Datasta oivalluksia ja bisnestä valmennus Jyrki …...2017/12/02 · 2017 Datasta oivalluksia ja...
Transcript of Datasta oivalluksia ja bisnestä valmennus Jyrki …...2017/12/02 · 2017 Datasta oivalluksia ja...
2017 Datasta oivalluksia ja bisnestä
17.2.2017
DOB Valmennuksen kick-off
Jyrki Koskinen, COSSJaakko Porokuokka, LaureaJyrki Rasku, Tampereen yliopisto
cc by 4.0
Datasta oivalluksia ja bisnestä valmennusanalytiikan ja palveluajattelun perusteet
1
2017 Datasta oivalluksia ja bisnestä
Agenda
10:00 Päivän tavoite ja ohjelma
10:15 DOB innovaatioalusta /Jyrki Koskinen
10:45 Palveluajattelu muuttaa kaiken /Jyrki Koskinen
11:30 Lounas
12:30 Palvelumuotoilu ja palveluliiketoiminta /Jaakko Porokuokka
14:00 Tauko
14:15 Analytiikka /Jyrki Rasku
15:45 Jatko /Jyrki Koskinen
16:00 Tilaisuus päättyy
2
2017 Datasta oivalluksia ja bisnestä
Agenda
10:00 Päivän tavoite ja ohjelma
10:15 DOB innovaatioalusta /Jyrki Koskinen
10:45 Palveluajattelu muuttaa kaiken
11:30 Lounas
12:30 Palvelumuotoilu ja palveluliiketoiminta
14:00 Tauko
14:15 Analytiikka
15:45 Jatko
16:00 Tilaisuus päättyy
3
2017
Datasta oivalluksia ja bisnestä – DOB innovaatioalusta
BigData
Oma data
Intenet, IoT
Analysointi● Datan keruu ja organisointi● Louhinta, analysointi● Ymmärrystä ja oivalluksia
Avoin data
Palvelumuotoilu● Yhdessä: asiakkaat, asiakkaiden asiakkaat, koko yhteistyöverkosto.● Ratkaisuja ongelmiin ja tarpeisiin● Liikeideoita
Bisneskiihdytys● Liiketoimintamalli● Idean konseptointi● Testaus ● Palveluja ja tuotteita, uutta liiketoimintaa
Ong
elm
an ja
dat
an m
äärit
tely
4
2016 COSS
DOB - innovaatioalustan vaiheet, tehtävät ja tulokset
5. Bisnes- kiihdytys4. Palvelu-
muotoilu
3. Analy-sointi
1. O
ngel
ma
2. D
ata
1.Ongelman määrittely Ongelman, tarpeen tai tutkittavan ilmiön määrittely.Projektin tavoitteen määrittely. Tulos: Määritelty ongelma,tarve, tutkittava ilmiö.Määritelty tavoiteprojektille.
2.Datan määrittely ja valmistelu Relevanttientietolähteiden määrittely ja tietojen valmistelu Tulos: Konekielisessä muodossa oleva anonymisoituja siivottudata valmiinamallinnettavaksi analysointia varten
3. Analysointi Datan mallintaminenja tallettaminenanalysoitavaksi.Datan louhinta jaanalysointi. Tulosten visualisointi. Tulos: Laskennallinen malliLouhittu, analysoituja visualisoitu data-aineisto.Ymmärrystä jaoivalluksia.
4. Palvelu- muotoilu Tuotteiden, palvelujenja liiketoimintamallien ideointi ja innovointi yhdessä sidosryhmien kanssa. Tulos:Ideoita tuotteiksi japalveluiksi, uudeksiliiketoiminnaksi.Ideoita organisaation uudeksitoimintamalliksi japrosesseiksi.
5. Bisnes- kiihdytys Idean jatkojalostustestattavaksi.Idean testaus. Tulos: Testattu tuote,palvelu tai liikeideatuotteistettavaksitai toimintamalli toteutettavalksi. 5
2017 Datasta oivalluksia ja bisnestä
Agenda
10:00 Päivän tavoite ja ohjelma
10:15 DOB innovaatioalusta
10:45 Palveluajattelu muuttaa kaiken / Jyrki Koskinen
11:30 Lounas
12:30 Palvelumuotoilu ja palveluliiketoiminta
14:00 Tauko
14:15 Analytiikka
15:45 Jatko
16:00 Tilaisuus päättyy
6
2017 Datasta oivalluksia ja bisnestä
Mikä on palvelu, miten se eroaa tuotteesta?
