Posted on

Growing Your Business -verkostohankkeen opas

Liiketoiminnan kasvun ja kansainvälistämisen opas
Liiketoiminnan kasvun ja kansainvälistämisen opas

Turun yliopiston kauppakorkeakoulun Porin yksikön koordinoima Growing Your Business -verkostohanke (2016-2018) on tuottanut Liiketoiminnan kasvun ja kansainvälistämisen oppaan. Opas esittelee satakuntalaista vientiä ja tuontia. Oppaassa tutustutaan Satakunnassa toimiviin yksityisiin asiantuntijapalvelujen tarjoajiin rahoituksen, vero- ja juridiikan asioiden, digitaalisten ratkaisujen, laatujärjestemäasioiden, markkinointiviestinnän, kieli- ja kulttuuriosaamisen sekä liikkeenjohdon asioiden osalta. Oppaassa on mukana myös julkisen ja kolmannen sektorin palvelutarjoajia sekä Satakunnan korkeakoululaitos.

Myös Data-analytiikan osaamiskeskittymä esittäytyi verkostohankkeen järjestämässä tilaisuudessa helmikuussa 2017.

Lisätietoja:


Posted on

Hyväksi-hankkeen loppujulkaisu

HYVÄKSI – Hyvinvointiteknologian innovaatioverkosto -hanke piti loppuseminaarin 21.5.2018 SAMKin kampuksella. Myös Data-analytiikan osaamiskeskittymä oli paikalla mukana verkostoitumassa toimijoiden kanssa.

Hankkeen loppujulkaisu on nyt saatavilla. Se esittelee monialaisen ja osallistavan yhteistoiminnan, teknologiademoja, Living lab-testiympäristöissä tehtyjä teknologiapilotteja ja yhteistyökumppaneiden kokemuksia hankkeesta.

Lisätietoja:

 


Posted on

Data-analytiikkaa ja tarvelähtöistä koulutusta

Koulutusaiheisen blogiemme sarja saa jatkoa uuden vieraskynän myötä. Tällä kertaa sarjaamme kartuttaa sijoitustoimintaan perehtynyt Mika Suominen.

 

Yksityisenä sijoittajana haluan tietää, miten yritysten kyky tehdä tulosta kehittyy. Ennusteita varten teen usein aikasarja-analyyseja ja simulointeja. Erityisesti kiinnitän huomiota toimialojen dynamiikkaan, kasvunopeuksiin ja jakaumien häntiin. Salkun oikealla hajautuksella pyrin sen jälkeen varmistamaan, että olen mukana pelissä huomennakin. Omat tarpeeni eivät tässä suhteessa eroa yritysten tarpeista. Jokaisen yrityksen tulee huolehtia kassavirrastaan. Siihen tarvitaan myös data-analytiikkaa.

Datapeltoja kanssani kyntää nykyään RStudio, tilastollisen laskennan ohjelmisto, digiajan työhevonen. Sen sydän on R-ohjelmointikieli, jonka kyvykkyyttä voi helposti laajentaa valmiilla lisäpaketeilla. Tarjolla on kaikkea tunnuslukujen laskennasta neuroverkkoihin ja kvanttimekaniikasta talouden sovelluksiin. Paketit ovat ilmaisia, kuten itse ohjelmistokin. Suurin investointi on tehtävä omaan osaamiseen. Pitää tuntea tarvittavat laskentamenetelmät, löytää oikeat paketit ja osata käyttää niitä.

Tätä tekstiä kirjoittaessani CRAN-verkkopalvelussa (The Comprehensive R Archive Network) on ladattavissa 12 725 pakettia ja lukumäärä kasvaa koko ajan. Se tarkoittaa, että matemaattisia menetelmiä ja erilaisia sovellusalueita on niin paljon, että kaikkiin mahdollisiin yhdistelmiin ei löydy valmista kurssikokonaisuutta. Ei perinteisenä kurssina eikä verkkokurssina. Näin on tilanne ainakin omalla kohdallani. Kun siis perusasiat on ensin opeteltu, omaa osaamistaan on pakko kasvattaa pieninä paloina useista eri lähteistä.

Tarve hankkia jokin uusi ”osaamispala” lähtee yleensä jostakin konkreettisesta ongelmasta. Esiin nousee kysymys, johon vastaamiseen matemaattiset taitoni eivät riitä. Kun näin käy – eli aika usein – turvaudun aluksi netin hakukoneeseen. Sillä löydän potentiaalisen ratkaisumenetelmän ja menetelmästä yleistajuisen artikkelin. Syventävää oppia haen tarvittaessa matematiikan ja tilastotieteiden verkkokursseista ja opetusvideoista. Molemmat ovat tärkeitä data-analyytikon osaamisalueita.

Matematiikan verkkokurssit ovat kuitenkin aika laajoja. Käytännössä pyrin poimimaan vain rusinat pullasta. Teoreettinen puoli saa jäädä matemaatikoille ja mekaanisen laskennan hoitaa aikanaan RStudio. Minulle riittää, että ymmärrän menetelmän keskeiset periaatteet ja osaan tulkita tuloksia. Niillä tiedolla löydän CRAN-hakemistosta myös laskentaan tarvittavat R-paketit. Pakettien mukana saan käyttöohjeet ja hyvällä onnella käyttäjäyhteisöstä löytyy niiden tueksi vielä jokin laajempi esimerkki. – Sitten koodataan.

