Av PETER LUNDEGÅRDH | peter.lundegardh@di.se | Torsdag 30 juni 2016 kl. 14:00
MATEMATIKENS KLAS INGESSON. Att Wilhelm Landerholm skulle vara matematikens svar på Zlatan håller han själv inte med om. "Jag är nog mer en Klas Ingesson-typ", säger han och skrattar.
Han är matematikern som gett idéer till Richard Branson i utbyte mot lunch, gjort algoritmer som hjälpt Barack Obama i sociala medier. Och så kan han förutspå om pendeltåg kommer att bli försenade.
Jag löser verkliga problem, säger Wilhelm Landerholm.
» Stått och stampat på väg in i ett flygplan någon gång och önskat att det ska gå snabbare? Wilhelm Landerholm har en algoritm för det.
Han har köteori som specialitet och är kvalificerad att slå fast hur man matematiskt sett bäst fyller sätena på kortats tid.
Antingen sätter man passagerarna i rätt ordning redan vid gaten, eller så fyller man på det slumpmässigt. Mitt förslag är att ge resenärerna färgade brickor och släppa in en färg i taget.
Vissa kallar honom matematikens svar på Zlatan, men det är inget han vill kännas vid.
Jag är nog mer en Klas Ingesson-typ. Fel man på fel plats”, säger han och skrattar högt.
FAKTA | WILHELM LANDERHOLM
Ålder: 38 år. Familj: Gift, två barn, 6 och 4 år.
Bor: Radhus i Täby.
Bakgrund: Matematiker, statistiker och statsvetare. Gav 2003 ut en e-bok med titeln Om möjligheter och två år senare boken Skit i kunden på eget förlag. Driver bolaget Queue. Blev i fjol känd efter att ha lanserat en prognostjänst för pendeltågstrafiken via en app kallad Pendelprognosen.
Fritid: Leka med barnen, gärna i naturen. ”Gaisare i själ och hjärta”. Älskar smågodis – lakrits – och trivs bäst i fleecetröja.
Medievanor: Twitter. ”Nyhetsknarkare”, läser Dagens industri, Washington Post och New York Times. Prenumererar på Grönköpings Veckoblad.
FAKTA | 7 PROBLEM SOM WILHELM LANDERHOLM HAR LÖST:
1. Kan förutsäga flyktingströmmar, ett verktyg för biståndsorganisationer.
2. Har utvecklat en funktion som två timmar i förväg kan avslöja vilka pendeltåg som blir försenade.
3. Kan se om en nätdejt blev lyckad, baserat på hur snabbt kvinnan loggar in på sajten igen.
4. Roar sig på fritiden med att förutse vilka filmstjärnor som kommer att vinna Oscarstatyetter.
5. Kan sortera ut vad som triggar folk att retweeta budskap på Twitter. Användes i Obamas återvalskampanj.
6. Har hjälpt Richard Bransons flygbolag Virgin att förenkla incheckningen av flygresenärer.
7. Har utvecklat ett system som varnar för att paket från nätbutiker har fastnat på vägen till kunden.
8. ...och till sist ett problem som saknar lösning: Den optimala placeringen av utbudet på en frukostbuffé.
Fast det där om att vara felplacerad är en direkt lögn.
Wilhelm Landerholm är nämligen en av landets få äkta så kallade data scientists: expert på analys av stora datamängder och hur man med matematikens hjälp, läs algoritmer, kan skapa en begriplig bild och dra konkreta slutsatser av statistikbrus.
I takt med att allt större datamängder genereras i världen – tänk bara på allt du delar med dig via din mobil eller Facebook – finns nya möjligheter att omsätta detta till affärer.
Detaljhandelsjättar och globala koncerner vrålar efter den sortens expertis. Wilhelm
Landerholm sitter alltså på en kunskap och förmåga som om han stod på en fotbollsplan skulle kunna liknas vid en straffsparksläggning – utan målvakt.