7
2017 Datasta oivalluksia ja bisnestä
Mikä on tuote, mikä on palvelu?
Palvelu (aineeton)
Koulutus
Siivous
Putkityö
Lounas ravintolassa
Räätälöity puku
Kännykkä
Auto
Sokeri
Rautanaula
Tuote (aineellinen)
Kuva: Heinolan Auto-Opisto
Taksikyytinä, palvelu
Ostettuna kaupasta,
tuote
Liisattuna,palvelu
Tuote = arvontuotannon alusta
Lähde : Wikipedia
8
2017 Datasta oivalluksia ja bisnestä
Transformaatio: tuotekeskeinen → palvelukeskeinen → asiakaskeskeinen
Miten kasvaa, miten parantaa kanattavuutta?
Kuva: PNG images, CC0
Miten autamme asiakkaitamme ja samalla menestymme?
9
2017 Datasta oivalluksia ja bisnestä
Palveluliiketoiminta
Goods Dominant Logic – Service Dominant Logic – Customer Dominant Logic
•GDL: mahdollisimman hyviä tuotteita ja palveluja asiakkaille
•SDL: asiakkaan arjen ymmärtäminen, arvonluonti yhdessä
•CDL: mahdollisimman hyviä ratkaisuja asiakkaalle
Mistä löydämmme asiakkaita tuotteilemme?
Mistä löydämmme tuotteita asiakkaillemme?
10
Kuva: www.papunet.fi
2017 Datasta oivalluksia ja bisnestä
Palvelumuotoilu ja -liiketoiminta
Palveluliiketoiminta
• ‘’Palvelu on lisäarvon luomista yhdessä asiakkaan kanssa → Kaikki on palvelua
• Liiketoimintamalli osana arvoverkostoa
Palvelumuotoilu
• Tavoitteena hyvä käyttäjäkokemus ja -elämys, ratkaisu osana käyttäjän omaa toimintaa
• Ajattelutapa ja suunnittelun periaatteet
• Prosessi, menetelmät ja työkalut
‘Tee asiat oikein’‘Tee oikeita asioita’
11
2017 Datasta oivalluksia ja bisnestä
Maksa terveydestä
Palvelu liiketoimintana, esimerkkejä
Smarter Planet
Vainu löytää liidit
Hitsaamisen iloa
Älykkäitä satamia
Koru voi pelastaa hengen
12
2017 Datasta oivalluksia ja bisnestä
Kemppi auttaa asiakkaitaan auttamaan omia asiakkaitaan
Kaikki hitsaustieto löytyy pilvestä - Total Welding Management Product as a
platform for an ICT based
service
13
2017 Datasta oivalluksia ja bisnestä
Kempin polku tuotetoimittajasta asiakkaan kumppaniksi
Lähde. BestServe -hanke14
2017 Datasta oivalluksia ja bisnestä
Cargotec tekee nostureita mutta myy älykkäitä satamia
Cargotec kerää dataa laitteiden käytöstä ja kunnosta - ennakoiva huolto parantaa käyttöastetta
Cargotec tietää mitä lastataan ja puretaan. Laivausdatan avulla se auttaa asiakkaitaan optimoimaan sataman toimintaa. Toiminta nopeutuu, energiaa säästyy.
Cargotecin visiona on optimoitu logistiikkaketju valmistajalta asiakkaalle.
15
Lähde: www.cargotec.com
2017 Datasta oivalluksia ja bisnestä
Heltti – maksa terveydestä
16Lähde: www.heltti.fi
2017 Datasta oivalluksia ja bisnestä
IBM for Smarter Planet -tarjooma Ratkaisuja asiakkaille –
laitteet ja ohjelmistot, data ja osaaminen
raaka-aineina
17Lähde: www.ibm.com
2017 Datasta oivalluksia ja bisnestä
Analytiikka keskosten hoidossa - case verenmyrkytys
Lähde: Mikko Rotonen, HUS, 19.10.2016
Analysoidut muuttujat:• Syke (HR)• Hengitystaajuus (RESP)• Happisaturaatio (SaO2)
18
2017 Datasta oivalluksia ja bisnestä
Vainu tekee miljoonia hakuja päivässä ja tekee niistä päätelmiä
19Lähde: www.vainu.io/fi
2017 Datasta oivalluksia ja bisnestä
20Lähde: www.kalevalakoru.fi
20.9.2016 21
’Everything as a Service’
Kuka tarvitsee palvelimia tai ohjelmistolisenssejä?
