{"id":612,"date":"2020-11-11T10:32:08","date_gmt":"2020-11-11T08:32:08","guid":{"rendered":"https:\/\/rrweb.fi\/?p=612"},"modified":"2020-11-11T10:46:46","modified_gmt":"2020-11-11T08:46:46","slug":"analytiikalla-datasta-hyotya","status":"publish","type":"post","link":"https:\/\/rrweb.fi\/?p=612","title":{"rendered":"Analytiikalla datasta hy\u00f6ty\u00e4"},"content":{"rendered":"\n

Erilaisten digitaalisten j\u00e4rjestelmien kehitys on lis\u00e4nnyt datan m\u00e4\u00e4r\u00e4\u00e4 r\u00e4j\u00e4hdysm\u00e4isesti 2010-luvulla. Toiminnanohjaus- ja asiakashallintaj\u00e4rjestelmist\u00e4 on tullut arkip\u00e4iv\u00e4\u00e4, samoin verkkokaupoista, mobiililaitteista, sosiaalisesta mediasta, sek\u00e4 esineiden internetin kautta my\u00f6s erilaisesta sensoridatasta. Olemme kuitenkin p\u00e4\u00e4tyneet tilanteeseen, jossa datan hy\u00f6dynt\u00e4minen on j\u00e4\u00e4nyt datan keruuta v\u00e4hemm\u00e4lle huomiolle. Dataa kertyy jatkuvasti enemm\u00e4n, mutta haasteena on datan saaminen ymm\u00e4rrett\u00e4v\u00e4\u00e4n muotoon, jotta sit\u00e4 voidaan k\u00e4ytt\u00e4\u00e4 esimerkiksi palvelun parantamiseen tai liiketoiminnan tehostamiseen.<\/p>\n\n\n\n

Vastauksena haasteeseen on analytiikka, joka on kehittynyt datam\u00e4\u00e4rien kasvun my\u00f6t\u00e4. Aikaisemmin keskityttiin ymm\u00e4rt\u00e4m\u00e4\u00e4n sit\u00e4, mit\u00e4<\/strong> tapahtui. Analytiikan ja datan visualisoinnin avulla pyrit\u00e4\u00e4n kertomaan ymm\u00e4rrett\u00e4v\u00e4sti, miksi<\/strong> jotain tapahtui. Koneoppimisen ja teko\u00e4lyn jatkaessa kehityst\u00e4\u00e4n voidaan my\u00f6s alkaa selvitt\u00e4\u00e4 mit\u00e4 jatkossa tulee tapahtumaan<\/strong>, sek\u00e4 vaikuttamaan tapahtumiin ennakoivasti<\/em>.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Analytiikan toteuttaminen<\/h2>\n\n\n\n

Vaikka dataa on saatavilla valtava m\u00e4\u00e4r\u00e4, vallitsevaa paradigmaa \u201dmit\u00e4 enemm\u00e4n dataa, sit\u00e4 parempi k\u00e4sitys on asioista\u201d on kuitenkin hyv\u00e4 haastaa. My\u00f6s datan laadulla on merkityst\u00e4. Siksi analytiikkaratkaisua rakentaessa on hyv\u00e4 heti alussa keskitty\u00e4 siihen mit\u00e4 ja miten dataa ker\u00e4t\u00e4\u00e4n, sek\u00e4 siihen, mik\u00e4 osa datasta on relevanttia s\u00e4ilytt\u00e4\u00e4. Modernien dashboardien tulisi v\u00e4litt\u00e4\u00e4 helpossa muodossa sellainen tieto, joka on p\u00e4\u00e4t\u00f6sten kannalta oleellista tiet\u00e4\u00e4. Informaatiotulvassa on helppoa h\u00e4vitt\u00e4\u00e4 mets\u00e4 puilta, jolloin oleellista tietoa ei olekaan en\u00e4\u00e4 yksinkertaista hahmottaa.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Tehokas analytiikka tuo esille sellaista tietoa, joka on kohderyhm\u00e4lle hy\u00f6dyllist\u00e4. Vaikka tietol\u00e4hteit\u00e4 olisi useampi, tulosn\u00e4kym\u00e4n tulee olla riitt\u00e4v\u00e4n selke\u00e4 ja mahdollisimman vapaa tulkinnoista.<\/p>\n\n\n\n

Analytiikkaa rakentaessa on hyv\u00e4 my\u00f6s ottaa huomioon se, ett\u00e4 eri aikav\u00e4lin tavoitteet ovat realistisia. Analytiikka voidaankin mielt\u00e4\u00e4 prosessiksi, joka muovautuu datan, sek\u00e4 teko\u00e4lyn tuomien mahdollisuuksien mukana.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Mit\u00e4 analytiikalla voidaan saavuttaa?<\/h2>\n\n\n\n