Jobbar i sin ”man-cave”
Han är stolt ägare av bolaget Queue, ett laboratorium som skräddarsyr affärskoncept med tyngdpunkt på dataanalys. Kontoret, hans ”man-cave”, ligger i Täby. Det har två rum och plats för åtta personer, men han jobbar ensam.
På väggen vid entrén hänger fem klockor som ska visa tiden i Los Angeles, Stockholm, New York, Mumbai respektive Seoul.
Alla står stilla.
Tanken var att jag skulle kunna hålla koll på tiden hos mina kunder, men de tickade högt som tusan. Efter två dagar blev jag galen och drog ur batterierna.
I hyllorna utmed väggarna finns prydliga staplar med dokumentlådor och även stora kartonger fulla med sötsaker – kaffekolor, som uppenbarligen är favoritgodiset. Han har även ett förråd av Paradischokladkartonger intill några rader pocketböcker om läslusten skulle falla på: från Douglas AdamsLiftarens guide till galaxen till Vilhelm MobergsNybyggarna. Han har också Starta Eget-handboken.
Svenska företag är dåliga på att utnyttja möjligheterna med big data, enligt Wilhelm Landerholm.
Efterfrågan finns hos stora amerikanska koncerner eller bolag som verkar i den miljön, som Schibstedt och Kinnevik, säger han och biter sig i tungan.
I en av vägghyllorna står nämligen två pärmar med sekretessavtal.
Jag har kunder som i stort sett lever på mig och de skulle stämma skiten ur mig om jag berättade vilka de är. Jag måste kolla vilka jag får prata om, Aftonbladet och Tele2 går nog bra, det var ett tag sedan jag levererade algoritmer till dem.
Av allt att döma är några av slutkunderna stora detaljhandelskedjor i Storbritannien. Vissa är särskilt nervösa. De kräver att deras data endast får analyseras på en dator som aldrig varit kopplad till internet.
Det är inget problem. Jag sitter på bra ’burkar’ och en datakraft många drömmer om.
För egen del har han hittills hållit en låg profil. Att prata om sig själv, som nu, är sällsynt.
Jag flyger nog väldigt mycket under radarn. Det är ytterst sällan jag träffar slutkunden. Min privata zon är väldigt stor. Jag är nästan inte redo att prata med dig, egentligen.
Om stereotypen av en matematiker är en inåtvänd och stel person som älskar sifferexercis så är Wilhelm Landerholm motsatsen.
Han tar plats och märks, på ett avväpnande sätt. Trivs bättre i fleecetröja än i kostym. Skrattar högt, ibland i falsett, och pratar som en popcornmaskin. När ett korn poppar skapas en kedjereaktion och han kan snacka i timmar. Skaka till grytan med en fråga eller två så fortsätter det att smattra. Svaren skjuter iväg åt alla möjliga håll.
Jag vet om att jag är sådan och det irriterar mig litegrann. Matematiker är vanligtvis väldigt stringenta och det är på något sätt idealet för mig.
Han har självdistans nog att erkänna att han fick 0,1 poäng på högskoleprovet.
Det fanns två kolumner att fylla i svaren. Jag skrev mina svar i fel kolumn. Man ska inte ha högre poäng om man inte kan läsa instruktionerna...
Men han är desto mer noggrann när han lägger ut texten om vad en data scientist egentligen gör.
Det finns många därute som slänger sig med det uttrycket men inte är i närheten av att använda sig av metoder och analyser på riktigt, säger han och halar upp ett litet kretskort ur jackfickan.
Jag brukar ha med mig det här till kunderna, som olja för tankarna. Det är bra för dem att hålla i medan man pratar.
Big data behöver nämligen inte vara ettor och nollor i servrar packade i datahallar stora som hangarer. Den värdefulla delen av informationen kan hanteras på en liten Raspberry Pi-dator som kostar några hundralappar på Kjell & Company.
Mycket av det jag gör är väldigt abstrakt. Det handlar om automatiserade system, men ingenting man som du och jag som kunder märker av arbetet bakom. Visst, man kan se prislappen, men därifrån till de underliggande prissättningsstrategierna är avståndet stort.
