Elämme tiedosta, ihan konkreettisesti. Ihmisillä on perinteisen käsityksen mukaan viisi erilaista aistia ja sensoria, jotka vastaanottavat ja välittävät informaatiota huimalla tahdilla. Varovaisen arvion mukaan aivot vastaanottavat kymmenen miljoonaa bittiä informaatiota joka sekunti. Kuitenkin pääkoppamme voivat käsitellä vain noin 30 bittiä sekunnissa! Ihmiset siis sisäänrakennetusti poimivat tiedosta ne oleellisimmat palaset ja hyödyntävät näitä. Sama ilmiö on käynnissä myös yhteiskunnassa, organisaatioissa ja liike-elämässä yleisesti. Tietoa ja dataa on tarjolla käsittämättömän paljon, mutta hyödynnämme siitä vain murto-osaa. Toisin kuin aivojen kanssa, pystyisimme halutessamme paljon parempaan.

Datan hyödyntäminen jaotellaan tyypillisesti analytiikassa kolmeen luokkaan: kuvailevaan, ennustavaan ja ohjailevaan analytiikkaan. Kuvaileva analytiikka pyrkii esittämään datan perusteella, mitä on tapahtunut. Yleinen esitystapa ovat erilaiset raportit, joissa dataa luokitellaan ja kategorisoidaan. Business Intelligence (BI) on kuvailevaan analytiikkana usein painottuva työtehtävä, jossa raportoidaan tyypillisesti toiminnanohjausjärjestelmästä (ERP) ja asiakkuuksien hallintajärjestelmästä (CRM) peräisin olevia tietoja.

Ennustavassa analytiikassa pyritään rakentamaan malleja, jotka aiempien tapahtumien tietojen perusteella yrittävät ennustaa tulevaa ja erilaisten skenaarioiden todennäköisyyttä. Tyypillinen käyttökohde on esimerkiksi asiakkaan aiemman ostohistorian perusteella ennustaa tulevia ostoksia.

Ohjaavan analytiikan pyrkimyksenä on antaa suosituksia seuraavaksi toimenpiteeksi. Kyseiset suositukset usein perustavat ennustuksiin ja todennäköisyyslaskentaan vaihtoehtoisille valinnoille. Ohjaavaan analytiikkaan yhteydessä puhutaan usein optimoinnista. Optimoinnilla tarkoitetaan parhaan mahdollisen toimenpiteen arviointia ja valintaa etenkin silloin, kun vaihtoehtoja on suuri määrä ja niitä on hankala verrata keskenään. Tyypillinen esimerkki optimoinnista on tuotannonohjaukseen liittyvät tekijät, kuten varaston kiertonopeus. 

Informaatioaikakauden ja suurten datamäärien käsittelyyn on erikoistunut oma tieteenhaaransa Data Science (datatiede). Datatiede tutkii erikokoisten tietomassojen riippuvaisuuksia ja säännönmukaisuuksia, yrittäen luoda selittäviä ja ennustavia malleja. Pyrkimyksenä on siis saavuttaa ymmärrystä menneestä, nykytilasta ja mahdollisesti tulevaisuudesta.

Data Science on tuoreehko termi, jolle kuitenkaan ei ole yhtä vakiintunutta määritelmää. Sitä käytetään kuvattaessa työpaikkaa ja tutkintoja, joihin sisältyy datan keräämistä, yhdistelyä, siivousta, tulkitsemista ja visualisointia. Toisinaan sitä on käytetty myös tilastotieteen, ohjelmoinnin ja toimialakohtaisen asiantuntijuuden yhdistelmää tarkoitettaessa.

Jokaisessa organisaatiossa ja työssä tehdään päätöksiä. Vaikka kokemuksen tuoma intuitio on hyödyllistä, perustuvat päätökset jatkossa huomattavasti aiempaa useammin dataan ja tietoon. Pelkkä omaan tuntumaan perustuvat päätökset ovat riskaabeleja virheille ja erilaisille vaihtuville olosuhteille, joten aktiivinen tiedonkeruu ja analysointi tuovat selvää lisähyötyä ja varmuutta. 

Aalto EE tukee jokaisen asiantuntijan ja johtajan matkaa datataitojen omaksumisessa. Datapohjainen liiketoiminta ei tarkoita dataan liittyen tietojen ja taitojen ulkoistusta IT-osastolle, josta palvelua ammennetaan tarpeen mukaan. Riittävän syvällinen ymmärrys laadukkaan datan hyödyntämisen edellytyksistä ja mahdollisuuksista tulee jokaisen työntekijän sisäistää, jotta tiedolla johtamiseen vaadittu kulttuuri voidaan saavuttaa. Tyypillinen ja paljon aikaa kuluttava ongelmakohta on heikkolaatuinen ja epäyhteneväinen data, mikä merkittävästi hidastaa tai pahimmillaan jopa estää datan hyödyntämisen.

