2. 13.6. (aamupäivä): Älykäs tiedolla johtaminen:
informaatiosiiloista tiedolla kilpailevaksi organisaatioksi
Kouluttaja
Mika Aho (TkT, Tietojohtaminen)
Kouluttajakokemus
• Talentumilla kouluttajana
vuodesta 2012 lähtien
• HAUS-kehittämiskeskuksella ja
Edutechillä kouluttajana 2014
lähtien
• Ari Hovi Oy:llä kouluttajana
vuodesta 2016 lähtien
• Kouluttajana MIF/IMD:n sekä
eMBA Tampere –MBA-
ohjelmissa
• Luennoitsijana TTY:llä 2012-
• Tieteelliset konferenssit 2004-
Kuvaus:
Aamupäivän aikana käymme läpi, miten ja millaisia kyvykkyyksiä kehittämällä organisaatiot
kehittyvät informaatiosiiloista tiedolla kilpailevaksi organisaatioksi.
Tutustumme tiedolla johtamisen kehityspolun elementteihin, tunnistamme oman
organisaatioidemme kehityskohteet, löydämme liiketoiminnan tietotarpeita sekä kehitystarpeita
ja niihin liittyviä hyötyelementtejä (business caset) erityisesti data-analytiikan ja avoimen datan
alueelta.
Sisältö:
1. SIILOUTUNUT
ORGANISAATIO
2. YMMÄRTÄVÄ
ORGANISAATIO
3. DATA-OHJAUTUNUT
ORGANISAATIO
4. ANALYYTTINEN
ORGANISAATIO
5. TIEDOLLA KILPAILEVA
ORGANISAATIO
• Tiedollajohtamisen
avullasyntyyuusia
liiketoimintamalleja,
tuotteitaja palveluita
• Strategiat,ihmiset,
prosessit jainformaatio
integroituna
teknologioiden kanssa
• Päätöksentekoaon
automatisoitu
• Strateginen suunnittelu
on jatkuvaa
• Näkökulmatiedolla
johtamiseen on
organisaation laajuinen
• Ennustavan analytiikan
avullaratkaistaan
liiketoimintaongelmia
• Toimintaaymmärretään
entistäsyvemmin,esim.
kannattavuuden
mallinnus jaanalysointi
• Itsepalveluanalytiikka
• Toiminnan suunnittelu
ajureiden kautta
• Visuaalinen raportointi
• Toiminnan ohjaaminen
tiedon avullaja faktoihin
perustuen
• Mittaamiskulttuuri
• Tietoarkkitehtuuri ja
datastrategialuotuna
• Informaatioperustan
rakentaminen:
keskitettytietovarasto,
johdontyöpöydät,KPI-
mittaristot ja tuloskortit
• Ymmärretään laadukkaan
informaation arvo
toiminnalle
• Prosessikohtaisia
ratkaisuja
• Interaktiivisia
raportointijärjestelmiä
• Ohjaustiedon kerääminen
• Strategian seuranta
vakioraporteilta
• Paikallisiaratkaisuja,
prosessejaja
organisaatioita
• Väliaikaisiaad-hoc-
ratkaisuja
• Yhtenäisten standardien
ja jaettujen resurssien
sekä hallinnan puute
• Ei saadaselkeääja
johdonmukaistakuvaa
organisaatiosta
3. 13.6. (iltapäivä): Ulkoisen ja laadullisen
liiketoimintadatan hyödyntäminen
Kouluttaja
Camilla Magnusson (FT,
strateginen johtaminen)
Kouluttajakokemus:
• Syvennä asiakasymmärrystä
2015 (Instanssi Oy)
• Mitä asiakkaat haluavat?
Kasvata asiakasymmärrystä
2016 (Instanssi Oy)
Kuvaus:
Iltapäivän aikana käymme läpi organisaation ulkopuolella syntyvän datan, kuten
avoimen tai muun julkisen datan tarjoamia mahdollisuuksia liiketoiminnan
kehittämisessä. Päivän aikana syvennytään erityisesti laadullisen datan hyötyihin.
Sisältö:
● Julkinen data liiketoiminnan kehittämisen lähteenä sekä markkina- ja asiakasymmärryksen
kasvattajana. Tarkasteltavina datalähteinä mm.
Avoin data
Sosiaalisen median data
Muu julkinen verkkodata
● Laadullinen data (erityisesti tekstidata) ja sen analysointi. Läpikäynti yleisimmistä
menetelmistä ja niiden merkityksestä liiketoimintahyötyjen saavuttamiseksi. Menetelminä
mm.:
Laadullisen datan kvantifiointi ja visualisointi
Sentimenttianalyysi – miten tekstidatasta tunnistetaan sisällön sävy?