Jag lever på att kombinera en rad tekniker, bland annat en kallad Random Forest.
När jag ber honom beskriva vad Random Forest är – med tillägget att han ska förklara enkelt, som om jag vore hans farmor – svarar han uppriktigt:
Jag har fått många frågor, men aldrig den! Tur att du inte bad mig förklara för min mamma, för hon har en licentiatexamen i oorganisk kemi.
Den stora poängen med Random Forest är att du slumpar ut observationer och variabler och gör ett beslutsträd på din samplade data. Det gör att du får flera träd – en skog. Poängen är att de flesta av träden kommer att klassa datan rätt, och att felen dyker upp på olika ställen. Det gör att du får en tämligen robust skattning i jämförelse med att bara gör det en gång, till exempel.
Försenad post och nätdejting
Men en djupdykning i matematiska termer är egentligen inte nödvändig här. Viktigare är att alla som läser den här artikeln någon gång har använt, utsatts för eller dragit nytta av en teknisk lösning som Wilhelm Landerholm ligger bakom.
Han har hållit på sedan 2003 och hittills har det blivit 1 291 modeller, varav 250 används i detta nu. Ett litet urval från den lista som han rabblar ur sig i en hastighet som bara en stenograf skulle hinna få ned på papper:
”The train brain”. Tågförseningsmodellen till Stockholmståg. | Där jag byggt en modell som kan förutspå två timmar i förväg vilka tåg som kommer att bli försenade. Så vitt vi vet är modellen världsunik då den faktiskt är implementerad och tickar och går.
Centiro | Jag har tagit fram en modell för att varna för att en postförsändelse, leverans från en nätbutik, kommer att bli sen.
Tele2 | Flera olika saker, men det kanske bästa exemplet är modellen för att skapa kundkluster/segment för produktutveckling.
Funktionen C2 | En enkel metod att mäta hur lyckad en nätdejt är baserat på tiden det tar innan tjejen loggar in igen. Men den är så gammal att jag inte vet vad som finns kvar av den.
Han har också tagit fram en modell för att räkna ut hur många Aftonbladet och Aftonbladetbilagor ska levereras till butiksställ.
Jag har gjort modellen för X antal återförsäljare som ska få Y antal tidningar/bilagor.
Obama och Twitter
Pendeltågskollen blev en världsnyhet när den släpptes häromåret och Wilhelm Landerholm bjöds in av BBC:s teknikmagasin Click för att berätta.
Efter att programmet sänts smällde det till i min mobil. Jag hade plötsligt 591 obesvarade samtal. En av dem som ringde var en tågoperatör i Japan.
Han gjorde en taxioptimeringsmodell i samma veva som gänget bakom Uber började lansera sin idé och har snickrat ihop funktioner som förutspår flyktingströmmar, ett verktyg för biståndsorganisationer.
I samband med Barack Obamas presidentvalkampanj flockades datawizards som ville svinga sina trollspön. Wilhelm Landerholm var en av dem som bidrog med en funktion kopplad till Twitter.
Den handlade om att sortera ut vad folk reagerar på och vad som triggar dem att retweeta budskap. Vet man det går det att få dem att föra ut ett liknande budskap, fast med ens egen kandidat som avsändare.
Vid sidan om jonglerandet med ekvationer och analysverktyg i sin entreprenörsverksamhet har han även varit med och startat energimätningsbolaget Ecoguard, som i dag har runt 40 anställda och omsätter 60 miljoner kronor.
Ett av mina första jobb var en plattform där man kan maximera det totala resultatet av investerade pengar i ett filmprojekt. Men den kan inte identifiera floppar eller okonventionella filmsuccéer som Juno.
Modellen kan även användas som förhandlingsvapen – hur mycket man ska betala skådespelarna i förhållande till hur mycket filmen kommer att spela in.
Modellen har 21 parametrar eller mätpunkter som till exempel handling, koncept och genre. Hemligheten ligger i hur dessa skattningar påverkar varandra. Han vill inte berätta vem som använder den, men filmaffischerna som hänger på hans kontor pekar på att det rör sig om 20th Century Fox.
