<img height="1" width="1" style="display:none;" alt="" src="https://px.ads.linkedin.com/collect/?pid=2085737&amp;fmt=gif">
Tema: LØRNSOC

#0911: Mobildata og covid-19

Gjest: Kenth Engø-Monsen

Fellow of Telenor Research


Med Vert Silvija Seres

I denne episoden av #LØRN snakker Sivlija med Kenth Engø-Monsen, som er fellow of Telenor Research. Han er involvert i Telenors bruk av mobildata til å utvikle epidemiologiske modeller, for å forbedre forklaringskraften i smittespredningsmodeller. Han hjelper oss å forstå hva prosjektet er, og hva vi kan gjøre i fremtiden basert på dette prosjektet.

Full transcript

Med Kenth Engo Monsen og Silvija Seres

Velkommen til Lørn.Tech - en læringsdugnad om teknologi og samfunn med Silvija Seres og venner.

SS: Hei og velkommen til Lørn i samarbeid med Norsk sykepleier forbund. Vi har nå en serie som dreier seg om hva vi har lært fra korona. Og i dag skal jeg Silvija Seres få lov til å snakke med Kenth Engo Monsen som er fellow ved Telenor Research. Hei Kenth.

KM: Hei, takk for at jeg fikk komme.

SS: Du har en del vokaler i navnet ditt som en stakkars utlending som meg blir litt skremt av, men vi kom oss gjennom.

KM: Det går helt fint.

SS: Du, jeg skal si to ord om serien så skal vi prate. Denne podkasten hører til en serie på rundt 20 samtaler som Lørn lager sammen med Norsk Sykepleierforbund. Målet er å samle kunnskap om korona mens den enda er varm, så vi kan pakke den sammen og kanskje etter hvert at folk kan prosessere den så vi er ordentlig klare neste gang noe lignende skjer. Du Kenth jobber da som forsker ved Telenor Research med noe utrolig spennende, og det er å bruke etter hvert mobilitets data til å mobilere koronaviruset. Og det vi skal snakke om hvis jeg kan be folk ha tre spørsmål i bakhodet mens de hører på samtalen er følgende tre overskrifter. Det første er egentlig selve prosjektet. Forså hva det er og det er veldig spennende konsultasjon hvor dere jobber bredt med flere samfunns aktører. Dere samler inn noe data on the fly, og noe data har dere hatt ganske lenge. Hvordan bygger vi den type prosjekter hvor man skal bruke data som infrastruktur leverandører her til å fort forbedre forskjellige sider av samfunnet? Spørsmål nummer to er egentlig hva har vi lært om korona gjennom dette prosjektet? Er det noen myter vi kanskje kunne ha stoppet ved å ha sett på hvordan mobilitets data egentlig var i løpet av pandemien. Og det tredje er hva kan vi gjøre i fremtiden basert på dette prosjektet. Hva mer burde vi gjøre med mobilitets data for samfunnsstyrings og optimalisering? Der er det også noen dilemmaer rundt personvern og transparent som vi kan berøre. Høres det greit ut?

KM: Absolutt.

SS: Veldig bra. Da starter vi med det vi alltid starter med, og det er hvem er Ken og hvorfor digger han jobben sin?

KM: Jeg liker å se på meg selv som et matematiker. Jeg har en matematikk bakgrunn. Faktisk fra Universitetet i Bergen. Er veldig opptatt og glad i analyse og tall. Jeg lever og ånder for. Og da er det egentlig ganske fint å kunne jobbe i et selskap og et sted som Telenor Research. En av de store tingene med en mobiloperatør er jo det at det samles inn mye informasjon. Og mange av utfordringene i dag er jo egentlig å navigere og forstå store mengder informasjon. Så jeg liker å se på meg selv som en navigatør egentlig noen ganger. Og finne den viktige informasjonen i store datamengder.

SS: Ja. Finne visdom i store datamengder.

KM: Ja, hvis man greier det og erfaringen min hvert fall er at det er lettere å si å finne innsikt i data enn det er å gjøre. Det kan være ganske utfordrende innimellom. Hvert fall når du har nok data.

