Edistynyt analytiikka

Ota yhteyttä

Edistynyt analytiikka

Ota yhteyttä

Mitä on edistynyt analytiikka?

Edistyneen analytiikan avulla tuotetaan tyypillisesti ennusteita. Kun liiketoimintaan vaikuttavia tekijöitä pystytään ennustamaan, voidaan saada kilpailuetua sekä tuntuvia säästöjä. Parhaimmat tulokset saadaan, kun tilastolliset mallit integroidaan kiinteäksi osaksi päivittäisiä prosesseja.

Ennustemallien avulla voidaan ennakoida esimerkiksi asiakaskäyttäytymistä. Kun oikeita asiakkaita osataan palvella oikeaan aikaan oikeassa kanavassa, kasvaa asiakastyytyväisyys. 

Ennustemallien avulla voidaan ennakoida myös laitteiden toimintaa tai vikaantumista. Aikasarja-analyysissä tilastollinen data muodostuu peräkkäisinä ajankohtina mitatuista havainnoista. Sen avulla tuotettuja ennusteita voidaan hyödyntää esimerkiksi teollisuustuotannossa, jossa aikasarja-analyysin avulla voidaan optimoida tuotantolaitteiden toimintaa.

Ennustettavasta ilmiöstä sekä datasta riippuu, kuinka tarkkaan tulevia tapahtumia voidaan ennustaa. Jos datassa on systemaattisia virheitä tai siinä on paljon puutteita, voidaan datan laatua parantaa tilastotieteen menetelmin.

Tuotamme ennusteita organisaatioiden eri tarpeisiin. Valitsemme tarpeita vastaavan välineen ja menetelmän sekä visualisoimme analyysin tulokset.  Hyödynnämme ennusteissa perinteisiä tilastotieteellisiä menetelmiä kuten regressiomallit, mutta hallitsemme myös neuroverkot ja päätöspuut sekä koneoppimisen menetelmät. 

Esimerkki ennustamisen alueen asiakashankkeistamme on Liikennevirastolle toteuttamamme ruuhkaennustemalli, jossa hyödynnettiin avointa dataa ja aikasarja-analyysiä.

Koneoppiminen tehostaa liiketoimintaa

Koneoppiminen (Machine Learning) on tekoälyn osa-alue, jonka tarkoituksena on saada ohjelmisto suoriutumaan tehtävästään entistä paremmin. Koneoppimisessa koneelle ei ole määritelty toimintaohjeita jokaiseen mahdolliseen tilanteeseen, vaan kone oppii opetusdatasta itsenäisesti. Koneoppimisen tavoitteena on automatisoida tiedon tulkintaa sekä laajentaa koneen kykyä tehdä havaintoja.

Koneoppimisen avulla luotuja monimutkaisia algoritmeja ja malleja voidaan hyödyntää esimerkiksi päätöksenteon tukena, tuotantoprosessien tehostamisessa sekä asiakaspalvelussa. Koneoppivat mallit edellyttävät tarkasti määriteltyjä liiketoimintaongelmia, laadukasta dataa sekä kykyä integroida mallit osaksi organisaation toimintaa.

Koneoppimista sovelletaan esimerkiksi puheentunnistuksessa, luonnollisen kielen analysoinnissa, konenäössä, hakusuosituksissa ja sähköpostien suodattamisessa. 

Olemme hyödyntäneet koneoppimista asiakashankkeissamme, kuten asiakaspalveluun tulleiden puheluiden analysoinnissa. Hankkeessa asiakaspuhelut muunnettiin tekstiksi ja analysoitiin sen jälkeen tekstianalytiikan menetelmin. Asiakaskyselyt voitiin luokitella automaattisesti, minkä avulla voitiin parantaa asiakaspalvelun laatua sekä optimoida henkilöresurssien käyttöä asiakaspalvelussa.

Kilpailu- ja kuluttajavirastolle toimitimme yhdessä SAS Instituten kanssa pilvipohjaisen teksti- ja verkostoanalytiikan PoC -ratkaisun, jonka avulla Kilpailu- ja kuluttajavirasto tehostaa viranomaisvalvontaa. Tiedonhakuratkaisu mahdollistaa laajojen aineistokokonaisuuksien automaattisen keräämisen, arkistoinnin ja analysoinnin.