Hur statyetterna skulle fördelas vid årets Oscarsgala visste dock Wilhelm Landerholm redan i förväg. Typ.
Jag och några vänner har en intern tävling där vi försöker utgå ifrån så lätta modeller som möjligt. Vi räknar de tolv tunga statyetterna och där brukar alla ha tio-tolv-ish rätt. Den som kan bygga en modell som är så bra som möjligt med så lite data som möjligt vinner. Mitt bästa resultat hittills vid en Oscarsgala är 20 av totalt 24 vinnare av statyetterna.
Jag gör misstaget att fråga hur det går till – för det är som att öppna fördämningsluckorna till en damm. Ut forsar yrkesjargong som bagging, logistisk regression, klassisk regression (som tycks vara en dålig prediktionsteknik, men bra för att fånga upp variation), Kalmanfilter, tidserieanalys och Markovkedjor (något Wilhelm Landerholm tydligen är särskilt svag för).
En dålig affärsman
Enklare uttryckt går det ut på att skatta och värdera vilka andra priser filmerna eller skådespelarna har fått eller i vilken utsträckning klipp ur filmerna visats på Youtube.
Personligen kombinerar jag ofta flera tekniker. Men jag uppskattar verkligen att skapa kluster. Genom bra grupperingar av data kan du nämligen skapa funktioner som har lägre variationer och avvikelser. Sedan gillar jag avstånd, alltså vektorer där vi beskriver ett objekts egenskaper och sedan betraktar skillnaden, avståndet, mellan dessa objekt. Det är ju i grunden vad de flesta klustertekniker gör, men vad jag menar är korrigeringen. Om du utgår ifrån en väntevärdesriktig modell så kan man med flit tillföra en bias för att ändra förutsättningar.
Han bär alltid med sig en anteckningsbok fullklottrad med idéer. Eller förbättringsförslag, som han väljer att kalla dem. I klartext: ekvationer som har fler bokstäver och grekiska tecken i sig än siffror. Allt nedtecknat med väldigt prydlig handstil och sobert ritade diagram och grafer.
Jag funderar konstant på nya modeller som kan lösa problem av alla möjliga slag. Om du frågar min fru tycker hon att det är tröttsamt. Jag söker hela tiden en tanke bakom allt och kan fundera till döddagar på hur en frukostbuffé på ett hotell ska arrangeras på bästa sätt.
Wilhelm Landerholm försöker upptäcka mönster. Han strukturerar upp verkligheten och testar med olika antaganden: ”Vad skulle hända om man ...”
Trots att han redan i högstadiet övade med att sälja kexchoklad och coca-cola ur sitt skåp ser han sig som en dålig affärsman.
Jag har inte tjänat några stora pengar. En av modellerna jag tagit fram har dragit in 230 miljoner kronor till bolaget jag samarbetade med. Jag fick 28 000 kronor för den algoritmen.
På parkeringen utanför kontoret står dock hans sprillans nya Volvo XC90, där mätarställningen visar 591 kilometer. Firman går knappast knackigt.
Klassades som överintelligent
Wilhelm Landerholm växte upp i ett medelklasstryggt Mölnlycke. Föräldrarna var akademiker. Somliga av kompisarnas föräldrar kallade honom ”Q” efter tekniksnillet i Bondfilmerna, eftersom han byggde om sina cyklar och konstruerade lådbilar. Matte var inget favoritämne. Den kärleken blomstrade först på Örebro universitet, (där Statistiska centralbyrån för övrigt sätter sin prägel på en del av skolan).
Jag ville gå min egen väg efter gymnasiet och valde Örebro eftersom jag inte kände en enda person där.
Docenten på statistikinstitutionen upptäckte potentialen i den reslige västsvensken och såg till att han bättrade på sina jedi-kunskaper inom ämnet hos en läromästare på ett universitet i Wales.
Jag fick med mig ett introduktionsbrev där jag beskrevs som överintelligent – vilket jag definitivt inte är – men jag fick specialbehandling. Jag har samlat på mig väldigt många universitetspoäng. Svårast av alla kurser var fem poäng förvaltningspolitik.
