“Vi utvikler og tester morgendagens smarte bilforsikring”

Spinn er en tjeneste som vi tilbyr til våre forsikringskunder som har bilforsikring hos oss, der vi belønner de med god kjøreatferd. Ved hjelp av telefonen kan kundene se hvordan og hvor langt de har kjørt, og oppnå prisfordeler dersom de har en trygg kjørestil.

Spinn-gjengen er en sammensatt gruppe med folk med forskjellig erfaring og kompetanse, og vi har snakket med to personer som jobber med Spinn og den nye Frem-appen: Espen er testleder for den nye Frem-appen, og Magnus er et hybrid av analytiker og data scientist. Videre skal vi bli bedre kjent med disse to, hva de jobber med og hvordan en typisk hverdag ser ut for dem.

Spinn-gjengen jobber i disse dager med en ny app. Hverdagen er hektisk og utfordrende, men samtidig fylt med læring og oppnådde milepæler som fører oss nærmere lanseringen av den nye løsningen. Den nye appen er straks klar til testing. Tilbakemeldinger fra testbrukerne vil gi oss innsikt i hva vi skal utvikle og forbedre for å gjøre tjenesten brukervennlig.

Hvem er du?
Espen Gustavsen, jeg er testleder for den nye Frem-appen. Jeg har ansvaret for testaktiviteter, planlegging og gjennomføring.

Hvor lenge har du jobbet med tjenesten?
Jeg har jobbet med Spinn i ca 2 år og Frem i snart 1 år.

Hva er det beste med å jobbe som testleder?

Det beste med å jobbe som testleder er å være med å utvikle og forme produktet slik at det blir bra for brukerne. Typiske funn man finner er ulike faktorer som gjør appen lite brukervennlig. Dette er viktig å finne i testingen slik at dette kan rettes opp før produktet blir lansert for kundene.

Hvordan ser en typisk hverdag for deg på jobb?

En typisk hverdag er at jeg kommer på jobb selvfølgelig. Det er som regel da et eller annet som brenner, som er nytt og må tas tak i. Man må være klar for å hive seg rundt når det skjer ting.

Du som jobber som testleder, er det noen spesielle metoder som brukes til å teste fram nye tjenester som Spinn og Frem?

Vi bruker noe som heter risikobasert testing. Det er at man da tester der det er størst risiko, altså den funksjonaliteten som blir brukt mest. Det er her feilene får størst konsekvenser og dermed får stor risiko pga. hyppigheten i bruken. Man tester det viktigste først og mest.

Er det mulighet for å teste ut den nye Frem appen og har det vært mye testing rundt den nye appen?

Det vi ønsker er at vi skal snart rulle på betatestere. I den forbindelse har vi tenkt å invitere vanlige brukere, slik at de kan teste tjenesten og komme med tilbakemeldinger om tjenesten. Vi kommer til å invitere ca. 2 000 til å teste ut den nye appen. Det vil være mer testing fremover fordi appen’s natur gjør at man må bruke den den i bil for å få en reel test og da trengs det flere mennesker.

Vi kommer til å invitere 2 000 til å teste ut den nye appen.

Hvem er du?
Jeg heter Magnus Johansen og har jobbet i Fremtind de siste 5 månedene. Jeg er en hendig kombinasjon av analytiker og data scientist, og det er jeg som observerer og bruker informasjonen som vi samler inn om kjøreatferd og vaner.

Hvordan er det å jobbe tett opp mot utviklingsmiljøet og tjenesten Spinn?
Først og fremst er det utrolig spennende å jobbe så tett som et tverrfaglig team! Selv om alle har et definert ansvar, så bidrar alle inn i det som foregår på teamet. Utvikling, design og veien videre! Som data scientist, er det veldig spennende å jobbe med en så unik tjeneste som Spinn. Ved siden av at det er en fremoverlendt og innovativ tjeneste, har vi også et utrolig datagrunnlag, som sannsynligvis er det beste i Norge.

Hva er det beste med å jobbe som data scientist/analytiker?

Det beste å jobbe som dataanalytiker er at man sitter på innsikten. Det er givende å bygge modeller og vite at uansett hva slags informasjon du får ut av dem, så vil det være innsikt som noen som kan bruke — og det er du som vet dybden og også kanskje hvordan det kan brukes. Det aller beste er kanskje når man oppdager ting man ikke har tenkt over, men som gir veldig mening når man graver litt dypere. Da føler man at arbeidet gir helt eksplisitt verdi.

Det er ikke vits i å kjøre de mest avanserte metodene, bare fordi man kan! Ofte funker helt vanlig regresjon like bra som nevrale nettverk.

Har du gjort noen spennende/ overraskende funn i ditt analysearbeid med dataen vi har i dag?
Før jul hentet jeg ut og bearbeidet all atferdsinnformasjon vi har og strukturerte dem opp i de aller mest typiske atferdsmønstrene i kundebasen — uten å se på demografisk informasjon før etterpå, i en såkalt klusteranalyse. Det er utrolig spennende å se hvor godt noen kjøremønstre predikerer hvem du er demografisk! For eksempel at kveld- og nattkjørere ofte er unge sjåfører.

Hva ser du for deg at dataen vi har fått inn kan brukes til?
Det er det som er så bra med data, det påvirker potensielt veldig bredt!
Det kan brukes til å bedre trafikksikkerhet, ved at vi setter opp modeller som gjenkjenner risikabel atferd, og oppfordrer til god atferd.
Det kan brukes inn i konseptutvikling, hvor en klusteranalyse kan gi oss et bilde av kundebasen, slik at vi kan fokusere på noen av disse og lage hypoteser om hva slags funksjonalitet disse vil ha.
Generell forskning, eksempelvis hvordan mobilitetsvanene i Norge endrer seg og hvorfor. Kanskje er det teknologisk utvikling eller offentlig regulering.

Hva fikk deg til å begynne med det du driver med?
Jeg studerte industriell økonomi på NTNU, og var veldig interessert i optimering (et område som handler om å beskrive og løse beslutningsproblemer matematisk), og blandet dette med kunstig intelligens som har mange av de samme målene. Her ble jeg introdusert for mange av metodene også innenfor maskinlæring. Etter studiene har jeg jobbet som forretningsrådgiver, men jeg synes fortsatt at fagfeltet er utrolig spennende, og elsker å kunne grave og restrukturere data til noe meningsfullt.

Hva er dine råd til en nyutdannet data scientist eller en som har lyst til å bli det?
Min erfaring er også at det ikke er vits i å kjøre de mest avanserte metodene, bare fordi man kan! Ofte funker helt vanlig regresjon like bra som nevrale nettverk. Det er tross alt informasjonen som kommer frem som er interessant.

Hvordan ser en typisk dag for deg på jobb?
Sitter i Aginity og Excel hvis det er snakk om uttrekk/enkle analyser, mens jeg kjører alt i Python hvis det er litt tyngre analyser. Det hender også at jeg bruker Powerpoint for å formidle informasjon. Dagen begynner kanskje med å se igjennom mail, før jeg går i gang med å se på potensielle analyser som skal gjennomføres. Jeg driver også med programmeringer og gjør spørringer igjennom dagen med møter. Hvis jeg finner noe interessant, er det enten å formidle informasjon direkte, eller oversende en excel-fil. Dersom det er vanskelig å forklare, dykker jeg kanskje ned i Powerpoint for å visualisere det på en enda enklere måte.