Source: IBM 21
2017 Datasta oivalluksia ja bisnestä
ICT-palveluliiketoiminta eilen, tänään,...
� Palvelu Asiakas Palvelu Asiakas
Toiminnnan kehittäminen (strategia, prosessit, osaaminen)
Konsultointi: liikkeenjohton tuki, prosessien kehittäminen, muutoksen johtaminen
Liiketoiminnan johto
'Consultant as a Service', jaettu voitto ja riski.
'Insight, Innovation, Implementation as a Service'
Liiketoiminnan johto, toiminnasta vastaavat
Sovellukset (ohjelmistot)
Sovellusohjelmistojen toimitus ja tuki Ohjelmistoylläpito (lisenssikauppa)
Tietohallinto SaaS Toiminnasta vastaavat
Laitteistot (työasemat, palvelimet, tietoliikenne, varusohjelmistot)
Laitehuolto, palvelu-keskus, osituskäyttö
Tietohallinto PaaS, IaaS Tietohallinto, → liiketoiminta
Eilen Tänään, huomenna
22
2017 Datasta oivalluksia ja bisnestä
Service thinking: value cocreation together with the customers - steps from products to services
1. Which is the actual need to be met by our product?
→ how to develop the product / service together with the customer and the ecosystem?
2. How to get the most out my product as part of customer's business?
→ What other needs we could meet as part of the customer’s business having your product as a platform?
→How about beyond our product portfolio?
3. How to exploit our competive edge?
→ new customer segments and new markets, new sales
Customer
VendorsCompany
Partners
Value co-creation
Customer
VendorsCompany
Partners
Value co-creation
Customer
VendorsCompany
Partners
Value co-creation
Miten autan asiakastani kohti asiakaskeskeistä
liiketoimintaa?
23
20.9.2016 24
All you need is … an ecosystem
Source: www.slideshare.net
Alihankinnasta arvoverkkoon ja ekosysteemiin
24
2017 Datasta oivalluksia ja bisnestä
Lauri Vanhala @ Reaktor 25
2017 Datasta oivalluksia ja bisnestä
Verbi on 'auttaa', ei 'myydä'
(Palvelu)liiketoiminnan ydin
26
Photo: Eric R. Dahlen
2017
27
2017
28
2017 Datasta oivalluksia ja bisnestä
Agenda
10:00 Päivän tavoite ja ohjelma
10:15 DOB innovaatioalusta
10:45 Palveluajattelu muuttaa kaiken
11:30 Lounas
12:30 Palvelumuotoilu ja palveluliiketoiminta /Jaakko Porokuokka
14:00 Tauko
14:15 Analytiikka
15:45 Jatko
16:00 Tilaisuus päättyy
29
2017 Datasta oivalluksia ja bisnestä
Tuote Palvelu Asiakas
30
2017 Datasta oivalluksia ja bisnestä
31
2017 Datasta oivalluksia ja bisnestä
Miksi palvelumuotoilua tarvitaan?
Palvelut muodostavat suurimman osan kehittyneiden maiden BTK:sta Asiakkaiden odotukset kasvavat Digitalisaatio muuttaa palvelujen
luonnetta
Reason, Lavrans & Melvin (2016)
32
2017 Datasta oivalluksia ja bisnestä
33
2017 Datasta oivalluksia ja bisnestä
Kehitetään palveluita, joita asiakkaat haluavat käyttää
Tuotetaan palvelu siten, että se uppoaa asiakasmassalle
PAMUAsiakas-ymmärrys
34
2017 Datasta oivalluksia ja bisnestä
Empatia
Ymmärretään miltä maailmanäyttää asiakkaan silmin
35
2017 Datasta oivalluksia ja bisnestä
“Service design is a multidisciplinary, human-centred approach that uses
understanding of customer experience as a backbone to design service offerings.
