Tarinat kulissien takaa

Asiantuntijamme avautuvat

Kirjoittajalta Mika Laukkanen

Use Cases for a Hit Rate Engine

Tässäpä jatkoa Pekan aiempaan artikkeliin. From Abstraction to Practice Public discussion often approaches machine learning from a somewhat abstract and futuristic standpoint. In contrast, potential ML use cases are actually very practical. One of such use cases is forecasting of sales opportunity hit rates which can benefit salespeople and management in B2B organizations. This blog…

Asiakaspoistuma-analyysi ja miljoona lisämyyntiä (2018)

Tässä on kollega Ville Niemijärven kirjoitus analytiikan (nykyään tekoäly tai koneoppiminen) hyödyntämisestä vuodelta 2014. Ajattelin hieman päivittää sitä ja laittaa uudelleen jakoon, kun aihe on ajankohtaisempi kuin artikkelin ilmestymisvuonna. Kukapa muuten tietää, että millä termillä näitä ratkaisuja kutsutaan seuraavan neljän vuoden päästä? Asiakaspoistuma-analyysi (eng. churn) tarkoittaa analytiikan prosessiketjua, jossa selvitetään mitkä asiakkaat ovat vaarassa poistua, millä…

How to build a custom hit rate engine?

Artikkelin kirjoittaja on Data Scientist Pekka Tiusanen Bilotilta, jonka kanssa Louhia yhdistyi kesäkuussa 2018.  Jatko-osa seuraa ensi viikolla. ABOUT HIT RATE FORECASTING Challenges in the sales process and management are common to many organizations. Improved data availability and machine learning algorithms provide means to forecast sales opportunity hit rates, which brings forth two interesting ML use…

Tekoälyprojektien haasteita

Tekoälyä koskevan kirjoittelun perusteella voisi kuvitella, että projektit ovat pelkkiä menestystarinoita. Pitää vaan rohkeasti kokeilla, pistää data ja tensorflow pyörimään – jossakin pilvessä. Käytännössä tekoälyprojekteissa on kuitenkin useita haasteita, joiden vuoksi osa projekteista ei koskaan päädy tuotantokäyttöön saakka. Tässäpä siis eräitä tunnettuja ja koeponnistettuja pulmia: Idea ei toiminutkaan Yleensä AI-projektit aloitetaan liiketoimintaongelman määrittelyllä, jossa pitäisi…

Onko perinteisistä tietovarastoista hyötyä tekoälyn kehittämisessä?

Otsikon mukainen kysymys tuli mieleeni, kun eräänä päivänä katselin lävitse Louhian tekemiä koneoppimis- ja AI-projekteja. Kävi nimittäin ilmi, että kymmenistä eri harjoituksista vain murto-osassa datat olivat tulleet yrityksen tietovarastosta tai tietovarastoista (DW, EDW). Noihin tietovarastoihin on kuitenkin upotettu miljoonia, mutta ensimmäisten AI-kokeilujen osalta ne olivat pääosin hyödyttömiä. Aloin selvitellä asiaa tarkemmin ja syyksi ”hyödyttömyyteen” paljastuivat…

Tekoäly saapui Korvatunturille

On vuosi 2021 ja kävimme Korvatunturilla kysymässä, että miten tekoäly ja digitalisaatio on näkynyt arjessa. Tapaamiset luonnollisesti järjestyivät Tonttu-botin avustuksella, joka muuten osaa kommunikoida myös ruotsiksi. Tässä parhaita kommentteja koostetusti. Asiakasmuotoilu-Tonttu ”Tänä päivänä toiminnan ytimessä on asiakaskokemus, joka on noussut Korvatunturilla strategiseksi arvoksi ja toimintaa ohjaavaksi tekijäksi. Katsos, olemme sellainen asiakkaan digitaalinen matkakumppani ja opas….

Koneoppiminen vaatii osaamista

Tässä taannoin meille tuli projekti, jossa asiakas oli tehnyt koneoppimisharjoituksen (ennustemallinnus) erään toisen kumppanin kanssa. Asiakas oli skeptinen tulosten suhteen ja halusi ns. toisen mielipiteen, mutta eri ohjelmistolla tehtynä. Joskaan senhän ei pitäisi vaikuttaa olennaisesti tuloksiin. Jo heti alkuvaiheessa huomattiin, että homma olikin alunperin mennyt pieleen väärin muodostetun opetus- ja testiaineiston vuoksi.  Alkuperäinen tekijä ei…

Dataan laatua koneoppimisella

Kun nykyään uutisoidaan tekoälystä ja koneoppimisesta, niin eturintamaan nousee kuvien tunnistus, itseohjautuvat autot tai vaikkapa tekstin kääntäminen tai sen kontekstin ymmärtäminen. Näiden mediaseksikkäiden aiheiden taakse jää aihealueita, joissa tekoälyllä on paljon annettavaa, mutta uutiskynnys ei ylity. Yksi näistä aiheista on erilaisten järjestelmien datan laadun parantaminen algoritmien avulla. Ongelmia datan laadussa? Datan laatuongelmat aiheuttavat erittäin suuria…

Tärkeintä on laadukas data

Seuraava kirjoitus on julkaistu Tieke lehden numerossa 1-2017. Jaetaan se nyt täälläkin. Tärkeintä on laadukas data Voimme päivittäin lukea uutisvirrasta uusien tekoälyratkaisujen tulevaisuuden potentiaaleista. Datamäärien ja laskentatehon kasvu yhdessä algoritmien kehityksen kanssa ovat potkaisseet tekoälyn kehitysvauhdin uudelle kiertoradalle. Nykyään lähes kaikki tekoälyratkaisut perustuvat neuroverkkoihin, joiden prosessoitavaksi on ohjattu dataa. Neuroverkko ohjelmoidaan oppimaan datasta, jossa on…

Louhia DataLab: Auton myyntihinnan ennustaminen

Auton myyntihinnan arviointiin on useita mahdollisuuksia. Yksinkertaisinta lienee käydä katsomassa mitä vastaavilla ominaisuuksilla varustetut autot maksavat netissä, ja asettaa hinta oman fiiliksen mukaan alle, keskiarvoon tai vaikka ylitse. Tämä metodi on varmaan riittävän tarkka tapa hinnoitella auto ellei kyseessä ole jonkinlainen erikoiskappale tai muuten harvinainen ajopeli. Mutta onnistuuko myyntihinnan ennustaminen data-analytiikan (machine learning, statistics) keinoin? Intuitiivinen vastaus…

Yhteydenotto

Mikäli olet kiinnostunut yrityskohtaisista palveluista tai sinulla kysyttävää palvelujemme sisällöstä, niin ota yhteyttä oheisella lomakkeella tai soita Mikalle numeroon 040 845 8432.