RStudiossa luon uuden skriptin, jossa dataa, kuten toimialan yritysten tilinpäätöstietoja, rikastetaan vaihe vaiheelta. Joskus datasta tulee projektin pullonkaula ja lähestymistapaa on pakko muuttaa. Ohjelmointiin liittyvät ongelmat sen sijaan on helpompi ratkaista. Varsinkin yleiskäyttöisiin R-paketteihin, kuten datan esikäsittelyyn ja tulosten visualisointiin, on olemassa hyviä kursseja. Verkkokurssien löytämistä helpottaa se, että netissä toimii useita R-ohjelmointiin erikoistuneita koulutussivustoja ja yhteisöjä.

Oma suosikkini R-kurssien tarjoajista on DataCamp (http://datacamp.com). Hinnoittelu perustuu palvelussa kuukausimaksuun, jolla saa pääsyn koko tarjontaan. Yksittäinen kurssi koostuu lyhyistä luennoista ja ohjelmointitehtävistä, jotka suoritetaan aidossa R-ympäristössä. Erityisesti olen pitänyt siitä, miten R-käyttöliittymä on integroitu selainpohjaiseen oppimisalustaan. Koulutustarjonta on myös jaoteltu riittävän pieniin osiin. Toisin sanoen, sen sijaan, että pitäisi suorittaa jokin laaja kokonaisuus alusta loppuun, ja varata siihen useampi päivä, voi vajaassa tunnissa opetella juuri sen asian, mitä oma työ sillä hetkellä edellyttää.

Datan analysointi ja siihen liittyvä koulutus ovat muuttuneet paljon oman työurani aikana. Tiedonhaku on helpottunut ja verkon koulutustarjonta kasvanut. Sitäkään ei pidä unohtaa, että yhä suuremman osan analysointiin tarvittavasta työstä tekee nykyään kone ja valmiit algoritmit. Kaikki tämä on vaikuttanut siihen, että suosin yhä enemmän opiskelua pienissä paloissa ja oikeaan tarpeeseen. Samalla kurssimuotoinen opiskelu on jäänyt vähemmälle. Ketteryys on päivän sana oppimisessakin.

Valitettavasti pelkkiä osaamispaloja popsimalla ei markkinoilla menesty. Jos lähestyy tuntematonta aina vain käytännön ongelmien kautta, riskit realisoituvat ennen kuin oma ymmärrys asioiden välisistä yhteyksistä ehtii muodostua. Myös mahdollisuuksia jää tunnistamatta, jos kokonaiskuvaa ei ole. Perinteiselle koulutukselle ja kursseille on siis yhä tilausta. Laajemmilta kursseilta en kuitenkaan etsi vakioratkaisuja ja kädentaitoja, vaan kokemuspohjaista tietoa siitä, minkälaisia työkaluja on olemassa ja mihin tarkoitukseen ne soveltuvat. – Nopeasti muuttuvassa ja monimutkaisessa ympäristössä oikea strategia ei ole vakiointi vaan monimuotoisuus.

Lopuksi vielä vinkki satakuntalaisille yrityksille: TTY:n Porin yksiköllä on käynnissä VEKOLI-hanke, jonka tavoite on laajentaa avoimien, vapaasti saatavilla olevien verkkokoulutusmateriaalien käyttöönottoa ja hyödyntämistä. Hankkeen puolelta on jo lähestytty useita paikallisia yrityksiä, mutta jos aihe kiinnostaa, niin vielä ei ole myöhäistä ottaa yhteyttä.

Lisätietoja:


Mika Suominen (twitter, linkedin)on yksityinen sijoittaja, joka on aiemmin toiminut laatupäällikkönä, liiketoiminnan kehityspäällikkönä ja ohjelmistoarkkitehtina.


Posted on

Data-analytiikan selvityksen julkistaminen

August (LK103)
August (LK130), Porin yliopistokeskuksen esittely- ja kokoustila

Data-analytiikan nykytilasta ja sen hyödyntämisestä Satakunnassa kertova selvitys julkistetaan UCPori Klubin teemabrunssilla keskiviikkona 4.4.2018 (klo 8.00 – 9.30). Lisäksi brunssilla tutustutaan Data-analytiikan osaamiskeskittymän verkostoon ja datatiede.fi -sivustoon ja käydään keskustelua data-analytiikan hyödyntämisestä ja sivuston toimivuudesta. Teemabrunssin pitopaikkana on Porin yliopistokeskuksen uusittu esittely- ja kokoustila August.