-Ida Rainio
36
2017 Datasta oivalluksia ja bisnestä
SERVICE DESIGN
THINKING
Co-creativeHolistic
User-centric
SequencingEvidencing
Marc Stickdorn 2012
37
2017 Datasta oivalluksia ja bisnestä
User-centric
38
2017 Datasta oivalluksia ja bisnestä
Sequencing
39
2017 Datasta oivalluksia ja bisnestä
Holistic
40
2017 Datasta oivalluksia ja bisnestä
Co-Creative
41
2017 Datasta oivalluksia ja bisnestä
Evidencing
42
2017 Datasta oivalluksia ja bisnestä
Tutkimus Täsmennys Kehitys Toteutus
43
2017 Datasta oivalluksia ja bisnestä
Double Diamond, UK Design Council, vapaasti mukaillen
Tutkimus Täsmennys Kehitys Toteutus
44
2017 Datasta oivalluksia ja bisnestä
Double Diamond, UK Design Council, vapaasti mukaillen
Tutkimus Täsmennys Kehitys Toteutus
45
2017 Datasta oivalluksia ja bisnestä
Double Diamond, UK Design Council, vapaasti mukaillen
Tutkimus Täsmennys Kehitys Toteutus
46
2017 Datasta oivalluksia ja bisnestä
Double Diamond, UK Design Council, vapaasti mukaillen
Tutkimus Täsmennys Kehitys Toteutus
47
2017 Datasta oivalluksia ja bisnestä
Double Diamond, UK Design Council, vapaasti mukaillen
Tutkimus Täsmennys Kehitys Toteutus
48
2017 Datasta oivalluksia ja bisnestä
Kirjasuositus analytiikan valmennettaville(ja miksipä ei muillekin)
Kim Goodwin:Designing for the Digital Age
49
2017 Datasta oivalluksia ja bisnestä
Agenda
10:00 Päivän tavoite ja ohjelma
10:15 DOB innovaatioalusta
10:45 Palveluajattelu muuttaa kaiken
11:30 Lounas
12:30 Palvelumuotoilu ja palveluliiketoiminta
14:00 Tauko
14:15 Analytiikka /Jyrki Rasku
15:45 Jatko
16:00 Tilaisuus päättyy
50
2017 Datasta oivalluksia ja bisnestä
51
Johdatus data-analyysiin
TutkimuskysymysAnalyysin jaottelustaData esiprosessointi ja havaintomatriisiPiirrevektoriEtäisyyden käsiteKoneoppimisen mallejaData-analyysin perusajatusAnalyysiesimerkkejäAnalyysin mahdollisuuksiaTyökalujaLaitteitaRajoituksia (Datan luonne ja algoritmien mahdollisuudet)
2017 Datasta oivalluksia ja bisnestä
● Data-analyysin tarkoituksena on löytää vastaus annettuun kysymykseen käsillä olevan datan avulla
● Toisaalta data-analyysi voi olla kuvailevaa, jolloin dataa visualisoimalla voidaan miettiä, millaisiin kysymyksiin data voi ehkä vastata
52
Tutkimuskysymys
2017 Datasta oivalluksia ja bisnestä
53
Data-analyysi voidaan jakaa karkeasti kahteen ryhmään
1. Perinteiset tilastolliset menetelmät2. Koneoppimismenetelmät
Koneoppimismenetelmät jaetaan tyypillisesti kahteen alaryhmään
1. Ohjaamattoman oppimisen menetelmät2. Ohjatun oppimisen menetelmät
Ohjaamattomassa oppimisessa yksittäisten datapisteiden lähde on tuntematon. Tyypillisesti ohjaamattomassa oppimisessa koneoppimisalgoritmi pyrkii jakamaan, “ryvästämään dataa” osajoukkoihin
Ohjatussa oppimisessa datapisteiden lähde on tunnettu. Koneoppimisalgoritmi “oppii” datan ominaisuudet minimoimalla tunnetun lähteen ja ennustetun lähteen eroa
2017 Datasta oivalluksia ja bisnestä
54
Havaintomatriisi (1/2)
x y z
x1 y1 z1
. . .
xn yn zn
Riveinä havainnotSarakkeina muuttujat
Esiprosessoinnin tulos
2017 Datasta oivalluksia ja bisnestä
55
Havaintomatriisi (2/2)
x y z C
x1 y1 z1 C1
. . . .
xn yn zn C2
Havaintoyksiköitä kuvaavien muuttujien lisäksi mukana on myös havaintoyksiköiden luokitus C.
2017 Datasta oivalluksia ja bisnestä
56
Piirrevektori
y
x
(x,y)
Yksittäinen havainto tarkasteltavassa muuttuja-avaruudessa kuvataan muuttuja-avaruuden origosta lähtevän vektorin kärkenä.
2017 Datasta oivalluksia ja bisnestä
57
p1
p2
Etäisyyden käsite
Havaintoyksiköiden samankaltaisuutta luonnehditaan yleensä niiden välisen etäisyyden avulla.
