For å illustrere hva vi gjør, følger her noen eksempler.
Trafikktetthet i Stavanger
Konsept: Et 24-timers tidsforløp av faktisk trafikktetthet i Stavanger.
Om videoen: Bygget på Stavangers åpne trafikkdata (GraphQL), hentet med Python og fremstilt som et fargekodet kart — grønt for flyt, rødt for kø. Poenget er ikke visualiseringen i seg selv, men å vise hva åpne data faktisk kan brukes til når de er tilgjengelige, ikke bare publisert.
Fakta:
Datakilde: Stavangers åpne trafikkdata (GraphQL)
Databehandling: Python
Resultat: fargekodet kart, 24-timers tidsforløp
Ekte data, ingen simulering
Basemap: CartoDB Dark Matter
Fra data til beslutning — en BPMN/DMN-arbeidsflyt
Konsept: Et illustrativt eksempel — fra rådata til en beslutning man kan følge trinn for trinn.
Om videoen: Databehandlingen ligger i bakgrunnen og leverer input til en BPMN-prosess. Selve beslutningsregelen ligger i en DMN-tabell — lesbar og etterprøvbar, ikke gjemt i en regnearkcelle. Prosessen ble modellert og tatt opp i bpmn.io, slik at man kan se hvordan et tilfelle beveger seg gjennom stegene. Kategoriene som brukes (skadegrad, sone, tilgjengelighet) er forenklet for illustrasjon, ikke hentet fra et virkelig datasett.
Fakta:Prosess:
Prosess: BPMN, modellert i bpmn.io
Beslutningsregler: DMN-tabell (lesbar, versjonerbar)
Databehandling: holdes i bakgrunnen, leverer kun input
Data: forenklet eksempel, ikke et virkelig case
Samme data, ulike prioriteringer
Konsept: En glidebryter som endrer vekting i en prioritering — og oppdaterer et kart i sanntid.
Om videoen: Metoden bak er standard flerkriterieanalyse (MCDA) — ingen hemmelig formel. Det som er annerledes, er at vektingen er synlig og justerbar i stedet for skjult i en celle. Flytt bryteren, se rangeringen endre seg: samme data, ulik prioritering, ulikt utfall.
Fakta:
Metode: flerkriterieanalyse (MCDA), standard, ikke proprietær
Databehandling: Python
Live-interaksjon: JavaScript, kjører i nettleseren, selvstendig HTML-fil
Bygningene er modeller.
Et av Norges landemerker, i 3D
Konsept: En 3D-rendering av et av Norges mest gjenkjennelige naturlandemerker, bygget utelukkende på åpne data.
Om videoen: Høydedata drapert med satellittbilder — ingen manuell modellering, bare to åpent lisensierte datasett satt sammen til en 3D-scene.
Fakta:
Høydedata: Kartverket / Geonorge (CC BY 4.0)
Satellittbilder: Norge i bilder (CC BY 4.0)
Ekte data, ingen simulering
I Lab viser vi eksempler fra arbeidet vårt. Noen data er ekte (f.eks. Stavanger), andre er forenklet for å være lettere å forstå. Flere eksempler kommer fortløpende.