top of page

Kunduppdrag SJ

Optimerad och kostnadseffektiv lösning för massiva datamängder med hjälp av moderna verktyg

Bakgrund

SJ är ett statligt ägt bolag som erbjuder passagerartrafik på järnväg i Sverige och andra delar av Skandinavien. Bolaget grundades 2001 när Statens Järnvägar delades upp i olika enheter vars syfte är att erbjuda pålitliga och effektiva järnvägstjänster samt hög komfort och god service ombord på tågen.

​

SJ har massiva datamängder när det kommer till tågen, som används för analyser och prognoser. Analytikerna ska även kunna tillämpa AI och Machine Learning – vilket kräver stora mängder rådata. SJ samlar även in data från Trafikverket som rör spåren och man börjar även kolla på väderdata som också går att koppla till fordonen. Kort och gott så finns det mycket intressant data som kan användas för att göra bättre analyser och prediktioner.
 

2

Utmaning

Det fanns ett tydligt mål vad gäller kostnadsbesparingar genom att främst göra sig av med system och diverse instanser som hanterar data – som SJ nu själva vill hantera och ansvara över. Stora delar av datan har varit outsourcad och nu vill man istället äga och kontrollera sin egen data – från datainsamling till visualisering. Ytterligare kostnadsbesparingar i form av underhåll och att föreligga problem var en tydlig utmaning som man önskade lösa. Exempelvis när ett tåg går sönder så ska man helst redan innan kunna se detta genom att analysera tågets beteende och därmed kunna sätta in förebyggande åtgärder alternativt åtgärda problemet innan det drabbar passagerarna.

​

Det fanns en lösning på plats för datainsamling men den befintliga lösningen var inte byggd för att hantera så stora datavolymer eller i den hastighet som datat strömmade in i. En del av utmaningen låg alltså i att designa och implementera en kostnadseffektiv lösning som klarar av kontinuerliga strömmar och stora datamängder. 
 

3

Lösning & Resultat

SJ har gått från en lösning som var framtagen för ett specifikt ändamål, mot en mer generell lösning som möjliggör för framtida utmaningar. Man har förflyttat sig från en stökig lösning med flera instanser som hanterar data och som krävde mycket handpåläggning – mot en mer hållbar lösning som kan hantera stora datamängder i den hastighet de kommer. Man gick från Data Bricks till Spark på grund av de stora datamängderna som behövde hanteras. Finity People har varit en central del i denna process där vi satt upp plattformen, byggt Kafka-strömmar och utvecklat konceptet för hur dessa strömmar ska hanteras. Vår konsult har implementerat automatiserade flöden och pipelines samt byggt diverse integrationer för en komplett hantering av datainsamling och lagring av data.

​

Finity People har bidragit till en effektiv och optimerad lösning för datainsamling som nu möjliggör för analytiker att fatta bättre och mer korrekta beslut. Genom att exempelvis se problem med hjulen på tågen och hur de beter sig över tid kan man föreligga problemen och ta till åtgärder i förebyggande syfte. De stora datamängderna möjliggör även för prediktion med hjälp av AI/ML, vilket ger SJ goda förutsättningar för framtiden. Den strömmande datan ger också verksamheten bättre förutsättningar när det kommer till driftstöd och livedata, för att bättre kunna hålla koll på tågen.

4

Affärsnytta

SJ samlar in stora mängder data som man nu själv äger och förvaltar. Det ger bolaget full kontroll på vilken data som samlas in, hur den lagras och används. Den betydande affärsnyttan kommer från den hantering av stora datamängder som kan ge bättre analysmöjligheter och insikter, möjliggör för AI/ML där man i framtiden hoppas kunna sätta egna tröskelvärden och tillsätta förebyggande åtgärder som i längden sparar både tid och pengar.

Get in Touch

This is a Paragraph. Click on "Edit Text" or double click on the text box to start editing the content.

bottom of page