Målsætningen er ikke konklusionen.
Et besparelsesmål eller en vækstambition kan være legitimt. Det er stadig ikke et analyseresultat. Analysen skal undersøge, hvad data faktisk understøtter.
Om RÄVIR · metode før narrativ
Lille virksomhed.
Tydeligt ansvar.
RÄVIR er en uafhængig analysevirksomhed med fokus på operationelle data, forecasting og beslutningsstøtte. Bag RÄVIR står Tony Weberg.
Grundlægger · operations & analytics
Tony Weberg
Operations- og dataanalytiker med mange års erfaring fra logistik, transport, energi og drift.
Arbejdet har blandt andet omfattet forecasting og kapacitetsplanlægning, KPI'er og performanceanalyse, datakvalitet, transport- og leverandøropfølgning, telemetridata samt udvikling af analyse- og planlægningsværktøjer.
Hvorfor RÄVIR?
Jeg har gennem mit arbejdsliv siddet tæt på den daglige drift, hvor et svar kun er nyttigt, hvis det kan bruges og forsvares. RÄVIR er bygget på den erfaring: start med spørgsmålet, undersøg data, test forklaringerne og dokumentér både det, vi ved, og det, vi ikke ved.
Start med spørgsmålet.
Hvad forsøger I at forstå, forudsige eller forbedre — og hvad skal et bedre svar kunne bruges til?
Arbejdsprincipper
Efterprøvbar frem for uangribelig.
RÄVIR påstår ikke at være fri for bias. Derfor forsøger vi at gøre antagelser synlige og skabe analyser, som andre kan forstå, kontrollere og udfordre.
Usikkerhed skal kunne ses.
Vi adskiller observation, beregning og fortolkning. Datagrundlagets begrænsninger følger med resultatet.
Resultatet er ikke bestilt på forhånd.
Omfang og fast pris aftales før start. Honoraret afhænger ikke af en bestemt konklusion.
Vi søger ikke den ønskede konklusion.
Vi søger den bedst underbyggede.
Empirical systems · operational intelligence
AI i arbejdsformen
Et værktøj til tempo.
Ikke en genvej til sandhed.
AI gør det muligt for en lille virksomhed at arbejde hurtigt, undersøge flere hypoteser og reducere manuelt gentagelsesarbejde. Kunden betaler for analysen og beslutningsgrundlaget — ikke for størrelsen på det team, der producerer det.
Research, kode og modelafprøvning.
AI kan understøtte research, kode, databehandling, dokumentation og kritisk review.
Output er ikke evidens i sig selv.
Forslag, beregninger og kode skal kontrolleres. RÄVIR har det menneskelige ansvar for metode, konklusion og leverance.
Mindre gentagelsesarbejde.
Automatisering og AI skal gøre arbejdsformen mere effektiv uden at sænke kravene til dokumentation og validering.
Arbejdsform & kundedata
Åben for kontrol.
Også bagefter.
Hvordan håndteres kundedata?
Når AI bruges direkte på kundedata, er RÄVIRs princip, at behandlingen sker på egne, selvhostede modeller, som skal være afprøvet til opgaven før brug. Kundedata sendes ikke til eksterne AI-tjenester. Eksterne modeller kan understøtte kode og research uden kundedata. Formål, adgang, opbevaring og sletning aftales på forhånd.
Hvad hvis data ikke kan besvare spørgsmålet?
Så beskriver vi begrænsningen og det, der mangler. En datakvalitetsvurdering eller anbefaling om at afvente kan være det fagligt rigtige resultat.
Hvordan arbejder RÄVIR med bias?
Vi gør centrale antagelser eksplicitte, undersøger relevante alternative forklaringer og forsøger at beskrive, hvilken ny evidens der ville få os til at ændre konklusion.
En enkel begyndelse
Start med problemet.
En første samtale kræver hverken fortrolige data eller en færdig kravspecifikation.