Semanttinen analyysi – millaisista aiheista tekstidata koostuu?
5. 14.6. (aamupäivä): Tekoälyn ja
koneoppimisen perusteet
Kouluttaja
Lasse Liukkonen (FM,
matematiikka, tilastotiede)
Käytettävät työkalut:
• RapidMinder
Kouluttajakokemus:
• Kouluttajana Ari Hovilla
vuodesta 2014 lähtien
• Kouluttanut useita
organisaatiota edistyneen
analytiikan hyödyntämisestä
Kuvaus:
Machine Learning ja tekoälyratkaisut yleistyvät nopealla vauhdilla. Niiden avulla esimerkiksi
tehostetaan liiketoimintaprosesseja, optimoidaan tuotantoa ja päätöksentekoa sekä ennustetaan
erilaisia tulevaisuusskenaarioita. Kyseessä ei ole enää hype, sillä jokainen meistä jo käyttää
kuluttajan roolissa ratkaisuja, joita älykkäät algoritmit pyörittävät.
Aamupäivän tarkoituksena on esitellä erilaisia Machine Learning ja tekoälyratkaisuja, niiden
taustalla olevaa teoriaa ylätasolla.
Sisältö:
● Datan hyödyntämisen evoluutio – raporteista tekoälyratkaisuihin
● Käytännön esimerkkejä, kokemuksia ja demoja Machine Learning ja tekoälyratkaisuista
● Liiketoimintaongelman määrittely ja muut CRISP-DM vaiheet
● Machine Learning menetelmien soveltaminen käytännössä
Ongelman määrittely
Aineiston sisäänluku ja esikäsittely
Aineiston analysointi (data-analyysi)
Aineiston visualisointi
6. 14.6. (iltapäivä): Asiakkuuksien johtaminen
analytiikan avulla
Kouluttaja
Ville Niemijärvi (KTM,
Tietojärjestelmätiede)
Kouluttajakokemus
• Kouluttanut useita
organisaatioita tiedolla
johtamisesta ja business
intelligence –työvälineistä
Suomessa ja Euroopassa
vuodesta 2003 lähtien
• Talentumilla kouluttajana
vuodesta 2015 lähtien
• Puhujana useissa tiedolla
johtamisen konferensseissa ja
tapahtumissa, mm. eHealth
01/2016, Tivi Business
Intelligence 08/2016
Kuvaus:
Iltapäivän koulutuksen tavoitteena on ymmärtää, mitä asiakasanalytiikka on ja miten sitä voidaan
hyödyntää myynnin lisäämisessä. Samalla opitaan, miten asia tehdään käytännössä.
Sisältö:
● Mitä asiakasanalytiikka ja asiakkuuksien älykäs johtaminen on?
● Mitkä ovat avainprosessit, joita analytiikalla halutaan tukea?
● Käytännön esimerkkejä
Tiedon rikastaminen asiakkaan käyttäytymisen perusteella, RFM-analyysi, asiakassegmentointi,
markkinoinnin kohdentaminen ja optimointi
Tiedon rikastaminen ulkoisella datalla, älykäs prospektointi ja uusasiakashankinta,
asiakaspoistuma, lisä- ja ristiinmyynti, mainonnan optimointi, jatkuva oppimisen ja kehittämisen
prosessi
● Miten asiakasanalytiikkakyvykkyys rakennetaan organisaatioon?
Miten asiakasanalytiikkakyvykkyys rakennetaan? Mitä tietojärjestelmiä ja sovelluksia se vaatii ja
mitä se maksaa? Mitä sovelluksia löytyy markkinoilta, miten tietovarastot, CRM:t ja markkinoinnin
automaatioratkaisut liittyvät kaikkeen? Miten päästä alkuun ja saada nopeimmat voitot?
8. 19.6. (aamupäivä): Data Sciencen perusteet Kouluttaja
Olli Leppänen (FM, tilastotiede)
Käytettävät työkalut:
• Excel
• RapidMinder
• R-ohjelmisto
Kouluttajakokemus:
• Kouluttajana Ari Hovilla
vuodesta 2016 lähtien
Kuvaus:
Business Intelligence ja tietovarastoinnin maailma on muuttumassa peruuttamattomasti.
Perinteisen ja sinänsä yhä tarpeellisen raportoinnin rinnalle nousee voimakas tarve tutkia ja
analysoida dataa entistä huomattavasti laajemmin.