När han skulle ut på arbetsmarknaden var det mer uppförsbacke.
Jag sökte många jobb som analytiker inom logistik och optimering. Men jag var nog för ärlig i mina svar när de frågade om vad jag är bra på, för jag svarade alltid: ’Att skriva tentor’.
Under studietiden i början av 2000-talet skickade Wilhelm Landerholm en lista med förbättringsförslag till Richard Branson med erbjudandet att om något av dem infördes i superentreprenörens företag ville han bli bjuden på lunch.
Det var tre idéer, en av dem handlade om hur man kunde göra incheckningen bättre på Virgin. Det var länge sedan, jag kommer inte ens ihåg vad vi åt. Branson var knappt närvarande. Känslan var som någon sagt: att gilla gåslever och sedan få träffa gåsen.
Wilhelm Landerholm har förmånen att kunna välja uppdrag.
Jag säger nej till ungefär två timmar av tre. Ofta är det uppdrag där det inte finns någon möjlighet att få fram en lösning på den tid som ges.
Väldigt få företag har så stora problem att de inte går att lösa även med en liten dator. Ibland behöver det inte vara krångligt alls. En speditionsfirma som vände sig till honom för att få ordning på köerna vid lastkajen i samband med lastning och lossning fixades med en webbkamera.
Om chaufförerna i sina mobiler kunde se hur det såg ut på platsen kunde de planera bättre och köra fram först när det fanns en ledig lastplats. Alla problem kräver inte komplicerade lösningar.
Under den vänliga och varma ytan finns en mer taggig sida. Wilhelm Landerholm går i gång och blir arg på företag som behandlar sina kunder taffligt. Han har till och med skrivit en bok om fenomenet med titeln Skit i kunden. Tesen han för fram är att företag måste se på sina kunder på samma sätt som rockband behandlar sina fans.
Några företag han ondgjort sig över på Twitter är Post Nord och Mäklarstatistik. Han ser Facebook som omdömeslöst i vissa avseenden, men har inga problem med Google.
Jag har sett hur man på Facebook – i realtid – kan sortera ut vilka resenärer på buss 611 till Danderyd som är hundägare utifrån information om hur personerna rört sig och vilka bilder de delat. För mig är Google mer omdömesgilla. Men det kanske beror på att jag har kontakt med bra personer i det företaget.
Det roligaste experimentet
Somliga råkar ut för hans skämtlynne. Inför senaste valet kunde han inte hålla fingrarna borta utan startade två Twitterkonton med socialdemokratisk respektive moderat profil. Han lät Twitterbotar generera tweets och kopierade partivännernas inlägg.
Det var det roligaste experiment jag gjort. Det fejkade socialdemokratiska kontot fick 2 000 följare, det moderata 800. Sedan bytte jag Twitterprofil så att moderatgänget fick socialdemokratiska tweets och tvärtom. Jag ångrar att jag raderade de där kontona utan att ha dokumenterat trafiken där.
Experimentet lyckades retade gallfeber på flera politiker, inte minst en moderat i Solna kommun.
Twitterdata är fascinerande. För en statistiker finns det mycket man kan göra med det som sägs där. Det går att kartlägga så mycket och testa saker.
Wilhelm Landerholm har ibland en så kallad fredagstävling på sitt Twitterkonto, där folk kan posta problem som behöver en lösning. De bästa skriver han upp på en whiteboard på kontoret. På listan finns nu bland annat ”Slänga mindre mat” och ”Hur tycka om sig själv”.
Jag gillar de där frågorna. Det måste gå att identifiera vilka ingredienser som finns med i den mat som slängs mest till exempel.
Vilka samband finns mellan vad som serveras och vad som slängs? För Wilhelm Landerholm går det att hitta mönster i allt och därmed en öppning för en lösning.
Men vad kan du göra med en känslofråga som vad man tycker om sig själv?