SS: Men du Kent, før vi går videre. Den tanken med å finne visdom i store datamengder inspirerer meg til å spørre deg om noe som jeg har en hypotese som er ett av våre store feil i måten vi rigger oss til sånn type datasmart samfunnsstyring. Først tror vi at vi skal samle masse, masse data. Og vi er klare til å begynne å analysere det når data er perfekte. Og to feil her tror jeg er at vi bør egentlig starte med å si hva vil vi med data. Og det andre er at vi må forstå det finnes ikke perfekte data. Verken ved start eller ved prosjektslutt. Men det er noe med at det er kontinuerlig bearbeidelse av data. Hva tenker du?

KM: Jeg tenker at når det gjelder data så er det ekstremt viktig å huske på at all data samles inn i en kontekst. Så du må forstå konteksten som dataene samles inn i. Det være seg påliteligheten til dataene, nøyaktigheten, hva er det de egentlig forteller. Hva er det du prøver å telle opp? Og det å glemme det gjør at man ofte stiller feil spørsmål til feil data. Og en av mine kjepphester kanskje er jo det at selv om du har mye data, så popper ikke innsikt ut automatisk. Du må ha faktisk de riktige spørsmålene. Og jeg tenker noen ganger at det å ha det riktige spørsmålet er kanskje viktigere enn å ha så fryktelig mye data.

SS: Veldig interessant. Og hva gjør man i sånne tilfeller - nå nærmer vi oss dette prosjektet deres, når man ikke helt vet hva spørsmålet er? Det å definere disse hypotesene sine også videre, det er en kjempevanskelig prosess. Har du noen råd til hvordan man gjør det?

KM: Nei, det kan jeg ikke hevde at jeg egentlig har. Jeg liker å tenke at det å tenke hardt rundt research questions, altså hva er det du ønsker å finne ut av er superviktig for å sørge for at data som du da prøver å huke tak i har riktig kontekst for å belyse det spørsmålet du stiller. For det er ikke sånn at vilkårlig data vil kunne besvare et vilkårlig spørsmål. Det tror jeg virkelig ikke.

SS: Det du sier Kent er et utrolig viktig poeng om innovasjon på toppen av data generelt. For når du ser hvordan søknader til Norges Forskningsråd eller Innovasjon skal formuleres på toppen av data, så skal du definere veldig godt både hva problemet er og hvordan du har tenkt å løse det og hvor mye du har tenkt p tjene på det. Men samtidig i realiteten så vet vi at the questions is the question. Prosjektet dreier seg om å finne ut av hva man skal egentlig finne ut av.

KM: Ja, og jeg liker også å tenke todelt rundt de prosessene der. For en ting er det å løse problemet. Den teknologiske biten av det, eller algoritmebiten og besvare spørsmålene. Men hvor mye penger du kan tjene på det er egentlig litt løsrevet fra løsningen. Det er jo et markedsspørsmål. Kanskje mer enn det er et teknologisk spørsmål. Så det at de to blandes så mye og ofte tror jeg er litt uheldig. Man bør kanskje rendyrke det mer.

SS: Okey, fortell oss om dette prosjektet. Hva betyr mobilitets data for virus modellering?

KM: Først så må jeg ta dere tilbake til januar og rett og slett fortelle dere litt om min kontekst. Den sammenhengen som jeg jobber i Telenor Research. I mange år så har Telenor samarbeidet med Harvard i å forsøke å bruke mobilitetsdata i modellering av smittsomme sykdommer. Og det er jo noe vi har gjort i kontekst av Telenors operatører i Asia. I Pakistan og Bangladesh har vi gjennomført prosjekter hvor vi har sett på det. Så vi har jo litt historie her.

SS: Unnskyld, bare lite definisjonsspørsmål. Hva er mobilitetsdata?