Analytiikka muuttaa ja mullistaa liiketoimintamalleja. Esimerkiksi media-alalla nopeus merkitsee kaikkea: merkitt\u00e4v\u00e4t uutiset on saatava raportoitua mahdollisimman nopeasti. Haasteen tuo kuitenkin lis\u00e4\u00e4ntynyt tieto. Internet on isoin tietoarkisto, jonka ihminen on ikin\u00e4 luonut ja se kasvaa koko ajan. Mediatalot itsekin luovat ja jakavat tietoa koko ajan enemm\u00e4n: Esimerkiksi Washington Post julkaisee noin 1000 artikkelia p\u00e4iv\u00e4ss\u00e4. Sellaisesta m\u00e4\u00e4r\u00e4st\u00e4 on mahdotonta ihmisen lukea ja valita t\u00e4rke\u00e4t artikkelit. Saati noin 2 miljoonasta blogipostauksesta, joita julkaistaan internetiin p\u00e4ivitt\u00e4in. Teko\u00e4lyn avulla voidaan prosessoida jopa miljoonia artikkeleita p\u00e4iv\u00e4ss\u00e4 (usealla eri kielell\u00e4) ja siten nopeuttaa t\u00e4rkeiden tietojen saatavuutta.<\/p>\n\n\n\n

Analytiikka mahdollistaa my\u00f6s nykyisten liiketoimintamallien tehostamisen. Esimerkiksi s\u00e4\u00e4tietoja ja paikannusdataa hy\u00f6dynt\u00e4m\u00e4ll\u00e4 voidaan laskea, milloin on optimaalinen tilanne l\u00e4hett\u00e4\u00e4 lumiaurauskalusto auraamaan lunta teilt\u00e4. Kun koneoppimisalgoritmi alkaa korjata itse\u00e4\u00e4n my\u00f6s suoraan kalustonkuljettajilta saatavalla palautteella, p\u00e4\u00e4st\u00e4\u00e4n nopeasti tilanteeseen, jossa saavutetaan merkitt\u00e4vi\u00e4 liiketoimintahy\u00f6tyj\u00e4 sek\u00e4 parannetaan tienk\u00e4ytt\u00e4jien tyytyv\u00e4isyytt\u00e4 tien kuntoon.<\/p>\n\n\n\n

Analytiikka mahdollistaa my\u00f6s t\u00e4ysin uusia tapoja helpottaa ihmisten arkea. \u00c4lyn tuominen kaupunkeihin mahdollistaa esimerkiksi liikenneruuhkien v\u00e4hent\u00e4misen, koska ihmiset saavat nopeammin tiet\u00e4\u00e4 mist\u00e4 l\u00f6ytyy l\u00e4hin parkkipaikka. Analytiikka ohjaa ekologisempaan s\u00e4hk\u00f6n ja veden k\u00e4ytt\u00f6\u00f6n kertomalla mist\u00e4 kulutus muodostuu ja millainen oma kulutus on verrattuna esimerkiksi alueen keskikulutukseen. Analytiikka tuo my\u00f6s turvallisuutta vanhustenhoitoon erilaisten sensoreiden ja liiketunnistimien muodossa.<\/p>\n\n\n\n

Artikkeli on julkaistu alunperin Etteplan.com -sivustolla.<\/span><\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

Erilaisten digitaalisten j\u00e4rjestelmien kehitys on lis\u00e4nnyt datan m\u00e4\u00e4r\u00e4\u00e4 r\u00e4j\u00e4hdysm\u00e4isesti 2010-luvulla. Toiminnanohjaus- ja asiakashallintaj\u00e4rjestelmist\u00e4 on tullut arkip\u00e4iv\u00e4\u00e4, samoin verkkokaupoista, mobiililaitteista, sosiaalisesta mediasta, sek\u00e4 esineiden internetin kautta my\u00f6s erilaisesta sensoridatasta. Olemme kuitenkin p\u00e4\u00e4tyneet tilanteeseen, jossa datan hy\u00f6dynt\u00e4minen on j\u00e4\u00e4nyt datan keruuta v\u00e4hemm\u00e4lle huomiolle. Dataa kertyy jatkuvasti enemm\u00e4n, mutta haasteena on datan saaminen ymm\u00e4rrett\u00e4v\u00e4\u00e4n muotoon, jotta sit\u00e4 voidaan […]<\/p>\n","protected":false},"author":1,"featured_media":616,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"off","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"categories":[69],"tags":[],"class_list":["post-612","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-analytiikka"],"_links":{"self":[{"href":"https:\/\/rrweb.fi\/index.php?rest_route=\/wp\/v2\/posts\/612","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/rrweb.fi\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rrweb.fi\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rrweb.fi\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/rrweb.fi\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=612"}],"version-history":[{"count":1,"href":"https:\/\/rrweb.fi\/index.php?rest_route=\/wp\/v2\/posts\/612\/revisions"}],"predecessor-version":[{"id":617,"href":"https:\/\/rrweb.fi\/index.php?rest_route=\/wp\/v2\/posts\/612\/revisions\/617"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rrweb.fi\/index.php?rest_route=\/wp\/v2\/media\/616"}],"wp:attachment":[{"href":"https:\/\/rrweb.fi\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=612"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rrweb.fi\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=612"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rrweb.fi\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=612"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}