Parkkipaikka linssinä, jonka läpi voidaan tarkastella tekoälyn tarjoamia etuja

90 prosenttia kaikesta tämänhetkisestä tiedosta on luotu viimeisten kahden vuoden aikana, ja kahden vuoden kuluttua tallennetun tiedon määrä on taas kaksinkertainen nykyhetkeen verrattuna. Tätä nopeasti kasvavaa tietomassaa kutsutaan nimellä ”Big data”, ja se muuttaa ympäristöämme ratkaisevasti.

Kaikkea tätä tietoa hyödyntämään onkin syntynyt uusi ammatti: datatieteilijä. Olen itsekin datatieteilijä, ja kirjoitan nyt siitä linssistä, jonka läpi datatieteilijä tarkastelee maailmaa.

Ympärillä tietoa ja oivalluksia

Kun olin lapsi, minulla oli aina pieni muistivihko mukana perheen yhteisillä automatkoilla. Olin kirjoittanut jokaisen sivun yläreunaan jonkin automerkin, ja kun ajelimme pitkin maanteitä, kirjasin tarkasti ylös kaikkien näkemieni automerkkien määrän. Jos näin Volvon, tein Volvo-sivulle merkinnän. Jos taas ajoimme pysäköintialueelle, kävelin sen päästä päähän ja merkitsin huolellisesti vihkooni, montako erimerkkistä autoa näin.

Vertailin automerkkien määrää eri pysäköintialueiden välillä. Toyota, joka oli siihen aikaan edullisempi automerkki, tarkoitti sitä, että sen omistajalla oli vähemmän varallisuutta tai alempi yhteiskunnallinen asema. Saksalaiset autot taas tarkoittivat päinvastaista. Keräämäni tiedon perusteella pystyin tekemään jonkinlaisia päätelmiä niistä ihmisistä, jotka olivat pysäköineet autonsa kyseiselle alueelle.

Tämä tapa kulkee mukanani edelleen. Pysäköintialueet mitoitetaan yleensä niitä käyttävien yritysten koon mukaan. Autojen määrä ei välttämättä kerro paljoakaan siitä, miten hyvin yrityksellä menee, vaan menestyksestä saa paremman käsityksen tarkastelemalla käytössä olevien parkkipaikkojen osuutta kaikista paikoista. Koska yrityksen voittomarginaali ylittää liikevaihdon kasvun, on mielenkiintoista tehdä päätelmiä liiketoiminnan tuottavuudesta sen perusteella, kuinka suuri osa yrityksen parkkipaikoista on käytössä.

Meillä on enemmän tietoa kuin koskaan aiemmin, mutta missä ovat tulokset?

Kun datatieteilijä tarkastelee maailmaa, hän kaivautuu tiedon syövereihin ja koettaa löytää sieltä oivalluksia. Tieto on linssi, jonka läpi todellisuutta havainnoidaan.

Mutta kuten Boston Consulting Groupin taannoisessa raportissa ”Five Rules for Fixing AI in Business” todetaan, monet tekoälyprojektit eivät välttämättä tuota odotettua liiketoiminta-arvoa. Miksi näin on? Tiedon määrä kasvaa räjähdysmäisesti ja tietoa kerätään mitä moninaisimmilla tavoilla. Analyyttiset menetelmät kehittyvät. Miksi monet projektit silti epäonnistuvat?

Osa vastauksesta liittyy tekoälyn kehittämisessä mukana olevien ihmisten erikoisasiantuntemukseen. Organisaatioissa tekoäly ja koneoppiminen ovat usein osa niiden teknologia- tai IT-strategiaa. Tieto ja tekoäly eivät kuitenkaan ole vain teknologian osa-alueita. Liiketoimintaprosessit ovat monimutkaisia, eikä paremmista ennusteista ole hyötyä yritykselle, jos ne eivät liity varsinaiseen päätöksentekoon. Jotta projektit saataisiin onnistumaan, tarvitsemme datatieteilijöitä, joilla on vahvaa liiketoimintaosaamista, sekä liiketoiminnan asiantuntijoita, jotka ymmärtävät, mitä tekoälyn avulla voidaan saavuttaa.

Näin tiedosta voi tulla linssi, jonka kautta liiketoimintapäätöksiä tehdään. Vasta silloin tiedosta tulee aidosti eteenpäin vievää ja hyödyllistä.