Ripeästi muuttuvassa maailmassa dataohjatusta liiketoiminnasta on tulossa uusi standardi. Samalla uudehkot toimialat, kuten mobiilipeliteollisuus, ovat jo sisäänrakennetusti hyvin dataintensiivisiä. Jos et johda toimintaasi tulevaisuudessa datalla, olet vaarassa ajautua menneisyyden vangiksi.

Räjähdysmäisesti kasvaneista ja uusista lähteistä kumpuavista datamassoista puhuttaessa tulee tekoäly väistämättä osaksi keskustelua. Tekoäly tulee nopeasti muuttamaan kaikkia yhteiskunnan osa-alueita, avaten uusia mahdollisuuksia ja luoden uusia ratkaisuja. Jos yksilö tai organisaatio haluaa menestyä tulevaisuuden kilpailuympäristössä, sen on hankittava sekä uusia teknologiataitoja että selkeä kokonaiskuva tekoälystä.

Tekoälyyn keskeisesti liittyvät ominaisuudet ovat etenkin kyky oppia ja sopeutua. Perinteisten tekoälymääritysten mukaan tekoälyn ”älyn” määritelmä on juuri sen kyky toimia kunkin tehtävän ja tilanteen mukaisesti järkevällä tavalla. Tekoälyn määrittely tehdään yleensä jakamalla se kahteen luokkaan: kapeaan ja vahvaan tekoälyyn. Kapea tekoäly toimii rajoitetuissa tehtävissä, mutta ilman tietoisuutta, tahtoa ja ymmärrystä sille määritetyn tehtävien ulkopuolisesta maailmasta. Vahvalla tekoälyllä sen sijaan on laaja ymmärrys ja se omaa ihmisen kaltaisen tietoisuuden. Kapeaa tekoälyä hyödynnetään jo, esimerkiksi erilaisten suoratoistopalveluiden suosittelujärjestelmissä, lakitoimistojen pitkien sopimustekstien analysoinnissa ja elämää helpottavien ääniohjattavien assistenttien (mm. Applen Siri, Microsoftin Cortana ja Google Assistant) muodossa. Vahvaa tekoälyä esiintyy vasta scifielokuvissa ja hyvin pitkän aikavälin suunnitelmissa. Tekoälyn laajamittaisen hyödyntämisen esteenä ovat ihmiset. Sääntelyn puute, kasvavat tietoturva- ja yksityisyysongelmat sekä puutteellinen ymmärrys tekoälystä rajoittavat tekoälyn laajamittaista hyödyntämistä. Näistä kohdista etenkin viimeisessä Aalto EE pyrkii edesauttamaan tekoälyaikakauden kehitystä: mystiikan, pelkojen ja väärien käsitysten oikaisemisella.

Tekoälyn lisäksi muut uudet teknologiat kuten blockchain eli lohkoketjuteknologia, 5G, kvanttilaskenta, robotiikka, IoT, sekä AR, VR ja MR eli virtuaalinen, lisätty ja yhdistetty todellisuus ovat tulleet jäädäkseen ja vaikuttavat myös organisaatioiden toimintaan, tulokseen, tehokkuuteen ja luotettavuuteen. Uudet teknologiat muuttavat prosesseja, työtehtäviä, asiakkuuksia, ympäristöä ja koko yhteiskuntaa. Viimeaikaiset edistysaskeleet sensoreissa, algoritmeissä, tiedonkäsittelyssä ja tekoälyn saralla muokkaavat mm. robotteja entistä itsenäisemmiksi toimijoiksi, mikä lisää merkittävästi niiden käyttömahdollisuuksia.

Organisaation eri tasoilla tarvitaan osaamista ja ymmärrystä uusista teknologioista ja niiden käyttötarkoituksesta, mahdollisuuksista ja seurauksista. Aalto EE hyödyntää Aalto-yliopiston maailmanluokan osaamista myös näiden uusien teknologioiden kehittäjänä, asiantuntijana ja kouluttajana. Uusiin teknologioihin keskittyvien ohjelmiemme kautta opit ymmärtämään entistä paremmin, miten teknologiat toimivat ja miten niihin liittyvät mahdollisuudet mullistavat liiketoimintaympäristöä käytännössä. Ohjelmiemme kautta saat myös paremmat valmiudet johtaa teknologiaa hyödyntäviä tiimejä ja tehdä teknologioihin liittyviä investointipäätöksiä. Koulutustemme kautta tuemme organisaatioita ja yrityksiä kääntämään uudet teknologiat todellisiksi liiketoimintaeduiksi ja johtamaan innovaatiotoimintaa tehokkaammin niin nyt kuin tulevaisuudessakin.