Selvitys-dokumentin lataussivu

Ilmoittautuminen tilaisuuteen on päättynyt

Ohjelma:

08.00 Ilmoittautuminen ja kahvi
1.krs LK103 (August)

UCPori Klubin terveiset, Piritta Huhta, Koordinaattori, Porin yliopistokeskus

08.10 Avaus
Tarmo Lipping, professori ja analyyttinen-hankkeen vastuullinen johtaja, Tampereen teknillinen yliopisto, Pori

08.15 Selvityksen sisällöstä
Janne Harjamäki, projektitutkija, Tampereen teknillinen yliopisto, Pori

Teemabrunssin selvityksen sisällön esittelyä
Teemabrunssin selvityksen sisällön esittelyä

08.30 Ideointia ja pohdintaa
Osallistujien näkökulmia; miten, missä, koska ja kuinka data-analytiikkaa voisi hyödyntää

Teemabrunssin ideointia ja pohdintaa data-analytiikasta
Teemabrunssin ideointia ja pohdintaa data-analytiikasta

08.45 Verkoston toiminnan ja sivuston esittelyä
Janne Harjamäki, projektitutkija, Tampereen teknillinen yliopisto, Pori

09.05 Ideointia ja pohdintaa
Osallistujien näkökulmia; Mitkä asiat parantaisivat sivuston/portaalin käyttämistä tai sen käytettävyyttä

Teemabrunssin ideointia ja pohdintaa portaalista
Teemabrunssin ideointia ja pohdintaa portaalista

09.20 Jatkotoimenpiteet
Data-analytiikan osaamiskeskittymän tiimi

09.30 Tilaisuuden päätös

Teemabrunssin esitysdiat (PDF)

Ideoinnin ja pohdinnan tuloksia (PDF)

Selvitys-dokumentin lataussivu

 

Ilmoittautuminen tilaisuuteen on päättynyt

Lisätietoja:


Posted on

Poridi: Tekoälyllä älyä tekoihin

Poridin sivulta löytyy uusi blogi (julkaistu 15.2.2018), jossa TTY Porin signaalinkäsittelyn professori Tarmo Lipping kertoo ajatuksiaan tekoälystä ja sen hyödyntämisen mahdollisuuksista Satakunnan automaatioteollisuudessa.

Poridin blogin taustakuvitus
Poridin blogin taustakuvitus

 

 

 

 

 

 

Lisätietoja:


Posted on

Koulutus – Data-analyytikon kompetenssit

Tämä blogi avaa uuden koulutusaiheisten blogien sarjan sivustollamme.

Samalla sivustomme ensimmäisen ”vieraskynän” saa Teppo Hjelt. Teppo opiskelee TTY Porissa ja on esseensä kautta pohtinut data-analyytikon kompetenssejä:

 

”Älä äiti itke, sillä poikas on kunnon poika, kun hän löytää paikkansa tässä maailmassa”, lauloi Tumppi Varonen joskus Kekkosen aikaan. Minä tulin runsas vuosi sitten siihen tulokseen, että paikkani on taas hukassa, kun kymmenen vuoden putki kirjastotätinä päättyi. Optimistisesti kuitenkin ajattelin, että seuraavan siirron pitää sitten olla jotain vieläkin seksikkäämpää. Onko se edes mahdollista? Törmäsin Harvard Business Reviewin artikkeliin ”Data Scientist: The Sexiest Job of the 21st Century”. Bingo.

Seuraavaksi ajattelin, että pitää varmaan ottaa selvää, mikä tuo Data Scientist, suomeksi data-analyytikko tai datatieteilijä, oikein on. Äärimmilleen yksinkertaistettuna päädyin seuraavaan: data-analyytikko auttaa tekemään tietoon perustuvia päätöksiä. Hän kaivaa valtavasta, sekavasta ja moninaisesta datamassasta esiin juuri sen, millä on merkitystä. Entä millainen ominaisuuksien yhdistelmä vaaditaan tässä onnistumiseen? Perehdyin aiheesta kirjoitettuihin kansainvälisiin tieteellisiin tutkimuksiin, ammatillisiin blogeihin ja kotimaisiin työpaikkailmoituksiin ja sain selville tämän:

Data-analyytikko on:

  • luova ja rohkea kokeilija.
  • kyvykäs datan siivoaja ja käsittelijä. Vain oikealla datalla on merkitystä.
  • hyvä ohjelmoimaan. Työkaluista pitää hallita etenkin SQL, Python ja R, mutta myös paljon muuta työkaluosaamista vaaditaan työtehtävästä riippuen.

Data-analyytikolla on:

  • analyyttinen ote ongelmiin ja hän on intohimoinen ongelmanratkaisija.
  • kyky visualisoida ja esittää ratkaisunsa niin, että vastaanottajan on helppo ymmärtää se.
  • vahva matemaattinen ja tilastotieteellinen osaaminen.
  • hyvä toimialaosaaminen ja hän on tiimi-ihmisiä.

Lisäksi data-analyytikko hallitsee tiedonlouhinnan ja koneoppimisen tärkeimmät algoritmit sekä big datan käsittelyyn liittyvät tekniikat.

Kirjoitin aiheesta myös esseen TTY:n Porin yksikön Tieteellisen kirjoittamisen kurssille. Nyt ymmärrän, mitä seksikkyys on ja mihin olen matkalla.

 

Teppo Hjelt, FM, johtamisen ja tietotekniikan opiskelija (ja tuleva data-analyytikko)

 

Lisätietoja: