Dataanalys och maskininlärning i Göteborg

Gör er data till beslut ni kan agera på

Fiive bygger prognoser, riskmodeller och beslutsstöd som går i produktion — från dataförädling till en modell som era system faktiskt använder. Vi börjar i ett beslut som är värt att förbättra.

Kartlägg ett beslut Se upplägg och leverans

Direkt med utvecklarnaFast pris vid tydligt scopeNi äger modell och data

Dataanalys och maskininlärning hos Fiive

Göteborg

Lokalt team på Järntorget

Pilot först

Mätvärden före stor investering

I produktion

Modeller i drift, inte i en rapport

Överlämningsbart

Modeller, kod och dokumentation

När vi skapar mest värde - Tre lägen där dataanalys ger tydlig utväxling

Ni behöver inget datalager på plats. Däremot behöver det finnas ett beslut som tas ofta, ett mätbart utfall och någon som kan agera på svaret.

Beslut tas för sent eller för hand

Samma bedömning görs om och om igen i Excel eller i huvudet på en erfaren kollega. Ni vill att svaret ska finnas när beslutet tas, inte veckan efter.

Prognoser och beslutsstöd i era flöden

Ni vill prioritera innan det blir dyrt

Rätt kund, rätt ärende eller rätt underhållsinsats först. Ni behöver en modell som rankar vad som är värt att agera på medan det fortfarande går.

Riskscoring och prioriterade åtgärdslistor

Ett användningsfall ska testas innan ni skalar

Ni vill veta om datan bär och om nyttan finns — utan att först binda upp er i en plattform, ett datalager eller ett långt program.

Avgränsad pilot med mätvärden

Mindre lämpligt när en enkel regel eller en rapport redan löser behovet.

Kundcase · Maskintillverkare

3 000 sidor manual blev sökbara på sekunder

Vi byggde en RAG-lösning som låter servicetekniker fråga servicemanualerna direkt, med källhänvisning till rätt avsnitt. Upplägget var en avgränsad PoC — bevisa att metoden fungerade på deras faktiska manualer, till en känd kostnad. Efter piloten tog kunden över och drev lösningen vidare internt.

Underlag: 3 000 sidor
Svarstid: Minuter till sekunder
Efter PoC: Överlämnad till kund

Läs hela kundcaset

Hela vägen till produktion - Det här ingår när vi bygger beslutsstödet

En kontakt och ett ansvar från rådata till modell i drift. Vi lämnar inte över en presentation — vi lämnar över något som används i era processer.

Data som går att bygga på

Vi börjar i datan ni har. Den rensas, harmoniseras och kopplas ihop tills underlaget är stabilt nog att fatta beslut på — och vi säger till om det inte räcker.

Dataförädling och datakvalitet
Kartläggning av källor och system
Rak bedömning av om datan bär

Modeller för återkommande beslut

Prognoser, prioritering och klassificering där samma typ av beslut tas ofta. Vi väljer den enklaste metod som löser problemet — inte den mest avancerade.

Prediktiv analys och prognoser
Maskininlärning för klassificering och dokumentsökning
NLP och djupinlärning när problemet kräver det

Drift, uppföljning och överlämning

En modell som ingen underhåller tappar värde tyst. Vi sätter lösningen i produktion, kopplar den till era arbetsflöden och följer noggrannheten över tid.

API:er och integration i era system
Övervakning och omträning
Dokumentation och överlämning

Så fungerar ett uppdrag

Börja med ett beslut som är värt att förbättra

Beskriv ett återkommande beslut eller flöde. Vi bedömer tillsammans vilken data som finns, om en pilot är rätt nästa steg och vad den behöver visa — innan ni binder upp er i något större.

Kartlägg ett beslut

Avgränsa

Vi utgår från ett återkommande beslut, går igenom datan bakom det och bedömer om maskininlärning är rätt verktyg.

Ni får: bedömning av datan, rekommenderat scope och pris

Pilot på riktig data

Vi bygger en första modell och mäter hur den presterar på er verkliga data — innan ni investerar i produktionssättning.

Ni får: fungerande modell och mätvärden på affärsnyttan

Produktion och förvaltning

Vi kopplar lösningen till era system så att svaren når rätt person i rätt läge, och tränar om när verkligheten förändras.