Yritykset palkkaavat nyt Data Scientistejä, joiden tehtävänä on hakea uutta hyötyä liiketoiminnalle
tekemällä koeasetelmia ja ennustemalleja. Tiedoista puristetaan irti aivan uudenlaisia
näkemyksiä. Koulutuspäivässä tutustutaan tähän uuteen alueeseen, opitaan tuntemaan
kausaliteetin ja korrelaation ero sekä hakemaan dataa avoimista lähteistä. Päivän aikana opitaan
datan käsittelyä sekä tehokasta analysointia. Kurssilaiset oppivat lähestymään business
ongelmia Data Scientistin silmin.
Aamupäivän aikana opimme datan käsittelyä ja tehokasta analysointia.
Sisältö:
● Datan perusanalysointi ja visualisointi Excelissä
● Data-analyysin suorittaminen RapidMinderissa
● Datan käsittely ja visualisointi RapidMinderissa
● Korrelaatio vai kausaalisuus –pohdinta (RapidMinder)
● Datan segmentointi klusterointimenetelmällä (RapidMinder)
● Avoimen datan lukeminen JSON-rajapinnasta R-ohjelmistolla ja datan tallennus csv-
tiedostoon jatkokäsittelyä varten
9. 19.6. (iltapäivä): Ennustemallien soveltaminen
ja katsaus työkaluihin
Kouluttaja
Lasse Liukkonen (FM,
matematiikka, tilastotiede)
Käytettävät työkalut:
• RapidMinder
Kouluttajakokemus:
• Kouluttajana Ari Hovilla
vuodesta 2014 lähtien
• Kouluttanut useita
organisaatiota edistyneen
analytiikan hyödyntämisestä
Kuvaus:
Iltapäivällä keskitymme erityisesti koneoppimisen menetelmien käytännön hyödyntämiseen ja
niiden kanssa työskentelyyn. Tutkimme myös kaupallista analytiikan pilvipalvelua (Azure
Machine Learning) sekä avoimen lähdekoodin analytikkaohjelmistoa (R).
Sisältö:
● Korrelaatioiden tutkiminen aineistossa
● Yksinkertaisten sääntöpuiden rakentaminen datasta
● Aineiston segmentointi klusterointialgoritmeilla
● Satunnaisotannan toteutus aineistosta
● Erilaisten ennustemenetelmien soveltaminen (Naive Bayes, Decision Tree, Logistic
Regression, Random Forest ja Neural networks). Kokeillaan eri vaihtoehtoja
● Ristiinvalidoinnin toteuttaminen
● Azure Machine Learning – mitä työkalulla voidaan tehdä ja miten?
● Mikä R-ohjelmisto on? Mitä sillä voidaan saavuttaa?
11. Kouluttajat
Mika Aho on kokenut kouluttaja, jolla on yli
kymmenen vuoden kokemus laajojen
tietovarastointi, BI- ja analytiikkaratkaisujen
konsultoinnista, läpiviennistä ja
arkkitehtuurityöstä eri toimialoilta. Mika on
väitellyt tohtoriksi tietojohtamisen alueelta.
Olli Leppänen on tilasto-guru, joka omaa laajan
kokemuksen useista eri datan käsittely- ja
mallinnusohjelmistoista. Pääasiallisena datan
murskaustyökaluna käytössä on ollut R jo usean
vuoden ajan.
Lasse Liukkonen analytiikkaguru, algoritmivelho
ja tuplamaisteri, joka omaa laajasti kokemusta
eri analytiikkaohjelmistojen soveltamisesta
käytännössä. R:ää hän on käyttänyt aktiivisesti
10 vuoden ajan.
Camilla Magnusson toimii yrittäjänä Instanssi
Oy:ssä tavoitteenaan lisätä liiketoiminnan
edustajien kiinnostusta datan ja analytiikan
mahdollisuuksiin markkina-, kilpailija-, sekä
asiakasymmärryksen kasvattajana. Hän on
väitellyt tohtoriksi aiheenaan tekstidatan
analysointi strategisen päätöksenteon tukena.
Ville Niemijärvi on asiakasanalytiikan, tiedolla
johtamisen ja Business Intelligencen johtavia
asiantuntijoita Suomessa. Hänellä on yli 14
vuoden kokemus analytiikan ja tiedolla
johtamisen hankkeista sekä tutkijana,
konsulttina kuin yrittäjänä.
13. Koulutuksessa käytettävät ohjelmistot
● Edistynyt analytiikka
RapidMiner (ilmaisversio)
R-ohjelmisto (ilmainen)
Azure Machine Learning (ilmaisversio, joskin Azuren ML-ympäristön luomista
suositellaan, jotta aineistot ovat käytettävissä myös koulutuksen jälkeen,
kustannus n. 10e/kk)
● Muut
Excel