Ohjelmistorobotiikka automatisoi rutiineja

Ohjelmistorobotiikka (RPA, Robotic Process Automation) on viime vuosina noussut usein merkittäväksi vaihtoehdoksi, kun puhutaan yrityksen liiketoiminnan rutiiniprosessien automatisoinnista. RPA-työkalut ovat kehittyneet huomattavasti, joten niiden käyttöönotto on nykyisin varteenotettava vaihtoehto.

Ohjelmistorobotiikan avulla automatisoidaan nopeasti ja ketterästi toistuvia manuaaliprosesseja, joihin liittyy suuria tietomääriä. Robotiikkaa voidaan hyödyntää manuaalisten prosessien automatisoinnissa esimerkiksi taloushallinnossa sekä HR:n ja laskutuksen tehtävissä. Koneoppimisen menetelmät mahdollistavat älykkäät RPA-työnkulut.

Autamme manuaalisesti suoritettavien tietoteknisten toimenpiteiden tai prosessien automatisoinnissa. Olemme erikoistuneita kokonaiskuvan hahmottamiseen automaatioon ja robotiikkaan liittyen ja osaamme sanoa, missä liiketoiminnan osa-alueilla robotiikkaa voitaisiin parhaiten hyödyntää.

Suunnittelemme ohjelmistorobotiikkaa hyödyntävät toimitusvarmat ja luotettavat ratkaisut liiketoiminnan eri tarpeisiin. Toteutamme robotisoidut ratkaisut, jotka voivat toimia tietyn prosessin/prosessien automaatiotyökaluna tai osana muuta it-palvelua. Huomioimme suunnittelussa myös robotiikkaratkaisun ylläpidon sekä jatkokehitysmahdollisuudet.

Neuroverkot tehostavat toimintaa

Neuroverkot (Neural Networks) ovat matemaattisia malleja, joiden toiminta jäljittelee ihmisaivojen mekanismeja. Neuroverkkoja opetetaan suoriutumaan tehtävistä opetusaineiston avulla. Ennakkotiedon avulla neuroverkkoja muokataan, ja verkko oppii vähitellen suoriutumaan tehtävästä yhä paremmin. Jotta neuroverkon kouluttaminen onnistuu, tarvitaan yleensä paljon dataa.

Syväoppiminen (Deep Learning) perustuu neuroverkkoihin. Esimerkiksi kuvantunnistuksessa neuroverkolle syötetään suuri määrä luokiteltuja valokuvia, jolloin se oppii tunnistamaan kuvista halutun objektin. Neuroverkkoja voidaan hyödyntää myös luonnolliseen kieleen liittyvissä analyyseissa, kuten tekstianalytiikassa, kääntämisessä ja puheentunnistuksessa.

Esimerkkejä neuroverkkototeutuksistamme ovat henkilöiden ja ajoneuvojen tunnistaminen tallennekuvista. Tuloksia voidaan hyödyntää toimitilojen sekä julkisten kaupunkitilojen käyttöaste-analytiikan tarpeisiin. Luotettava tieto toimitilojen käyttöasteesta auttaa parantamaan toimitilojen käytön sekä ylläpidon kustannustehokkuutta sekä mahdollistaa tilakapasiteetin optimoinnin. Sen avulla voidaan tunnistaa toimitilojen kehityskohteet sekä lisätä työviihtyvyyttä.

 

Optimointi hyödyntää matemaattisia malleja

Optimoinnin avulla etsitään parasta mahdollista vaihtoehtoa vertailemalla ja arvioimalla vaihtoehtoisia ratkaisuja automaattisesti. Käyttäjälle optimointityökalu näkyy yksinkertaisena käyttöliittymänä, jonka kautta voidaan muuttaa rajoittavia parametreja sekä käynnistää optimointiprosessi. Tulokset voidaan esittää visuaalisesti tai numeerisesti ja lähettää edelleen operatiivisiin järjestelmiin. Onnistunut optimointiratkaisun integroidaan osaksi liiketoimintaa.

Optimointi mahdollistaa automaattisen päätöksenteon ja tehostaa liiketoimintaa. Esimerkkejä optimoinnin hyödyntämisestä ovat kustannustehokkaiden kuljetusreittien suunnittelu logistiikkayrityksessä tai henkilöstön työvuorojen suunnittelu kustannustehokkaasti.

Olemme toteuttaneet eri toimialojen asiakkaillemme monipuolisia optimointihankkeita. Radiometer Turulle toteuttamamme tuotannon prosessien optimointiratkaisun avulla poistettiin ja automatisoitiin lähes 1200 tuotantoprosessin vaihetta. Ratkaisu paransi tuotannon prosessien luotettavuutta ja toi merkittävää kustannussäästöä:

 

Segmentointi on luokittelua

Segmentointi on edistyneen analytiikan menetelmä, jonka avulla tunnistetaan keskenään samankaltaisia ryhmiä, jotka ovat olennaisesti erilaisia kuin muut analyysin kohteena olevat ryhmät. Segmentoinnin avulla voidaan kohdistaa liiketoiminnan toimenpiteet oikein sekä tunnistaa uusia liiketoimintamahdollisuuksia.

Segmentoinnin avulla voidaan luokitella sekä nykyisiä että potentiaalisia asiakkaita. Luokittelun perusteita voivat olla esimerkiksi maantieteelliset ja demografiset tekijät tai asiakkaiden käyttäytyminen. Segmentoinnin avulla voidaan kohdistaa markkinointi- ja myyntitoimenpiteitä. Sen tuloksena voidaan esimerkiksi kehittää erilaisia tuotteita sekä ostopaikkoja ja -tapoja eri kohderyhmille.

Segmentoinnin menetelmiä voidaan soveltaa monipuolisesti. Olemme esimerkiksi toteuttaneet Alkon myymälöiden luokittelun, jossa myymäläsegmentit erosivat ostoprofiilin ja koon mukaan. Tunnistettujen segmenttien avulla myymälöiden valikoimaa ohjataan kysynnän mukaan, ja asiakkaat löytävät myymälästä todennäköisemmin haluamansa tuotteen:

 

Tekoäly jäljittelee ihmisen toimintaa

Teko- eli keinoälyllä (Artificial Intelligence, AI) viitataan tietokoneohjelmiin, jotka suorittavat ihmisen älykästä toimintaa jäljitteleviä tehtäviä, kuten päättely, oppiminen, ennakointi, päätöksenteko sekä puheen- ja hahmontunnistus. Ne kykenevät suoriutumaan tehtävistä ilman käyttäjän avustamista sekä kehittämään toimintakykyään oppimisen kautta. Koneoppiminen on yksi tekoälyn osa-alueista.

Tekoäly auttaa tekemään nopeampia päätöksiä, tehostaa prosesseja ja parantaa laatua sekä poistaa inhimillisen virheen mahdollisuuksia. Tekoälyratkaisuja voidaan hyödyntää esimerkiksi asiakaspalvelumateriaalin analysoinnissa sekä asiakaskyselyjen ohjaamisessa asiakaspalvelijalle. Tekoälyn avulla voidaan myös tuottaa asiakaspalvelijan käyttöön valmiita vastausehdotuksia tai chatbot kysymään nettisivukävijöiltä yksinkertaisia kysymyksiä.

Tekoälyprojektin toteutusprosessi muistuttaa perinteistä analytiikkaprojektia. Se alkaa tyypillisesti asiakkaan liiketoimintaongelman ja datan kartoituksesta. Sen jälkeen POC-vaiheessa testataan tekoälyn hyödyntämistä koeaineistoon ja arvioidaan sen jälkeen saavutettavissa oleva liiketoimintahyöty. Tekoälyhankkeissa voidaan hyödyntää myös suuria datamassoja ja hakea niistä poikkeavuuksia ja trendejä. Joustavat pilvipalveluratkaisut mahdollistavat lähes rajattoman kokoisten datojen käsittelyn.

Tekoälysovellukset ovat kaikkien organisaatioiden hyödynnettävissä jo nyt. Olemme tuottaneet tekoälyratkaisuja eri toimialojen käyttötarkoituksiin. Esimerkkejä tekoälyhankkeistamme ovat puheen ja tekstin analysointi sekä konenäkösovellus, jonka avulla voidaan tunnistaa tilassa olevien henkilöiden määrä käyttöasteanalytiikan tarpeisiin. Käyttöasteanalytiikan avulla voidaan esimerkiksi parantaa toimitilojen käytön sekä ylläpidon kustannustehokkuutta.

Kilpailu- ja kuluttajavirastolle toimitimme yhdessä SAS Instituten kanssa pilvipohjaisen teksti- ja verkostoanalytiikan PoC -ratkaisun, jonka avulla Kilpailu- ja kuluttajavirasto tehostaa viranomaisvalvontaa. Tiedonhakuratkaisu mahdollistaa laajojen aineistokokonaisuuksien automaattisen keräämisen, arkistoinnin ja analysoinnin.

 

Tekstianalytiikka löytää relevantin tiedon

Tekstianalytiikka (Text Analytics) eli tekstinlouhinta on prosessi, jolla rakenteettomasta tekstidatasta etsitään ja analysoidaan relevanttia informaatiota. Tekstianalytiikassa hyödynnetään monenlaisia menetelmiä, kuten useita koneoppisen menetelmiä. Tekstianalytiikan avulla voidaan muun muassa luokitella tekstejä, löytää niistä aiheita ja ilmiöitä sekä tunnistaa tekstien sävyjä.

Tekstianalytiikalla voidaan käsitellä ja analysoida suuriakin digitaalisia tekstiaineistoja. Myös suomenkielinen data soveltuu analysoitavaksi. Tekstianalytiikan lähdemateriaaliksi sopivat lähes kaikenlaiset digitaaliset tekstiaineistot, kuten asiakaspalautteet, sosiaalisen median tekstisisällöt, tukipyynnöt, avointen kyselyvastaukset, chat-keskustelut ja sähköiset asiakirjat. Myös puhetta on mahdollista muuntaa tekstiksi ja analysoida tekstianalytiikan menetelmin.

Tekstianalytiikan hyödyntämiskohteiksi soveltuvat kaikki organisaation digitaaliset tekstiaineistot, kuten sopimusasiakirjat, tarjoukset tai asiakaspalaute eri kanavissa. Olemme hyödyntäneet tekstianalytiikan menetelmiä useissa asiakashankkeissamme. Esimerkiksi Talent Vectialle toteuttamassamme hankkeessa tunnistettiin tallennettujen keskustelujen aiheita tekstimateriaalista. Hankkeen avulla vähennettiin manuaalisen työn määrää ja saavutettiin kustannussäästöjä.

 

Asiakkaitamme

Talent Vectia - Tekstiaineistojen analysoinnin ratkaisu

Talent Vectia on suomalainen konsultointiyritys, joka auttaa yrityksiä kasvamaan, uudistumaan ja kehittämään toimintaansa. Talent Vectia on kehittänyt erilaisten muutosprosessien läpiviemiseen digitaalisen ...

Lue lisää

Alko - Myymälöiden luokittelu ohjaa valikoimanhallintaa

Loihde Analyticsin asiantuntijat luokittelivat Alkon myymälät valikoimanhallinnan uudistuksen tueksi. Projekti oli osa Loihde Analyticsin Alkolle tarjoamaa jatkuvaa palvelua, joka on vuosien mittaan sisältänyt useita ...

Lue lisää

Helsingin kaupunki - Videoanalytiikka ja tekoäly avustavat viranomaisia henkilölaskennassa

Loihteen tytäryhtiöt Loihde Analytics Oy ja Loihde Trust Oy toimittivat Helsingin kaupungille videoanalytiikkaan perustuvan palvelun, joka kertoo, paljonko ihmisiä on liikkeellä kaupungin keskeisissä ulkotiloissa eri ...

Lue lisää

Liikennevirasto - Ruuhkien ennustemallinnus avointa dataa hyödyntäen

“Turun moottoritie länteen ruuhkautuu Veikkolan kohdalla 15 minuutin päästä 90 % todennäköisyydellä.” Muun muassa tällaiset ruuhkaennusteet voivat pian olla arkipäivää Suomessa.

Lue lisää

Kilpailu– ja kuluttajavirasto - Robotiikka ja tekoäly osana avoimia tietolähteitä

Loihde Analytics on toimittanut yhdessä SAS Instituten kanssa Kilpailu- ja kuluttajavirastolle pilvipohjaisen tekstianalytiikan ja verkostoanalytiikan PoC-ratkaisun, jonka avulla Kilpailu- ja kuluttajavirasto on voinut ...

Lue lisää

Radiometer Turku - Tuotannon prosessien optimointiratkaisu

Radiometer Turku on osa tanskalaista Radiometer-yhtiötä, joka kehittää, valmistaa ja myy diagnostisia sovelluksia ja mittalaitteita akuuttihoidon tarpeisiin. Radiometer kuuluu yhdysvaltalaiseen monialaiseen ...

Lue lisää

Haluatko kuulla lisää?

Kysy mitä vaan, vastaamme mahdollisimman pian. Henkilöstömme yhteystiedot löydät täältä.