
Slik bygger Statens vegvesen datadrevne fagpersoner
Statens vegvesen har en datatradisjon som strekker seg 160 år tilbake. Nå bygger etaten analysekompetanse direkte inn i fagmiljøene – og lar dem som kjenner veien best, ta eierskap til dataene.
– I fjor ble det kjørt 31 milliarder kilometer på riks- og europaveiene i Norge. Samtidig koster kø og forsinkelser samfunnet rundt 25 milliarder kroner i året. Grunnen til at vi vet det, er at vi innhenter data og innsikt.
Det sier Kristina M. Borchgrevink, seniorrådgiver og kompetanseutvikler i Statens vegvesen.
– Men med denne innsikten, kan vi faktisk også gjøre noe med køene, sier hun – noe du kan lese mer om i tre eksempler lenger ned i saken.
160 år med datagrunnlag
Borchgrevinks kollega Johan Fu mottok nylig Digitaliseringsprisen, delt ut av Digdir, for arbeidet Statens vegvesen de siste årene har lagt ned i risikokurver. Som fagleder innen analyse i enheten Data, innsikt og analyse (DIA) lener Fu og kollegaene seg på en svært lang tradisjon for data i etaten.
– Statens vegvesen er 160 år, og da har vi også en stor fordel i å ha et datagrunnlag som går 160 år tilbake, sier Fu.
– Vi innhenter utrolig mye data. Vi får data på hvordan vi kommer oss fram, når vi kommer fram, og om vi for eksempel opplever kø. Det ligger et stort ansvar i å forvalte de dataene på en god og sikker måte.

Størrelsen på ansvaret kan langt på vei tallfestes: Etaten har ansvar for 10 600 kilometer riks- og europavei, 5 600 bruer, 610 tunneler og 72 trafikkstasjoner, og teller rundt 5 000 medarbeidere spredt over hele landet. I bunn ligger også beredskapsansvaret for hele veinettet, både i fred og i krig.
Det er ikke en liten organisasjon å snu. Men retningen er staket ut, og den handler like mye om mennesker og kultur som om teknologi.
– Vi skal beholde fag og ansvar, fornye arbeidsformene våre, og forkaste det som ikke gir effekt. Vi flytter oss fra aktivitet til målt effekt, fra silotenkning til datadomener, fra myte til fakta, og fra prosjekt til produkt, sier Fu.
– Men her er vi inne på kjernen i oppdraget vårt, nemlig framkommelighet, trafikksikkerhet og klima og miljø. Skal vi bli mer datadrevne, må vi bli bedre på dataanalyse, og vi må utnytte de dyktige fagmiljøene vi allerede har.
– Må tenke nytt
Fra 1970-tallet har trafikken tredoblet seg, samtidig som antall drepte i trafikken er redusert med over 80 prosent.
– Det er et resultat av langsiktig og målrettet sikkerhetsarbeid, og vi er helt i toppen i Europa med færrest trafikkdrepte per million innbyggere. Men nå ser vi at trenden har flatet ut. Da kan vi ikke fortsette å gjøre det samme som vi alltid har gjort – vi er nødt til å tenke nytt, sier Fu.
Det er her dataanalyse og maskinlæring kommer inn, som et verktøy for å finne mønstrene tradisjonelt trafikksikkerhetsarbeid ikke lenger fanger opp. Målet er det samme som før, nemlig å oppfylle nullvisjonen om null drepte og hardt skadde.
Eget økosystem for analysekompetanse
I stedet for å kjøpe inn en løsning og håpe på det beste, har Statens vegvesen bygget opp det de selv kaller et økosystem.
– De siste årene har vi jobbet med et helhetlig økosystem for analysekompetanse, der teknologi, organisering og kompetanse utvikles parallelt og forsterker hverandre. Det viktigste er samspillet mellom HR, IT og DIA, sier Borchgrevink.
– Vi etablerte DIA som en ny enhet som skal være spydspissen vår på datavitenskap og drive fram en mer data- og modelldrevet virksomhet.
Samtidig har de fått på plass en tydelig datastrategi, samt etablert datadomener med tverrfaglige team som jobber konkret mot toppmål som nullvisjonen og framkommelighet.