KM: I denne sammenhengen her så er mobilitetsdata informasjon om egentlig hvordan en befolkning eller Telenors kunder beveger seg rundt i samfunnet. Også ekstraherer vi. Vi trekker ut informasjon om reisemønstrene til denne befolkningen. Så vi tar rett og slett og deler hele landet opp i kommuner. Også begynner vi å telle hvor mange individer som reiser mellom to kommuner fra dag til dag. Og det er det vi ser på som mobilitetsdata. Så kan jo du spørre hvorfor ser dere da på kommune som enhet? Og det er jo fordi dataene som er i systemene til en mobiloperatør er ekstremt sensitive og underlagt mye regulering og et strengt personvern. Og da prosesseres alle disse dataene på en slik måte at de er fult aggregerte og ikke inneholder individ data. Det vil si informasjon om et enkelt individ. Det er typisk sånn at vi teller hvor mange mennesker er det som reiste fra Oslo til Lillehammer i løpet av en 6-timers periode. Og det er så mange individer at hvis du får tallet 573 så er det umulig for deg å verken re identifisere noen individer eller at en av Telenors kunder løper noen risiko ved at vi bruker det tallet 573.

SS: Og det dere prøve å se er hvordan de 573 ble splittet videre og hvordan de ble rekombinert med andre 573 i andre sammenhenger. Så prøver dere å skjønne noe fra de mønstrene.

KM: Ja, fordi den fundamentale effekten eller det fundamentale her er jo det at når vi har viruset og smittsomme sykdommer, når du ser spredning av virus fra en lokasjon til en annen eller fra en kommune til en annen. Så er det jo vi mennesker ofte som er bærerne eller sprederne av dette viruset. Så da er jo egentlig tesen her å forstå reisemønstrene til befolkningen på forholdsvis agreert nivå. Det er veldig, veldig nyttig i sammenheng med å forstå hvordan et virus kan spre seg og smitte fra lokasjon til lokasjon.

SS: Okey Kenth, så har jeg et spørsmål til her. Og det er at dette hjelper oss til å forstå viruset, men det er litt sånn post mortem, ikke sant? Du må kombinere reise data med smittedata som du får i ettertid. Så ettertid må du mappe på toppen av disse reise dataene. Dataene om at oi, der var det en som var smittsom. Eller der var det tre som var allerede smittet på det tidspunktet. På et eller annet hvis må vi kombinere smittedata med dette. Hvordan i all verden gjør vi det?

KM: Veldig, veldig godt spørsmål. Hver dag så publiseres det jo informasjon om hvor mange smittede det er i Norge og i hvilke kommuner det er smittede. Og mobilitetsdata får man ut ganske fort fra systemene. Så når vi sitter her og snakker så har vi informasjon opp til og med i går om reisemønstre og egentlig antall smittede i Norge. Så vi kan da gå et par dager tilbake også kan vi se på gitt den situasjonen som var for et par dager siden, så kan vi da forecaste eller predikere tre uker frem i tid og hvilken situasjon er det vi ser for oss da om tre uker.

SS: Men igjen, bare for å forså deg. Hvis du får vite at det er 20 nye smittetilfeller i Moss for eksempel. Også kombinerer du det med reise data, så kan du se at det er liksom de stedene hvor jeg ser det har vært litt større samlinger. Hvordan mapper man det tallet 20? Gjør man det med at okey nå er det mandag så da pleier folk å bevege seg sånn så da vil det sannsynligvis spre seg på den måten eller?

KM: Man må huske på her at det er to ingredienser som går inn i denne modellen til Folkehelseinstituttet. Så du har mobilitetsdata fra Telenor som er en proxy på reisemønstrene. Også har man da informasjon til enhver tid hvor mange smittede det er. Og det er jo informasjon som kommer fra helsemyndigheter og sykehus og sånne ting i Norge. Så kobles disse to datakildene sammen i prediksjonsmodellen til Folkehelseinstituttet. Og de bruker denne til såkalt situation awareness i å forstå hvor mange smittede vi kan forvente å se i løpet av 1-3 uker. Og hvor mange sykehus innleggelser kan man forvente å se. Og denne modellen brukes også til å se litt rundt hva er dette R-tallet som veldig mange snakker om.

SS: Som er denne eksponentielle spredningsgreien.

KM: Ja, dette reproduksjonstallet. Hvor mange smittede infiserer en smittet person.

SS: Og det i koronas tilfelle er 2-3 hvis jeg husker riktig. For hvis vi kombinerer dette med litt sånn pandemi modellering, det jeg kan forestille meg nå er at da kan du si at okey, men hvis vi kutter disse reisemønstrene. Hvis vi demper antall kontakter gjennom sånn og sånn samfunnsstyringstiltak. Så forventer vi omtrent 50% fall daglig. Ukentlig. Er det sånn man kunne brukt det?

