Data fra biblioteket

Hvad

Et bibliotek genererer mange forskelige data - tænk fx på bibliotekssystemer, hjemmeside, billetsystemer, brugerprint, CTS- og ADK-systemer m.m.

Der er stor forskel på, hvordan data bliver registreret, og hvilke muligheder man har for at få fat i tallene. Mange biblioteker ligger inde med flere data, end de er klar over. Overvej, hvordan I kan skabe værdi er jeres eksisterende data: Hvilke data kan I bruge? Og hvordan?

 

Hvordan

Da det ofte er mange forskellige systemer, der genererer data, er det ofte svært at få et samlet overblik over data. Kig på jeres samlede bygning og jeres installationer: Hvilke installationer og eksisterende bygningsteknologier kan I få data fra?

Vi erfarede, at der ofte mangler API'er til automatisering af udtræk, men ofte kan indledende undersøgelser laves ved at trække data ud på opfordring, fx som csv- eller excel-filer. Alternativt kan man altid taste værdier ind manuelt, til en start. Derudfra kan man så vurdere, om der skal arbejdes på en lettere adgang til dataudlæsning. 

 

Erfaring

Adgang til data har vist sig at være en stor udfordring. Det kan være ret vanskeligt både at finde frem til alle de steder, hvor der genereres data, men også at få det ud i en form, hvor man kan arbejde med det. Der kan også være udfordringer i forhold til den måde systemer og data er organiseret; måske er det kommunens centrale IT-enhed, der skal give adgang til noget data, mens et andet system hører under en anden del af organisationen - og en tredje er måske data, som kommer fra en ekstern leverandør. Der kan også være systemer, der indeholder personfølsomme data, hvilket gør, at man ikke umiddelbart kan få adgang til systemet og se på, hvordan man kan få tallene ud til videre bearbejning.

 

Udfordring

At få adgang til data og få dem koblet med andre relevante data. Det kræver tid, kompetencer og evt. nye programmer til statistikbehandling.

 

Potentiale

Der er et stort potentiale i at blive bedre til at få indsamlet og behandlet de tal, vi allerede genererer. Der ligger en masse viden gemt - særligt hvis data fra flere kilder kan kombineres, så man kan se nye mønstre.

 

Omkostninger

Omkostningerne ligger i de timer, det kræver at identificere data og finde ud af, hvordan man får fat i dem. Adgang til data tager tid!

 

Eksempel fra Dokk1:

Hvad kan vores eksisterende installationer fortælle om brugen?

Hvilke data har vi nu?

  • Wizefloor: Det interaktive gulv. Hvor mange spil er der blevet spillet på det? Vi har flere andre installationer, hvor man også med tiden kunne forestille sig at få data fra: Hvor mange gange er installationen Sandkassen aktiveret? Hvor mange spil er spillet på arkademaskiner? Etc.  
  • Hvor mange print er der foretaget? I dag? Den sidste måned? De sidste 5 år?
  • Antal sessioner på udlånsautomater
  • Antal bookinger af studierum
  • Antal arrangementer, antal deltagere i arrangementer
  • Realtids-køtid hos Borgerservice
  • Antal ekspeditioner ved vejledningsborde med nummersystem
  • Realtids-transaktionsdata
  • Besøgstal på Lokalbibliotekerne
  • Besøgstal på Dokk1
  • Hvor mange er på Dokk1 lige nu?
  • Hvor mange medier bliver udlånt?
  • Hvor mange medier bliver afleveret?
  • Trafik og data fra bibliotekernes hjemmeside: aakb.dk
  • Billetbestillingssystem:
  • Publikumsnetværk: Hvor mange bruger det offentlig tilgængelige netværk (SmartAarhus)?

 

Andre systemer vi kan trække data fra

 

Systemer som vi på sigt gerne vil have data fra:

  • Dokk1 - CTS/ADK-system: Styring og måling af lys, varme. Man kan fx spare strøm på at justere lamper.
  • Dokk1 Facility Management System: System til bestilling og håndtering af serviceopgaver i Dokk1
  • Elevatorer: trafikmåling og energiforbrug?

 

Sidsel Bech-Petersen