– Vi har også utviklet en egen dataplattform, Saga, som håndterer både strukturerte og ustrukturerte data. Og vi har bygget kompetanse gjennom egne læringsløp, egne karriereveier og aktive fagfellesskap, sier Borchgrevink.
Å organisere arbeidet i datadomener sørger også for at alle trekker i samme – og riktig – retning.
– Med en gang du jobber inn mot et datadomene, jobber du i tråd med strategien. Da er det ingen tvil om at det du holder på med har effekt eller dekker et reelt behov, forklarer Borchgrevink.

Øker analysekompetanse i fagmiljøene
I praksis har det vært jobbet aktivt med den såkalte 70-20-10-modellen for å øke analysekompetansen i fagmiljøene. Dette er et rammeverk som innebærer at 70 prosent av utviklingen bør komme fra praktisk erfaring, 20 prosent fra sosial læring og 10 prosent fra formell læring.
– Inndelingen er ikke helt eksakt, men den synliggjør at mye læring skjer gjennom å utføre selve arbeidsoppgavene, sier Borchgrevink.
– Teamene våre har behov for autonomi, mestring og mening. På de siste ti prosentene har vi utviklet et kurs i dataanalyse der deltakerne må sette av 120 timer «på skolebenken», men det meste skjer gjennom arbeidsoppgavene og i samarbeid med andre.
Fra datafyrtårn til eierskap i linja
På veien fram til dagens situasjon har etaten gjort seg noen nyttige lærdommer. Blant annet startet de med såkalte datafyrtårn. Dette var gjerne mer frittstående dataprosjekter som skulle vise verdien av dataanalyse raskt og «lyse opp» veien for resten av organisasjonen.
– Det funket som det skulle, men det var ikke skalerbart. Det var ingen fra linja som kunne ta over, sier Fu.
– Når løsningene skulle ut i drift, stoppet videreutviklingen opp.
Svaret på dette ble å legge eierskapet i datadomeneteamene hos «linja» – altså hos dem som faktisk jobber med trafikksikkerhet, utbygging eller drift og vedlikehold. Metoden ble kalt en følge- og speiletilnærming.
– Vi i DIA går i front først, men forutsetter at fag og linje er med fra starten av med egne folk. De følger og speiler oss, og etter et halvt til halvannet år kan de det vi kan. Da snur vi det hele rundt, slik at linja tar lead, og vi trekker oss tilbake og bistår ved behov, forklarer Fu.
Dette gir eierskap til dataene og analysene som foregår ute i den virkelige verden – på og rundt veiene. For Borchgrevink er det avgjørende at tilnærmingen er forankret i etatens egen kultur.
– Vi har en sterk identitet rundt fagkompetanse. Når vi forsterker fag, spiller vi på lag med kulturen. Vi bygger kompetansen der jobben faktisk skal skje – og det gjør at vi kan skalere på en helt annen måte, sier hun.

Tre konkrete resultater
Så var det dette med hvordan smart bruk av data kan føre til færre og kortere køer.
– Hvis vi kan redusere ulykkene, øker vi også framkommeligheten. For med en gang det skjer en ulykke, må veien ofte stenges helt eller delvis. Så færre ulykker bidrar til det arbeidet også, i tillegg til nullvisjonen og trafikksikkerheten, sier Borchgrevink.
Bedre datadrevet trafikksikkerhet gir med andre ord både færre skadde og bedre flyt på veiene. At dette gir avkastning, illustrerer Borchgrevink og Fu med tre eksempler.
Tre eksempler
Effektive tiltak i risikokurver. Nesten halvparten – 48 prosent – av møte- og utforkjøringsulykkene i Norge skjer i en sving. Ved å koble data om svingenes egenskaper mot ulykkesdata og annen veidata, har etaten brukt maskinlæring til å rangere og fargekode landets farligste svinger, slik at tiltak kan settes inn der de gir mest trafikksikkerhet.
I Østfold er verktøyet allerede tatt i bruk for å prioritere innsatsen mot en bekymringsfull økning i unge MC-førere som omkommer. Her er de farlige svingene blitt fanget opp og rangert på svært kort tid, slik at de ansatte kan bruke mindre tid på kontoret og mer tid ute på befaringer.