KM: Ja, vi har jo nå fulgt aktiviteten til den norske befolkningen helt siden februar. Og vi ser tydelig at når tiltakene, den første tiltaksrunden ble iverksatt 12. Mars, så ble jo de totale reisende i Norge ble redusert med over 60%. Og det var jo en dramatisk reduksjon i reiseaktivitet sånn generelt mellom kommuner i Norge. Og det fikk jo en stor påvirkning på hvordan pandemien da spredte seg videre eller utfoldet seg videre. Og tiltakene er jo så drastiske og de gjaldt jo hele befolkningen: Vi har da sett hvordan det har utfoldet seg helt siden mars. Og det tok jo mange måneder før Norge var tilbake på de pre-covid nivåene. Og det er også store fylkesforskjeller i dette aktivitetsnivået som vi måler med mobilitet.

SS: Og ut ifra dette, hvordan kommer man da til type råd om at la oss si at i juletiden skal det være maks to selskaper med maks 10 personer eller eksterne. Generelt prøver man å finne noen regler som gjør at vi holder reisemønstrene nede og antall kontakt muligheter nede.

KM: Ja, jeg tror vi må være forsiktig med å si at disse agerte mobilitetsdataen er noe som vi kan bruke til å råd gi på en-til-en basis. Fordi det er naturen til disse dataene. At de er helt agerte. Så enheten vi ser på her er jo egentlig kommune, men vi må også huske på at dette er et virus som spres i nærkontakt. Og da er det jo i denne nærkontakt settingen at man må redusere antallet kontakter som man har. Og det er jo egentlig der denne smittesporingsappen egentlig forsøker å løse problemet med å kartlegge hvilke nærkontakter du har hatt den siste tiden. Så disse mobilitetsdataene som vi har snakket om nå er egentlig data i en annen setting og en annen kontekst enn data som samles inn i nærkontakter.

SS: Så igjen, hvis jeg prøver å rydde i hodet mitt så driver dere med en type makromodellering, ikke sant? Mens nærkontakt er mikromodellering. Det er på individnivå. Smittesporings app også videre.

KM: Jeg tenker på dataene som en mobiloperatør samler inn er ikke nødvendigvis helt egnet til å belyse nærkontakt problemet. Fordi når jeg har min mobiltelefon her, så er jo den koblet til en basestasjon. Sånn at det som registreres i Telenors systemer er jo basestasjonen jeg er koblet til. Og vanligvis så er jo disse basestasjonene dekker jo store områder. Så det å si at jeg har vært nærmere en person 1 meter over 15 minutter er egentlig umulig å svare på med de dataene som samles inn.

SS: Okey, også prøver jeg å tenke på hva kan vi lære av dere av deres data. Store endringer på litt sånn grovere maskinnivå i forhold til folks reisemønstre. Men kanskje også hvor effektivt forskjellige ulike kommuner har vært til å implementere smittevernsregelverk.

KM: Ja, og man kan jo på et overordnet nivå sjekke etterlevelse av forbud og sånne ting som blir implementert. Som går på bevegelse.

SS: Hvis man sier at okey, fra i morgen stenger vi den eller den sektoren for at folk må jobbe hjemmefra også ser man ingen demping i reise data, så er det ikke etterlevelse.

KM: Korrekt.

SS: Og hva er det viktigste vi har lært om covid som har overrasket deg?

KM: Personlig så synes jeg vel egentlig med covid det at du har denne asymptomatiske tilstanden. Det vil si at du er faktisk smittet av viruset. Også kan du løpe rundt og du føler de helt fin. Også drive å smitte dine personer som du omgås med. Det var hvert fall personlig kanskje den mest skremmende tingen her. Og det er jo også bakgrunnen for at du får et reproduksjons tall som er såpass høyt. At hvis man ikke gjør tiltak for å begrense interaksjon mellom mennesker så vil jo dette ta helt av.

SS: Disse spørsmålene om du har vondt i hodet og symptomer også videre. De kommer når de må komme, men vi vet litt for sent. Vi er kanskje på vår mest smittsomme kanskje en liten stund før symptomene melder seg.

