22.11.2017Blogi

Matkani raportoijasta tekoälykehittäjäksi

Santayana ei arvannut kirjoittaessaan politiikkaan suunnattua aforismiaan: “Ne, jotka eivät muista menneisyyttä, ovat tuomittuja toistamaan sitä” (The Life of Reason, George Santayana), että metafora tulisi olemaan yleistettävissä myös tekoälyn rakentamiseen. Kyvykkyys ymmärtää tapahtunut asia datan kautta on pitkä polku. Ensin pitää ymmärtää historian tapahtumat ja kerätyn datan yhteys. Kun osaat selittää tapahtumat datan avulla, on myös mahdollista oppia ennustamaan tulevaisuutta riittävällä luotettavuudella. Lopulta voit integroida ratkaisun tekoälyyn, joka reagoi tilanteeseen automatisoidusti. Lue alta oma kasvutarinani raportoijasta tekoälykehittäjäksi.

Peräpeilin tuijotuksesta halu nähdä tulevaisuuteen

Ensimmäinen esimieheni kysyi mitä haluan tehdä isona. Suustani lipsahti aikansa kuumin hypetermi “Business Intelligence” ilman että ymmärsin, mitä se käytännössä edes oikeasti tarkoittaa. Sille analytiikan tielle on jääty. Ryhdyin koodaamaan ja raportoimaan.

Työpaikka vaihtui kuitenkin äkkiä konsultin retkuksi. Vastasin ensin raportoinnista asiakkaalle, lopulta ryhmälle saman sektorin asiakkaita. Organisaation oppiessa tekemään päätöksensä datalähtöisesti tulokset paranivat ja kysyntä uudelle datalle kasvoi. Niin ympärilleni syntyi tiimi. Pöhinää oli ja kauppa kävi, kun tuettavan liiketoiminnan edustajat halusivat ymmärtää datan avulla yhä enemmän mitä heidän ympärillään tapahtuu.

Minulle peräpeiliin katsominen ei kuitenkaan riittänyt. Pian syntyi halu oppia ennustaman mitä tapahtuu huomenna.

Turhat luulot pois – osaaminen on aina keskeneräistä

Tuijotin dataa ennustuspallon läpi, enkä tajunnut siitä mitään. Osaamastani datan yhdistämisestä ja visualisoinnista ei ollut mitään apua, vaan tarvitsin jotain muuta. Aloin etsimään vastauksia kertaamalla tilastotieteen opintojani ja perehtymään koneoppimiseen. Matka edessäni näytti pitkältä ja tajusin tarvitsevani kumppanin apua.

Raivasin tieni yhteen Suomen kovimmista datataloista – Solitalle. Tiesin, että edessä oli paljon opittavaa, mutta enpä tiennyt kuinka miestä tultaisiin viemään kuin litran mittaa. Kaikki tekniikat mitä olin oppinut aiemmin, osoittautuivat lasten leikiksi. Modernit teknologiatermit kuten Big Data, DevOps, Data Science ja pilvi konkretisoituivat ja paljastivat miten kaukana olin – ja olen edelleen – osaamisen keihäänkärjestä. Kiitos toinen toistansa ammattitaitoisemman kollegan, jotka nakuttivat rennon itsevarmasti projekteja eteenpäin komein tuloksin. Ja mikä parasta kaiken työnsä ohessa heillä oli aikaa opettaa minulle parhaita käytänteitään.

Asiat loksahtavat paikalleen

Nyt hieman yli vuotta myöhemmin palaset ovat vihdoin loksahtaneet päässäni. Viisaampien opissa ja satojen tuntien vapaa-ajan treenauksella kasvoin rakentamaan suuren maailman data-alustoja ja hyödyntämään dataa analytiikan raaka-aineena. Tai ainakin aloittamaan ja kilauttamaan osa-alueeseen vihkiytyneelle kaverille, kun pitää tehdä jotain aikuisten oikeasti syvällistä.

Pitkään kesti myös tajuta, ettei yksikään vaihe matkalla kohti kypsää analytiikkaa ole toistaan parempi vaan kaikkia niistä tarvitaan. Tarve datan visualisointiin ensimmäisen ymmärryksen saamiseksi ei ole hävinnyt mihinkään. Yhtään älykästä edistyneen analytiikan ratkaisua ei tehdä ilman laadukasta valtavan volyymin omaavaa dataa. Kyse on erilaisista työkaluista ja oikea valinta riippuu siitä, kuinka hyvin uudistettava liiketoiminta tunnetaan datan kautta.

Kärsimätön automatisoi itsensä, jotta voi oppia uutta

Palava halu nähdä uusia haasteita ja kohottaa omaa tuottavuuttaan johtaa oman työn automatisointiin. Tästä syystä olen alkanut hyödyntää datatyössämme toistuvia vaiheita automatisoivaa Solitan julkaisemaa Agile Data Engineä ja täydennän osaamistani Solitan lanseeraamassa tekoälyosaamisen koulutusohjelmassa.

Paras oppimiskeino on itse tekemisen lisäksi opettaa muita tekemään. Oppiakseni syvällisemmin analytiikan kasvumatkasta mentoroin työkseni koulusta vastavalmistuneita solitalaisia ja autan suomalaisia kärkiyrityksiä tunnistamaan ja kehittämään omaa datakyvykkyyttään. Mikäli sinua kiinnostaa, kuinka voisitte kehittää omaa dataosaamistanne tai kasvattaa liiketoiminnan tuloksia datan avulla, laita viestiä! Alla vielä vinkkini siihen, kuinka pääset kiinni analytiikan maailmaan ja unelmiesi työpaikkaan. Se voi olla lähempänä kuin uskotkaan.

Top 5 vinkkiä kohti unelmiesi uraa:

  1. Opiskele Data Scientistin tekniset perusteet. Hyvää opiskelumateriaalia löytyy esimerkiksi Udemystä: Machine Learning, Deep Learning ja Artificial Intelligence
  2. Tee omia harjoitusprojekteja, esimerkkiaiheita löytyy hyvin yleisesti Data Scientistien piireissä tunnetusta Kagglesta
  3. Tee harjoitusprojektistasi demo ja etsi ympärillesi muita Data Scientisteja, jotka voivat mentoroida sinua kohti unelmiesi uraa.
  4. Esittele demoasi potentiaalisille uusille ”asiakkaillesi” ja kysy mitä he voisivat hyötyä paremmasta datan hyödyntämisestä. Jos ideoita ei nouse, kutkuttele asiakkaittesi ajatuksia muutamalla esimerkillä potentialaisista mahdollisuuksista.
  5. Älä pysähdy saatuasi ensimmäisen keikan vaan jatka opiskelua.
Olli Lindroos työskentelee Solitalla Agile Data-tiimissä. Hän on intohimoinen oppija ja datakulttuurin puolestapuhuja, jota innostaa teknologia kaikissa muodoissaan niin käyttökokemuksena, teknisinä toteutuksena ja liikejohdon strategiamahdollisuutena. Olli kuvailee itseään myös isäksi, nörtiksi ja ruoka- ja juomahifistelijäksi. Vapaa-ajallaan Olli koeponnistaa kaikkea uusimpia trendejä kuluttajan roolissa ja tarvittaessa rakentaa tarvitsemansa IoT-mittauslaitteiston itse. Seuraa Ollia Twitteristä @ollilind-käyttäjätunnuksella.