Ni får: driftsatt lösning, dokumentation och plan framåt

Teknik som går att äga

Ingen black box.
Ingen onödig inlåsning.

Vi bygger med etablerade verktyg — Python, SQL och vanliga ramverk för maskininlärning — och kör i den molnmiljö ni redan har, som Azure, AWS eller Google Cloud. Vi väljer den enklaste metod som löser problemet och dokumenterar varför, så att någon annan kan träna om modellen efter oss.

DataförädlingPrognoser & modellerIntegration i era systemDrift och omträning

Branscher - Dataanalys i branscherna vi arbetar med

Värdet av dataanalys avgörs av branschkunskapen bakom modellerna. I de här tre branscherna har vi den.

Industri & tillverkning

Produktionsdata, OEE och prediktivt underhåll på era operativa data.

Läs mer

Fintech och finansiella system

Riskmodeller, prognoser och beslutsstöd i finansiella flöden.

Läs mer

Logistik och lagerhantering

Efterfrågeprognoser, lageroptimering och KPI-dashboards.

Läs mer

Tidigare projekt

Vi arbetar med företag i olika branscher. Läs om tidigare projekt och vilka resultat lösningarna gav i praktiken.

Kundcase

AI-chatbot för bergvärmeansökningar

Vi byggde en AI-chatbot för Herrljunga kommun som guidar medborgare genom bergvärmeansökningar via chattbaserat formulär, interaktiva kartor och automatiska geografiska kontroller.

Kundcase

En mottagarportal för fakturor

Vi hjälpte Keeros att bygga en mottagarportal för fakturor med tydlig status, betalningsuppgifter och utestående belopp – allt i ett gränssnitt för deras mottagare.

Kundcase

Named Entity Recognition för medicinska texter

Vi förbättrade NER-prestandan på svenska medicinska texter åt ett ledande universitetssjukhus med dataaugmentering och finjusterade BERT-modeller för mer exakt klinisk informationsutvinning.

Inför ert beslut - Vanliga frågor om dataanalys och maskininlärning

Det viktigaste att reda ut innan ni väljer partner, leveransmodell och första scope.

Vad kostar ett dataanalysprojekt?

Det beror på hur mycket dataförädling som krävs, hur många system som ska kopplas ihop och om lösningen ska i drift eller bara utvärderas. Vi börjar med en avgränsad förstudie som sätter fast pris för en pilot — ni vet kostnaden innan modellbygget börjar. Vår prisguide för mjukvaruutveckling ger en första uppfattning om nivåerna.

Hur snabbt får vi något som går att utvärdera?

Vi siktar på en avgränsad pilot på er verkliga data i stället för ett långt utredningsprojekt. Piloten ska ge mätvärden på ett konkret beslut, så att ni kan bedöma nyttan innan ni betalar för att bygga ut lösningen och sätta den i produktion.

Måste vår data vara i ordning innan vi börjar?

Nej. Vi behöver historik för det ni vill förutsäga och något som kopplar ihop posterna — inte ett datalager i ordning. Första steget är att titta på datan ni faktiskt har och säga rakt ut om den räcker. Gör den inte det är dataförädling en del av uppdraget, inte ett förkrav ni ska lösa själva först.

Kan ni ta över modeller som någon annan har byggt?

Ja, det går bra. Ofta handlar det om en modell som fungerade vid leverans men tappat noggrannhet, eller som ingen längre vet hur man tränar om. Vi kartlägger vad den faktiskt gör, mäter hur den presterar idag och tar över drift och omträning.

Vem äger modellen, koden och datan?

Ni äger koden, modellerna, miljöerna och er data. Vi dokumenterar viktiga beslut så att ert eget team eller en annan partner kan träna om och bygga vidare. Förvaltningen är ett avtal ni kan säga upp — ingen inlåsning.

Arbetar ni med fast pris eller löpande debitering?

Fast pris när leveransen går att avgränsa tydligt — vilket förstudie och pilot oftast gör. Vid löpande förvaltning och omträning arbetar vi med en transparent, prioriterad backlog. Efter första kartläggningen föreslår vi den modell som ger er bäst kontroll.