2017 Datasta oivalluksia ja bisnestä
58
Ohjaamattoman oppimisen malleja
KmeansSOM (Self organizing maps)
Ohjatun oppimisen malleja
NeuroverkotTukivektorikoneetPäätöspuut
2017 Datasta oivalluksia ja bisnestä
59
Neuroverkko, (suodin), joka tunnistaa mustavalkokuvan reunat
2017 Datasta oivalluksia ja bisnestä
60
Tukivektorikone etsii kahden pistejoukon väliin sellaisen tason, jonka suhteen joukot ovat mahdollisimman kaukana toisistaan
2017 Datasta oivalluksia ja bisnestä
61
Päätöspuu
Quinlanin tennisesimerkki
Pelataanko tennistä vai ei?
2017 Datasta oivalluksia ja bisnestä
62
Data-analyysin perusajatus
2017 Datasta oivalluksia ja bisnestä
63
Joitakin esimerkkejä
Lyhin mahdollinen reitti koulukuljetuksille, kun noutopaikat tunnetaan
2017 Datasta oivalluksia ja bisnestä
64
Joitain esimerkkejä
Solukuvan segmentointi
2017 Datasta oivalluksia ja bisnestä
65
Joitain mahdollisuuksia
2017 Datasta oivalluksia ja bisnestä
66
Joitain mahdollisuuksia
2017 Datasta oivalluksia ja bisnestä
67
Lisää mahdollisuuksia
Analytiikkaa ja dataa yhdistelemällä voidaan rakentaa asiantuntijajärjestelmiä. Mikä tahansa sääntöihin perustuva tehtävä voidaan antaa koneelle tehtäväksi
Diagnosointi Siemens PriscaLupakäsittelytLakiasiatTeollisuusautomaatio. ABBKunnossapito. IntelRakennetun elinympäristön kunnossapito. Vaisala
2017 Datasta oivalluksia ja bisnestä
68
Työkaluja
Valmiit analyysiohjelmistot, SAP, SPSS, R, Weka, jne …Koneoppimiskirjastot, Python, OpenCV, jne…Tiedon hajauttamisen ja koostamisen alustat. Hadoop, Cloudera, jne...
Valmiit analyysiohjelmistot ovat hyviä joko sinällään tai ne mahdollistavat nopean prototyypin tekemisen. Lopullinen sovellus voi vaatia vain yhden ja nopean algoritmin, joka toteutetaan mahdollisimman tehokkaasti
2017 Datasta oivalluksia ja bisnestä
69
Laitteita
Perinteinen prosessori alkaa olla riittämätön, koska sen toiminta perustuu käskyjen peräkkäiseen suorittamiseen
Rinnakkaistaminen auttaa hieman, mutta ei poista perusongelmaa
Prosessorin taakkaa on hyvä keventää aina, kun mahdollista. Anturien luku tms. tehdään raudalla mahdollisimman pitkälle. I/O-kortit ja mikrokontrollerit
FPGA (Field Programmable Gate Array) on aidosti rinnakkainen laskentayksikkö. Soveltuu hyvin nopeiden antureiden lukemiseen sekä niiden häiriöiden suodattamiseen
2017 Datasta oivalluksia ja bisnestä
70
Data
Miten erottaa hyödyllinen osa, kun kaikkea ei pysty laskemaan?
Hidas kone
Nopea kone
2017 Datasta oivalluksia ja bisnestä
71
Algoritmien analyysi
Algoritmien laitteistoriippumattomia suoritusaikoja tarkastellaan pseudokoodin eli luonnollisen kielen ja kuvitteellisen ohjelmointikielen sekamuodon avulla
2017 Datasta oivalluksia ja bisnestä
72
Pahimman tapauksen tilanne
Algoritmin suoritusaikaa luonnehditaan sen syötteen koon funktiona f(n). Pahimman tapauksen tilanteessa f(n) jää aina cg(n) alle jostain syötteen koosta lähtien
2017 Datasta oivalluksia ja bisnestä
73
Suoritusaikaesimerkki
f(n) cg(n)
2017 Datasta oivalluksia ja bisnestä
74
Suoritusaikojen funktiomuotoja
2017 Datasta oivalluksia ja bisnestä
75
Suoritusaikojen vertailua
2017 Datasta oivalluksia ja bisnestä
76
Maksimaalinen ongelman koko eri aikayksikössä eri aikavaatimuksilla olevilla algoritmeilla
2017 Datasta oivalluksia ja bisnestä
77
Ongelman uusi maksimikoko
Jos koneen nopeus kasvaa 256 kertaiseksi, niin ongelman uusi maksimikoko on vasemman sarakkeen algoritmeilla oikean sarakkeen mukainen