KM: Ja, og nå er vel ikke akkurat jeg den til å kunne kvalitets sikre de symptomene og sånne ting aller best, men det var hvert fall for meg en ganske skremmende oppdagelse at 20-30% av de som er smittet kan gå rundt og føle seg helt bra, men likefult er de en kilde til smitte.

SS: Og det du sier her er store konsekvenser for samfunnsplanlegging under de nye pandemier. For det er ikke så mye annet å gjøre enn å begrense antall kontakter du har uansett hvor bra du måtte føle deg.

KM: Ja det er å begrense sosial interaksjon. Det er det eneste som hjelper. Og selvfølgelig en vaksine, det er også en god ting. Så her er den vi venter på alle sammen.

SS: Men du Kenth, er det noe man kan dra paralleller fra i forhold til de spesielle situasjonene som sykepleiere operere i. De må jo bevege seg, men kanskje vi kan si at for at de skal få lov til å bevege seg og gjøre sin livsnødvendige jobb så må vi andre bevege oss litt mindre for eksempel.

KM: Ja, og det er jo det som er tanken bak dette. At vi som har vanlige kontorjobber skal jo holde oss på hjemmekontor slik at de som er nødt til å faktisk komme seg på jobb, bruker da offentlig transport. Og helsearbeidere er jo helt klart blant de viktigste arbeiderne i Norge nå. Og de må få bruke offentlig transport og komme seg på jobb. Og da må vi andre vike vår plass på bussen og toget.

SS: Kenth, hva har vi lært herfra som kunne brukt fremover? Jeg tenker en av beredskapene i forhold til tilsvarende pandemier, men er det noe vi lærer om optimalisering av samfunnet for øvrig? Hva tenker du? Hva kan dette brukes til?

KM: Jeg tenker litt at dette koker ned til samarbeid. Og det er viktig å påpeke at det som jeg har snakket om her er jo et samarbeid mellom Folkehelseinstituttet og Norsk Regnesentral ved Universitet i Oslo og Telenor. Jeg tror det ville vært umulig å egentlig gjøre dette hvis ikke det hadde vært for viljen til genuint samarbeid. Også er det jo det at vi har disse partnerne her som har forsket sammen tidligere, så forskningen hadde på en måte skapt denne beredskapen. Så vi stod klare til å agere og gjøre ting når situasjonen krevde det. Men jeg tror den samarbeidsdimensjonen er ekstremt viktig og kanskje undervurdert fordi her er det da akademiske partnere som samarbeider med privat partner og offentlig partnere. Og det er jo ikke gitt at man automatisk skal få til slike samarbeid, fordi dette koker jo ned til mennesker. Vi er jo mennesker som gjør denne jobben og vi kjente hverandre fra før.

SS: Jeg kjenner litt til noen av dere og det som fasinerer meg er at man må være litt villig til å leke med mennesker man ikke nødvendigvis leker med. Tverrfaglighet er kjempeviktig og det at man har folk med veldig god forståelse av både samfunn og helse og er egentlig en veldig god problemstiller tror jeg er noe av det som også har vært helt vesentlig. Så en av de tingene som jeg hører når jeg snakker med folk fra helsesektoren om teknologi, om det er velferd eller helse så sier de ofte at de skulle ønske at teknologene var litt flinkere til å komme tettere inn på dem for å høre på hva det egentlige problemet er som man skal prøve å løse her. Og det virker som dere fikk løst det problemet ganske bra.

KM: Ja, det er jo en veldig god kommentar for jeg tenker at det å lykkes med samarbeid er du nødt til å ha en dose ydmykhet. Og hvis du ikke er ydmyk så vil du kanskje heller ikke høre på hva den andre part sier om hva det faktiske problemet er. Og kanskje teknologer generelt har en veldig stor tro på at deres løsning til dette problemet er den ideelle løsningen. Fordi man ikke helt forstår konteksten til helsearbeiderne. Jeg er helt overbevist om at det å forstå kontekst er helt avgjørende for å komme opp med løsninger som du kan bruke.

SS: Siste spørsmål før vi går inn på de fire personlige på slutten. Viktigste læringspunkt herfra til neste pandemi?

KM: Det viktigste læringspunktet, jeg tror det viktigste er all den infrastrukturen og pipe lines som er satt opp nå. Det vil gjøre at vi vil respondere på en helt annen måte den neste pandemi. Fordi nå har det hele tiden vært en kamp om å få ting opp og løse problemer underveis og man har løst så mange problemer. Og det vil være klart neste gang.

SS: Jeg må ta et spørsmål til før jeg går inn for landing. Jeg spurte om hva du tenker om generell teknologi innenfor helse- og pleiesektoren og du sier at den teknologien kommer til å snu opp ned på individuell pasientoppfølging og pleie. Personalisert medisin også videre. Kan ikke du kommentere litt på det?

KM: Det stemmer. Det kommer jo egentlig fra en oppfatning som jeg har om at mobiltelefoner og andre apper og devicer som vi klær på oss. De samler så mye data om vår helse og vår aktivitet at bare man finner de riktige spørsmålene og de riktige kontekstene til å belyse disse dataene og se på de riktige problemene så vil man sakte, men sikkert kunne finne gullet i disse datagruvene. Det er jeg ganske sikker på. En smartwatch eller en mobiltelefon er jo et instrument for å måle ofte. Og når vi måler så samler vi inn data og da blir kunsten å dra ut innsikt fra disse dataene.

SS: Jeg synes det er to veldig viktige poeng som jeg vil understreke her. Det ene er at vi klær oss i digitalisering. Og det er veldig viktig å ikke kaste bort alle de dataene som vi lager som vi kanskje kaster litt bort i forbindelse med smittesporingsapp og motviljen til å være med på det. For disse dataene kan være som du sier det gullet som vi bygger norges fremtidige velferdstjenester på. Så tror jeg det er veldig viktig å spørre seg hele tiden og egentlig fra tidlig av om hva vi vil med disse dataene. Klokskapen, de store innsiktene, store mulighetene popper ikke ut helt av seg selv. Det er liksom ved å riste i data og skvise i dataen lenge nok til at vi finner det.

KM: Jeg er helt enig.

SS: Okey, så siste fire spørsmål. Korte og personlige. Har du lest eller sett noe i det siste som virkelig har inspirert deg som du kan gi bort som en liten inspirasjonsgave?

KM: Jeg hadde tenkt å si at dette året har jo vært annerledes året så her om dagen fikk jeg endelig tak i Pondus julehefte og det gjelder jeg meg stort til å få et virkelig avbrekk. Nå er det jul, og det er også det å få injisert denne humoren. Det har vært et alvorlig år, men vi må ikke glemme gleden. Den må man gripe tak i.

SS: Veldig bra. Neste spørsmål. Hva var din mest positive overraskelse fra korona?

KM: Det var vanskelig. Jeg må si at det blir jo personlig og i konteksten av prosjektet som vi har kjørt. Og det er denne viljen til alle partnere til å bidra. Og egentlig alle sammen drar i samme retning og vi vet at vi ønsker det beste for Norge som nasjon og sånne ting. Og det gjør meg egentlig litt stolt.

SS: Jeg må si deg, jeg har spurt ca. 200 personer det spørsmålet nå og det er tre typer svar som kommer opp. Noen sier samhold, den påminnelsen om hvor bra vi jobber sammen. Noen sier omstillingsevne og hvor raskt vi tok til oss både det digitale og alt det andre. Og noen sier egentlig nyvunnen tid. Litt sånn hjemmekontor og familie. Det virker for meg som at det er de tre tingene. Så noe har vi fått av det også, da.

KM: Absolutt.

SS: Også lurer jeg på om du har en personlig rollemodell? Pondus?

KM: Nei, ikke Pondus egentlig. Jeg må si at ved Harvard School of Public Health så er det et team som jobber i Department for Epidemiology og de synes jeg har et fantastisk syn på public health generelt og hva som er viktig. Vi har jo selvfølgelig hatt en stri turn når i USA under covid-19, men jeg liker virkelig hva Caroline og de som jobber der står for.

SS: Så gøy. Da håper jeg dere holder de relasjonene varme. Siste spørsmål, hva pleier du å si til deg selv i vanskelige tider? Hva er din robusthetsstrategi?

KM: Min robusthetsstrategi er kort og godt som regel går det eller så går det over.

