelet DATALOGI

9 Dårlig kvalitet, dyr & langsom udvikling af e-learning Det er løst med DATALOGI. Det er ikke løst ved at ansætte flere projektledere, give højere løn, sikre større faglighed, stærkere ledelse eller ved at lave standardprocedurer. Hvad kaldes flyvene dyr? a)Fugle b)Gris c)Patte dyr Hvad kaldes flyvene dyr? a)Fugle b)Gris c)Patte dyr Hvad adskiller fugle fra andre dyr? a)De kan flyve b)Fjerdragt c)Tyndt skelet Hvad adskiller fugle fra andre dyr? a)De kan flyve b)Fjerdragt c)Tyndt skelet DATALOGI

10

11 Produktivitet Første produkt lavet i hånden af dataloger, dyrt og besværligt Næste 8 produkter lavet af masser af mennesker, gik næsten galt Næste 25 produkter lavet automatisk, stort set smertefrit Tre år efter har vi 700 titler i 100 fag, lavet af tusindevis af forfattere gennem vores system Umuligt uden datalogi

12 Problemer løst ✔ Dårlig kvalitet i produkter ✔ For dyr udvikling af produkter ✔ Langsom udvikling af produkter Markedsføring Konkurrerende produkter

13 Hvordan sælger man 12. udgave af Introduction to psychology? ”No thanks, I’m happy with the previous edition” The World’s First Evidence- Based Textbook Revision DATALOGI

14 Hvordan sælger man 12. udgave af Introduction to psychology? ”No thanks, I’m happy with the previous edition” The World’s First Evidence- Based Textbook Revision DATALOGI Heatmap over afsnit i bogen som er sværest at forstå. Data baseret på over 2 milliarder datapunkter fra over 4 millioner elever. Bruges af forfatteren til at revidere bogen ud fra. Markedsføringsproblemet er løst: Resultatet er et bedre produkt med en unik forskel og en unik historie.

15

16 Problemer løst ✔ Dårlig kvalitet i produkter ✔ For dyr udvikling af produkter ✔ Langsom udvikling af produkter ✔ Markedsføring Konkurrerende produkter

17 Gå målrettet efter den datalogiske del af ethvert problem Overraskende meget kan løses med datalogi Tit 10 gange bedre/billigere/hurtigere Sjovere (end HR, projektstyring, politik,...) Muliggør kvantespring i forretningen... de 7 næste problemer løses i samme smæk

18 Gå målrettet efter den datalogiske del af ethvert problem - 2 Hvor er de vigtigste problemer?

19 Konkurrenter kommer på markedet Konkurrenter: We have the same! Introducér 300 nye produkter i et hug DATALOGI

20 Konkurrenter kommer på markedet Konkurrenter: We have the same! Introducér 300 nye produkter i et hug DATALOGI Vi opfandt, udviklede og lancerede 300 nye produkter på 6 måneder Det var kun muligt fordi vi allerede havde et integreret udviklingsmiljø til forfatterne, millioner af datapunkter fra elever, samt analyseværktøjer fra Heatmap Lanceret i 2013. Har over en million brugere nu Konkurrenter må lave hvert produkt fra bunden

21

22

23 Problemer løst ✔ Dårlig kvalitet i produkter ✔ For dyr udvikling af produkter ✔ Langsom udvikling af produkter ✔ Markedsføring ✔ Konkurrerende produkter

24 Andre eksempler Problem: Økonomi- og projektstyring Løsning: Specialfremstillede værktøjer og rapporter med viden om vores struktur og processer Problem: Masser af platforme Løsning: Veldesignet programmeringssprog som oversætter til web, iOS, Android, Java, Win8 Problem: Passive læringsmateriale Løsning: Interaktivt tekstformat som muliggør forfattere selv at lave små applikationer Problem: Skalerbarhed og performance for bruger Løsning: Client-side program, tillader billig server-side. Kun muligt grundet eget programmeringssprog. Problem: Hvordan laver man tusinder af tekniske diagrammer til e-læring? Løsning: Domænespecifikt visuelt sprog til diagrammer Problem: Hvordan beskriver man alle matematiske formler til brug for blinde elever? Løsning: Man laver sin egen matematikpræsentation som kan generer både formler og tekst, og sparer millioner af kroner. Problem: Hvordan… Løsning: Brug datalogi som hammer!

25

26

27

28 Hvordan oversætter man datalogi til forretning? ∃ η: Datalogiη = $$ ? A) Laver en app B) Laver en dot-com C) Skriver fed, fed kode ✔ ) Bruger datalogi som en hammer Ja, datalogi kan bruges overalt! Du laver blot produkter. Hvad med alle de andre problemer, der findes i din virksomhed?

29 Spørgsmål?

30 Asger Alstrup Palm 1993: Startede på datalogi, matematik 1998: Headhuntet til Sophus Medical 2003: Solgt til medicokoncern Laerdal 2006: Stiftede Area9 med 3 andre 2014: Fusioneret med McGraw-Hill Education 20xx: Færdig på datalogi?