Frågan är så abstrakt att den blir matematiskt intressant. Finns det data man kan använda sig av för att hitta en lösning? Finns det data i vad folk postar på Facebook eller någon annanstans? Och hur mäter man?
Wilhelm Landerholm försökte för några år sedan skapa en standard för statistiska undersökningar. Idén var att ha ett slags femstjärnigt betygsystem. Undermåligt underbyggda undersökningar tänder en speciell glöd i hans ögon:
När jag ser saker som ’En av tre kvinnor får bättre hår av det här schampot’ undrar man ju vad som hände med de andra två tredjedelarna. Tappade de håret? Dog de?
Kan avslöja Ikeas hemlighet
I en värld där stora datamängder går att utnyttja finns stora vinster att göra med automatisering. Och att allt mer är tillgängligt på nätet öppnar möjligheter att ta reda på saker. En av möbeljätten Ikeas bäst bevarade hemligheter är hur mycket varje varuhus omsätter. Men att räkna ut det är i grunden enkelt, enligt Wilhelm Landerholm.
Varornas pris är känt och på nätet kan man se lagersaldo. Jag behöver bara följa hur lagret förändras för ett hundratal produkter för att kunna få en skaplig bild. Vill jag dessutom sätta försäljningen i relation till antal kunder är det bara att räkna bilar som kör in på parkeringen. Man behöver inte ens göra det för hand utan kan sätta upp en liten Raspberry Pi-dator och en sensor vid infarten.
För egen del använder han motvilligt bankkort. Men har heller ingen plånbok.
Jag är väl en av de sista som har kontanter i fickan. Kontanter är bra. Man känner av hur mycket något kostar när man tar fram en femhundralapp jämfört med den vaga känslan att knappa in en kod när man handlar med kort.
Om jag hade en massa pengar skulle jag investera allt i bolag som sysslar med zip teknik, komprimering av stora datamängder, och hur det kan göras säkert med kryptering. Där kommer det att hända oerhört mycket.
Vid sidan om konsultuppdragen har Wilhelm Landerholm en idé om att skapa ”självkörande företag”.
Jag vill koka ihop all soppa jag gjort och starta datadrivna bolag. Varje Raspberry Pi här på bordet kan bli ett eget aktiebolag. Det går att automatisera väldigt många led i ett bolag.
Han tar thaimatskiosken i närheten av kontoret som exempel. Hur många kunder, vilka portioner köper de, vilka rätter går bäst, vilka ingredienser behövs? Allt går att mata in i en datamodell. Få kunder på torsdagar? Använd de kunduppgifter som finns tillgängliga och skicka erbjudanden om rabatt eller att det finns en specialrätt. Följ upp. Bygg vidare.
Ett problem är att lagstiftningen på det här området släpar efter. För vad händer om bolaget hoppar över att betala skatt?
Jag tror inte alltid på att patent är den bästa lösningen. Det är bättre att berätta vad man håller på med och springa snabbt för att hinna före eventuella konkurrenter som är beredda att kopiera ens idé.
Wilhelm Landerholm ser en galax av möjligheter framför sig, med en avgörande detalj:
Det spelar ingen roll hur bra modeller jag gör på min kammare om de inte går att implementera i verkligheten.
Andra värden i livet
Efter att ha ägnat de senaste femton åren att lära sig bygga modeller som hanterar stora informationsmängder är det nu dags att börja kapitalisera på kunskaperna. Hans företag går med vinst men omsättningen har de senaste åren i snitt hovrat kring 1 Mkr.
Han har bildat strategiska allianser med Kärnhuset, Novus, Norstat och Prime/United Minds.
Jag har en väldigt bekväm tillvaro där andra säljer in mig som en del i sina projekt, och jag blir en del i deras lösning.
Men likaväl som att dra in stora pengar finns andra värden i livet. Exempelvis att kunna tillbringa mycket tid med barnen och få höra dottern ge svar på tal på skolan:
När jag hämtade henne stod det en liten kille där – en sådan där som ser ut att behöva en kram – och säger att hans pappa är chef. Dottern svarade: ’Min pappa har ingen chef!’