SS: Bare man er tålmodig nok. Så vil dette også gå over.

KM: Ja, jeg tenker sånn.

SS: Kenth, du som har vært så modig at du har snakket om data og innsikt fra data for våre gode sykepleiere. Jeg håper vi har klart å formidle at det kommer veldig mye samfunnsverdi ut av data for både helsesektoren og veldig mange andre sektorer, både gjennom samarbeid, men også vår vilje til å samle offentlig data om helse for fremtidigutvikling. Tusen takk.

Du har nå lyttet til en podkast fra Lørn.Tech - en læringsdugnad om teknologi og samfunn. Nå kan du også få et lærings sertifikat for å ha lytte til denne podkasten på vårt online universitet Lørn.University

 

 

 

 

Read full transcript

Hva er det viktigste lytterne skal ta med seg fra denne podkasten?

At man kan bruke mobilitetsdata til å hjelpe med å forstå bedre spredning av smittsomme sykdommer og virus.

 

Hvem er du, personlig og faglig?

Jeg er en forsker i Telenor, med lidenskap for analyse av informasjon, og opptatt av at kundedata skal benyttes riktig og alltid lovlig

 

Hva er det viktigste du har lært av Covid-krisen?

Verdien av forskning som beredskap.

 

Hva ønsker du at andre skal ta med seg fra Covid-krisen?

En respekt for smittsomme sykdommer.

 

Hvordan har det endret din hverdag?

Hjemmekontor hele tiden.

 

Hvilke muligheter ser du?

Beredskapen for neste pandemi vil være en helt annen.

 

Hvilke utfordringer ser du?

Tillit til at personvernet blir ivaretatt i løsninger som dette.

 

Hva tenker du om teknologi fremover i pleie- og omsorgssektoren?

Kommer til å snu opp ned på individuell pasient oppfølging og pleie.

 

Noen tips, tanker eller annet som du vil utfordre lytterne våre med?

Siden jeg er lidenskapelig opptatt av data og innsikt; så vil jeg gjerne utfordre holdningen om at det er så trivielt å finne verdifull innsikt i mye data

 

Dine viktigste prosjekter siste året?

2020 har bestått av ett prosjekt for min del: C19-prosjektet hos FHI, sammen med Norsk regnesentral og UiO (Big Insight).

 

Refleksjonsspørsmål

Samle deg med en venn eller en kollega for å se om du klarer å svare på spørsmålet nedenfor.



Spørsmål:

Kenth Engo Monsen forteller om epidemiologisk modellering, hvordan befolkningens reisemønster kan bidra i arbeidet med smittespredningsmodeller. Hvordan kan vi definere et system som lar oss ha eierskap til vår egen data for kollektive krisesituasjoner, samtidig som vi verner om individets privatliv? Og hvis vi ikke selv skaper dette systemet, vil noen andre gjøre det? 

!

Want to show off this case to your friends and coworkers?

Download summary (Available soon)
PUBLIC SECTOR

This is what you will learn:

Mobilitetsdata
Befolkningsmønstre 
Epidemiologisk modellering
Beredskapen for neste pandemi

Siden jeg er lidenskapelig opptatt av data og innsikt; så vil jeg gjerne utfordre holdningen om at det er så trivielt å finne verdifull innsikt i mye data.

- Kenth Engø-Monsen

Recommended literature:

www.telenor.no

This is Telenor Research

Telenor ASA, er et norsk teleselskap opprinnelig opprettet av staten i 1855 som Kongelige Elektriske Telegraf . Selskapet er i dag et delprivatisert og børsnotert aksjeselskap med selvstendig forretningsvirksomhet innen mobiltelefontjenester, fastnett for telefoni, bredbånd og internett, videre TV-tjenester via kabel, satellitt, fiber og kystradio i Norge. Telenor har i alt om lag 33 000 ansatte i 12 land utenom Russland og Ukraina, hvorav ca. 4 500 i Norge. Statens eierandel i Telenor er 54 % gjennom Nærings- og handelsdepartementet, og 5 % gjennom Statens pensjonsfond – Innland (tidligere Folketrygdfondet). Telenor betjener ca. 150 millioner mobilkunder i Europa og Asia.