Bedre prognoser på fjelloverganger. Statens vegvesen lager nå seksdøgnsprognoser for 108 av fjellovergangene, basert på historiske data, kolonnekjøringslogger og værprognoser i sanntid. Prognosene sier noe om sannsynligheten for stengt vei og kolonnekjøring, noe som er uvurderlig informasjon for transportselskaper som er avhengig av å komme fram i tide, og som må forholde seg til kjøre- og hviletid.
Der det ikke er mulig å gjøre noe med været, kan etaten slik i det minste bidra til at sjåfører, planleggere og vareeiere kan ta opplyste valg for å håndtere det været som er.
Tidlig varsel om blendingsfare. Med systemet SolVeg tester Statens vegvesen nå ut muligheten for å varsle bilister tidlig om fare for blending fra lavtstående sol – en av flere brikker i et bedre helhetsbilde av hvorfor ulykker skjer.
Rundt 3 000 ulykker kobles årlig til solblending i Storbritannia, noe som gjør at kompetansen og teknologien på sikt kan deles på tvers av landegrensene.
«Datadrevne fagpersoner» – og faren for A- og B-lag
Både Borchgrevink og Fu er klare på at denne store og datadrevne omstillingen først og fremst handler om å løfte folk, og ikke om å erstatte dem.
– Alle snakker om at KI kommer til å stjele jobbene våre. Men vi har ikke glemt de eksisterende medarbeiderne, sier Fu.
Etaten vil derfor bygge det de kaller datadrevne fagpersoner – en norsk variant av begrepet citizen data scientist.
Profilene spenner vidt, fra dem som jobber med drift og vedlikehold eller droner, til HR-folk som vil bruke maskinlæring til å forstå sykefravær. Felles for dem er at de ikke har IT som kjerneoppgave, men sitter på data og innsikt fra sin egen arbeidshverdag. Også utekontrollører og ulykkesundersøkere kan ha nytte av et slikt kompetanseløft.
Interessen for å lære mer om dette har vist seg å være stor hos de ansatte, med 80 søkere på 15 plasser til den første kursrunden. Etaten har gjennomført to runder med dataanalysekurs (rundt 30 deltakere), kjører nå en runde for data scientists og har data engineering på trappene.
– Mange snakker om å bruke penger, tid og krefter på å bygge egne folk, og viser fine slides og fine ord. Men det er veldig få som faktisk eksekverer og setter av pengene, sier Fu.
At det koster, legger han ikke skjul på:
– Noen må akseptere at de jobber med tjue ting nå, men at de nødvendigvis må droppe noen av disse tingene for å bygge ny kompetanse. Ingenting skjer over natta, og det er et bevisst valg noen må ta.
Borchgrevink peker samtidig på en annen risiko etaten nå er bevisst på:
– Vi er sårbare for at hvis noen detter av, så får vi et A-lag og et B-lag. Derfor er det viktig at flere henger seg på framover.
Hva kan andre lære?
Borchgrevink vil ikke gå så langt som å kalle Statens vegvesen en lærende organisasjon i stort.
– Det er en stor skute å snu. Men mandatet til DIA, at de kan gå inn i fagmiljøene, bistå og trekke seg ut, er helt vesentlig. Da skjer det på fagmiljøenes premisser, der de fortsetter med arbeidet sitt, men får veiledning til å gjøre det mer effektivt, sier hun.
Hun og Fu trekker likevel fram noen suksessfaktorer de mener er overførbare til andre virksomheter:
Fem datatips fra Statens vegvesen
- Start med et konkret problem, ikke med teknologien: Koble analysen direkte til faktiske beslutninger, så blir løsningene relevante og etterspurte.
- Tilpass opplæringen til egen virksomhet: Jo mer den bygger på egne data og systemer, desto større eierskap og læringseffekt.
- Bygg kompetanse der jobben faktisk gjøres: Varig kompetanse bygges gjennom reelle problemstillinger i fagmiljøene, tett på kjerneoppgavene.
- Kombiner analyse og faglig skjønn: La data peke på risiko og potensial, og la fagfolk avgjøre tiltakene.
- Del praksis og bygg aktive fagfellesskap: Læring skjer raskest sammen med andre.
For en etat som forvalter fellesskapets ressurser, er nettopp delingen et poeng i seg selv, enten det skjer internt, i sektoren eller over landegrensene.
– Den delingskulturen er en helt essensiell bidragsyter til at vi i Norge i dag er blant verdens mest trafikksikre land, sier Borchgrevink.