Keskustellessani eri ihmisten kanssa, olen viime aikoina joutunut useaan otteeseen avaamaan, mitä oikein tarkoitan data-analytiikalla. Aihepiiri on tällä hetkellä suuren hypen keskiössä ja tuntuu että ilma on sakeana hienoja termejä, protokollia ja määrittelyjä. On iiooteetä, koneoppimista, tekoälyä, BI:tä ja kaikki sotketaan sujuvasti saman sateenvarjon alle. Asiasta hiukan tietäväkin sotkeutuu helposti tässä viidakossa ja onkin hyvä yksinkertaistaa asiaa hiukan.

Lähtökohtana kaikenlaisessa data-analyysissä ja analytiikassa on tarve tuottaa jostakin epäjärjestyneestä ja jalostamattomasta raaka-datasta tai mittausaineistosta hyödynnettävissä olevaa tietoa tarpeeseen. Data sinänsä on jo arvokasta, mistä kertoo se että sen omistajuudesta käydään yhä enemmän kiistoja, mutta sen jalostaminen vaatii aina työtä joko ihmiseltä tai koneelta. Tätä työtä on helppo yksinkertaistaa tuomalla perinteisen sepän ammatin nykypäivään.

Kun seppä aikanaan lähti tekemään keihään kärkeä, oli syynä esimerkiksi se, että naapuriheimon väkeä oli alkanut vierailla toistuvasti oman heimon mailla ja merkkejä mahdollisesta hyökkäyksestä oli olemassa. Hänellä oli siis selkeästi määritelty tarve ja tavoite olemassa.

Ensin meillä tietenkin täytyy olla materiaalia, josta tarpeellista lopputulosta lähdetään työstämään. Ennen tämä kaivettiin järven pohjasta rautamalmin muodossa, mutta nykyään raaka-aineen muodostaa ykköset ja nollat. Sepällä työ alkoi aihion muokkauksesta, edeten yhä hienompiin käsittelyihin ja taontatekniikoihin. Aivan samalla tavalla nykypäivän datan jalostaminen on monivaiheinen prosessi, jossa käytetään erilaisia menetelmiä ja vaiheita. Kaikissa näissä on vielä pitkään merkittävä rooli ihmisellä, vaikka kone tekisikin sille määritellyt/opetetun raa-an työn.

Kun keihäs on viimein saanut muotonsa, täytyy sen ominaisuudet viimeistellä. Data-analyysissä, kuten monissa muissakin vahvasti asiakkaan kanssa tehtävässä työssä, karkaisu tehdään loppukäyttäjällä. Tämä on tärkeä vaihe jossa tulokset jalostuvat ja kehittyvät käyttökelpoiseen muotoon. Tässä vaiheessa datantakoja saakin hyödyllistä informaatiota myös itselleen ja pystyy jatkossa tekemään keihäänkärkiä yhä moninaisempiin tarpeisiin. Tämä malli mahdollisti aikanaan keihäiden ominaisuuksien kehittymisen taistelutekniikoiden muuttuessa.

Kuten edeltä huomataan, ajat muuttuvat mutta moni jo kauan sitten toiminut lainalaisuus on käyttökelpoinen yhä tänä päivänäkin.

Katso video ja lataa johda tiedolla WhitePaper 

  

New Call-to-action

Teemu Turunen

Teemu Turunen

Ryhmäpäällikkö, Efficiency Solutions

Oliko sisältö sinulle hyödyllinen?

Was the article useful?

KOMMENTIT