For å få et bedre bilde av hva som skjer i Oslofjorden sammler vi inn data fra sensorer og eksterne kilder.
![](https://acdc.blog/wp-content/uploads/2022/02/image-445-1024x716.png)
Vi har i en tidligere blogg beskrevet innsamling av sensordata i datavers samt hvordan vi har presentert dette på en fin måte. Dette i seg selv burde kvalifisere til utmerkeslen Datamining.
![This image has an empty alt attribute; its file name is image-365-1024x582.png](https://acdc.blog/wp-content/uploads/2022/02/image-365-1024x582.png)
Det er mange relevante eksterne datakilder men en sentral er havnivå, eller tidevann. Vi har laget en logic app som går regelmessig for å samle inn data om havnivå til gitt sted og tid.
http://api.sehavniva.no/tideapi.php?lat=58.974339&lon=5.730121&fromtime=2022-02-10T00%3A00&totime=2022-02-11T00%3A00&datatype=all&refcode=cd&place=&file=&lang=nn&interval=10&dst=0&tzone=&tide_request=locationdata
![](https://acdc.blog/wp-content/uploads/2022/02/image-449-1024x590.png)
Resultatet av api querien er json med alle havninvå endringer fordelt over tid. Som vist:
![](https://acdc.blog/wp-content/uploads/2022/02/image-447-1024x712.png)
Vi generer deretter en CSV fil fra Json og har benyttet denne som datakilde til PowerBI
![](https://acdc.blog/wp-content/uploads/2022/02/image-446-1024x541.png)
At havninvået på denne lokasjonen endret seg så drastiskt er en spennende observasjon. Vi har derfor sammenstilt resultatet med fotgrafi fra ett kamera med bevegelsessensor på samme sted og tidspunkt.
![](https://acdc.blog/wp-content/uploads/2022/02/image-24.jpeg)
Vi har desverre ikke anledning til å følge opp denne observasjonen på hackaton men vi har allerede, i hackatonnet, helt klart bevist at innsamling og sammenstilling av data i vår prototyp gir høy forretnings- og forskningsverdi.
Med dette ønsker vi bagden dataminder