Tekoälyn tietäjät: Haastattelussa Jussi Rautjärvi

Jussi Rautjärvi on Digia Oyj:n Lead Consultant. Hän keskittyy työssään customer analytics -hankkeisiin ja ylimmän johdon neuvonantoon datan sekä analytiikan hyödyntämisessä.

Tulos: Tekoälyalgoritmit tarvitsevat korkeaoktaanista dataa polttoaineeksi. Mistä yritykset löytävät tarpeeksi paljon ja tarpeeksi laadukasta dataa? Entä kannattaako dataa ostaa?

Jussi Rautjärvi: “Dataan löytyy yleensä monista eri datalähteistä esim. yrityksen omista järjestelmistä tai laitteista. Datan laatu vaihtelee paljon tapauskohtaisesti. Tärkeintä on, että käytettävän datan laatu analysoidaan ennen käyttöä.

Datan ostamiseen pätee myös laatuvaatimus eli täytyy etukäteen miettiä, onko datasta hyötyä meidän omiin prosesseihin ja tuoko se oikeasti lisäarvoa. Avainkysymys on, että voiko käytettävissä oleva data vastata tai tuoda lisäymmärrystä liiketoiminnan avoimiin kysymyksiin.

Jos datan laatu on huonoa tai se puuttuu osittain tai kokonaan, tulee huomio kohdistaa itse analytiikan ulkopuolelle niiden prosessien ja järjestelmien muokkaamiseen, jotka tuottavat dataa liiketoiminnasta.”

 

Datan määrä on räjähtänyt; ovatko yritysten päätöksenteko- ja johtamisprosessit pysyneet perässä?

“Kysymys ei minusta liity suoranaisesti johtamisjärjestelmiin- tai prosesseihin. Katse tulisi vain suunnata kylmän viileästi hypen ohi suoraan liiketoiminnan ytimeen: Mihin liiketoimintakysymyksiin haluamme oikeasti vastauksia?

Avainasemassa ovat yrityksen omat ihmiset eli liiketoimintaosaajat, joiden tietämys toimintakentästä, järjestelmistä ja niissä olevasta datasta luovat ympäristön analytiikan soveltamiselle.”

 

Millaisia yllättäviä tai uusia koneoppimisen ja tekoälyn sovellutuksia Digiassa on kehitetty?

“Olemme Digiassa nostaneet älykkään asiantuntijuuden johtamisen yhdeksi tekoälyn hyödyntämisen keihäänkärkialueista.

Tavoitteenamme on tehdä tekoälyavusteisesti älytekoja henkilön koko työnsuhteen elinkaareen. Tämä alkaa rekrytoinnista ja jatkuu työhön perehtymiseen, osaamisen kehittämiseen, urakiertoon ja lopuksi mahdollisesti työsuhteen päättymiseen.

Konkreettisena esimerkkinä työsuhteen elinkaaren seurantaan on kehitetty AILeadWell -alusta, jossa yhdistetään tietoa ajantasaisesti eri lähteistä. Näin saadaan parempaa näkyvyyttä työyhteisön tilasta. Lähteinä voivat olla mm. työaikakirjaukset, työimun kysely, aktiivisuusranneke, laskutus ja työterveydenhuollon data. Yhdistetyn datan pohjalta voidaan seurata kuinka esimerkiksi työyhteisön työnimu/fiilis verrattuna palautumiseen ja koko yksikön liikevaihtoon korreloi — vai korreloiko?”

Täältä voit lukea lisää Digian näkemyksiä analytiikasta ja sen soveltamisesta liiketoimintaan.

Kommentoi

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *