Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Tekoälyn hyödyntäminen taloudessa

111 views

Published on

Solita HUB: Kohti älykkäämpää liiketoimintaa -aamiaistilaisuus järjestettiin 22.5.2018. Timo Voipio Solitalta puhui tilaisuudessa tekoälyn hyödyntämisen mahdollisuuksista taloudessa. Lue lisää tapahtumasta: https://www.solita.fi/tapahtumat/solita-hub-kohti-alykkaampaa-liiketoiminnan-suunnittelua/

Published in: Business
  • Be the first to comment

  • Be the first to like this

Tekoälyn hyödyntäminen taloudessa

  1. 1. Tekoälyn hyödyntäminen taloudessa Timo Voipio, Solita Oy 22.5.2018
  2. 2. Aivan aluksi... Chatbot Tekoäly Deep Learning Robotiikka Skynet NoSQL Big Data Data Lake Blockchain Machine Learning
  3. 3. Talousprosessit 💘 kone • Numerodataa, ja paljon! • Datalla on luontaisesti rakenne • Dataan kohdistunut laatuvaatimuksia jo lainsäädännöstä johtuen
  4. 4. “Me tarvittais yks tekoäly” • “Tekoäly” ei varsinaisesti tarkoita mitään konkreettista! • Yhteyksien etsiminen, ennustaminen ja aikasarjamenetelmät: peruskauraa “perinteisessä” tilastotieteessä • Mitkä ajurit vaikuttivat lopputulemaan? Paljonko? Mihin suuntaan? • Mitä yksinkertaisemmalla menetelmällä haluttuun lopputulokseen, sitä parempi!
  5. 5. Algoritmilla ja algoritmilla on ero • Koneoppimismenetelmien kirjo valtava, joka menetelmään liittyy omat kompromissinsa • Vaatimukset datalle, tarkkuus, tulkittavuus, laskennan työläys • “Tekoäly on musta laatikko”: kuulostaa raflaavalta, ei täysin totuudenmukainen • Neuroverkkojen osalta osuu lähelle...
  6. 6. Kone oppii Opetusal- goritmi ID 5467 Hinta 0,55 … … Menekki 1503 ID 1357 Hinta 1,89 … … Menekki 153 ID 1234 Hinta 2,51 … … Menekki 513 Validointi Esikäsitelty data Jako opetus- ja testidataan (satunnaisotanta) Testidata: ei käytetä mallin opettamiseen, vain validointiin Opetusdata Mallin opettaminen Malli Tarkkuus- arvio Tietova- rasto Lataus ja käsittely Datan haku ja esikäsittely (muuttujavalinta, piirrelaskenta) Datalähde
  7. 7. Kone soveltaa ID 7569 Hinta 3,15 … … Menekki ? Esikäsitelty uusi data Ennusteen laskeminen Ennuste ID 7569 Menekki 415 Malli Uutta dataa Lataus ja käsittely Muuttujavalinta, piirrelaskenta (samalla tavalla kuin opetusdatalle) Data, jolle ennuste halutaan laskea
  8. 8. Mitä koneesta saa ulos? • Analyyseja riippuvuussuhteista ja säännönmukaisuuksista • Suosituksia • Ennusteita
  9. 9. Koneoppimiseen liittyvät haasteet • Luottamus! • Saako kone erehtyä? • Mallin lopputulos vs. tulkittavuus • Datan laatu • “Kauppa vetää Etelänapamantereelle” • Kone ei ole intuitiivinen eikä toimiala-asiantuntija • Eettiset kysymykset
  10. 10. Case: kirjanpidon automatisointi • Rutiinityön automatisointi koneoppimisen avulla: ostolaskujen tiliöinnin automatisointi • Datan laatu avainasemassa • Menetelmät verrattain yksinkertaisia • Dataan tehtyjen korjausten jälkeen koneen antama tiliöinti sama kuin ihmisen tekemä yli 90 % tapauksista • Oleellisen oikeellisuuden vaatimus • Iteratiivinen kehitys tiiviissä yhteistyössä asiantuntijoiden kanssa
  11. 11. Kysymyksiä? Kiitos! Timo Voipio Data Scientist timo.voipio@solita.fi

×