Førstereisgutt i datajournalistikk

Denne sommeren kom jeg endelig igang med det de kaller AI. Det har blitt den endringen for meg som for så mange andre. Det endrer spillereglene.

Det nyttigste for økonomisk journalistikk mener jeg er muligheten til å lage egne analyseverktøy. Fremover blir vi alle datajournalister – og de av oss som ikke tar det i bruk blir utkonkurrert.

Med Visual Studio Code integrert med Copilot er det en drøm å lage programvare gjennom prompts. Det kan ta tid å få det riktig – alt fra design til funksjonalitet, men med timer å avse får man fungerende verktøy. Den driver feilsøking aktivt, og du kan hele tiden forbedre den.

Installasjon:
* Last ned Python her: https://www.python.org/downloads/
* Last ned Visual Studio Code: https://code.visualstudio.com
* Følg anvisningene i Visual Studio Code for å legge til Copilot. Kostet 10 dollar i måneden.

I Norge har vi veldig mye data tilgjengelig som ikke er tilgjengelig i andre land. Aksjonærregistre, rolleregister, konkursregisteret, eiendomsdata o.l. Gjennom koblingen av disse kan man finne utrolig mye spennende sammenhenger.

Her har BT og Bord 4 gjennom mange år vist hva som er mulig. Ingen grunn til at de skal gjøre dette alene lenger. Se for eksempel konkursklynge-prosjektet, eller DNs prosjekt om hvem som eier Norge.

Det som tidligere krevde en dedikert datajournalist kan idag gjøres av journalister uten mangeårig teknisk bakgrunn. Selv er jeg trent i statistisk analyse fra doktorgraden, men helt novise på programmering. For lokalavisene må jo dette være noe å omfavne.

Et eksempel: Jeg ønsker å vite hvem som er styregrossister blant borettslag i Bergen. Det er offentlig informasjon, men ikke noe som ligger løst i databaser for meg.

Hva gjør jeg?

1. Først laster jeg ned datasett på alle selskaper i Norge fra Brreg: https://www.brreg.no/bruke-data-fra-bronnoysundregistrene/datasett-og-api/data-om-virksomheter/
2. Studerer dataene kjapt, og finner en kolonne som er kode for borettslag. I dette tilfelle at det stod som navn på næringskode.
3. Så ber jeg Copilot om å filtrere ut alle orginasjonsnummer og organisasjonsnavn som kvalifiserer som borrettslag i Bergen. Dette ber jeg om blir eksportert til Excel.
4. Så finner jeg API der man kan gjøre oppslag på roller hvis man har organisasjonsnummer: https://data.brreg.no/enhetsregisteret/api/dokumentasjon/no/index.html#tag/Roller/operation/hentRoller
5. Så ber jeg Copilot benytte den linken til å hente ned alle navn på styreledere på de organisasjonsnummerene som jeg har lagret i excel, og legge til infoen i samme excel-dokument.
6. Så ber jeg Copilot gi meg navnene på de med flest styrelederverv i Bergens borettslag.

Det gir meg til slutt disse navnene:

Dette tok maks en time, og jeg hadde aldri gjort oppslag mot Brregs API tidligere. Antar det tar betydelig kortere tid neste gang jeg trenger dette.

Det er utrolig mye data tilgjengelig i Norge, som ikke ville vært det i for eksempel USA. I USA er det svært lite man kan få vite om ikke-børsnoterte selskaper sammenlignet med i Norge.

Eksempel på datasett man kan leke seg med:

• Aksjonærinfo fra Skatteetaten: https://www.skatteetaten.no/deling/aksjonarregisteret/
• Rolleinfo fra Brreg (Styreverv, daglig leder osv.): https://data.brreg.no/enhetsregisteret/api/dokumentasjon/no/index.html#tag/Roller/operation/hentRoller
• Selskapsdata fra Brreg: https://www.brreg.no/bruke-data-fra-bronnoysundregistrene/datasett-og-api/data-om-virksomheter/

Det er en ren skattekiste av tilgjengelige APIer du lett kan lage et program som automatisk henter data fra. Her er en oversikt over det staten tilbyr: https://data.norge.no/data-services?orgPath=%2FSTAT&page=1

Av rene offentlige datasett er det svært mange som ikke krever dedikert innsyn. Se her: https://data.norge.no/nb

Eksempel nr 2: Enkelt program som analyserer nettverk i styreverv

Behov: Raskt kunne få oversikt om to eller flere personer sitter i styrer med hverandre uten å måtte betale for analysetjenester.

Hvorfor? Folk som deler styreverv kan dele informasjon, kjenne hverandre, ha samsvarende interesser og interessekonflikter.

Hva gjør jeg?

1) Ber Copilot gjennom API hente ned JSON fil på alle roller i Norge:

2) Ber Copilot transformere JSON-filen til CSV.

3) Ber Copilot basert på dette gjennom mange prompts lage et program som gjennom å laste opp et CSV datasett, lar en søke på ett eller flere navn, legge navnene til og så lage en sosial nettverksanalyse.

4) Den sosiale nettverksanalysen skal være mulig å se visuelt på et nettverkskart med linjer og noder.

5) Deretter ønsker jeg et program som henter ned oppdatert rolleinfo fra Brreg og lager CSV-fil som jeg kan analysere i programmet. Dette blir et program nr 2.

Dette tok maks 3-4 timer for å få ordentlig til å fungere. Tenk hvor lang tid det ville tatt en person med kun grunnleggende Python-erfaring (Et introduksjonskurs) tidligere. Kanskje kan du forbedre det på 10 min?

Her er programmene: