Tekoäly kiinteistöjen ylläpitojohtamisessa

Abstract

Kiinteistöjohtamisen ja ylläpitohenkilökunnan vastuualue ja vaatimustaso ovat viime vuosina kasvaneet. Heidän tulisi olla monialaosaajia muun muassa kiinteistötekniikan ja taloudenhoidon suhteen digitaalisen tiedon määrän samalla kasvaessa liian suureksi ihmisen itsensä käsiteltäväksi. Myös käynnissä oleva energiamurros ja vastuullisuusteemat luovat edelleen lisää vastuupaineita.

Digitalisaatiotrendin myötä nopeasti kehittyvät teknologiat ja sähköiset järjestelmät luovat kiihtyvällä tahdilla lisää dataa. Käytettävissä olevalle datalle on kehitettävä jatkojalostus- ja käsittelymenetelmiä, jotta datassa oleva potentiaalinen lisäarvo saadaan esille. Kun dataa jalostetaan informaatiosta tiedoksi ja tiedosta edelleen viisaudeksi, voidaan kiinteistöjohtamisessa tehdä parhaita päätöksiä tiedolla johtamisen näkökulmasta.

Tässä tutkimuksessa tehtiin toimeksiantajayrityksen kiinteistöylläpitoliiketoiminnan henkilöstölle suunnattu kyselytutkimus nykytilanteen kartoittamiseksi datan käyttämisestä sekä potentiaalisista tekoälyn käyttökohteista työssään. Tavoitteena oli luoda tilannekuva datankäytön nykytilanteesta ja yrityksen tekoälyvalmiudesta ylläpitosektorilla sekä selkeyttää kehityspolkua tulevaisuuteen.

Kyselyn tuloksista havaittiin, että lukuisat sähköiset järjestelmät ja palvelualustat ovat pullonkaulana datan käsittelylle ja omaksumiselle. Ongelmalliseksi tilanteen tekevät järjestelmien rajapinnat, joiden välillä data ei kulje. Datan jalostamiselle on kuitenkin tuloksien perusteella henkilöstöllä suuri tarve suoriutuakseen työtehtävistään parhaimmalla mahdollisella tavalla. Nykytilanteessa ollaan enemmänkin askeleen jäljessä kuin edellä.

Johtopäätöksenä todettiin tarve datavirtojen avaamiselle järjestelmien välillä ja koonti yhdelle data-alustalle. Datavirtojen avaamisten jälkeen olisi mahdollista dataa yhdistelemällä luoda uutta lisäarvoa Business Intelligence- ja tekoälysovelluksilla. Asia ei kuitenkaan ole yksinkertaisesti ratkaistavissa, sillä eri osapuolilla on usein omat intressinsä datansa suhteen ja datan omistajuusasiat voivat olla epäselviä hidastaen kehitystä. Tekoälyn soveltamisen näkökulmasta aihe vaatii tarkempaa tutkimusta data-arkkitehtuurin ollessa valmiimpi.

The responsibilities and requirements for real estate management and maintenance personnel have increased in the recent years. They should be multidisciplinary experts in e.g. real estate technology and financial management while the amount of digital information has grown too large for individual people to manage themselves. The ongoing paradigm shift in energy production and the importance of social responsibility increase the pressure on the personnel even further.

As digitalization progresses, new technologies and digital systems will continue to create new data with an ever increasing rate. To capture the potential added value hidden in the data, there is a clear need for new methods for processing and refining the data. Transforming data into information and further into wisdom enables real estate managers to do the best possible decisions by applying knowledge-based management.

This thesis presents a survey that was conducted in a private company and targeted at personnel working in the business of real estate management. The study was planned to find out any potential for the usage of data and artificial intelligence in the work of the personnel. The aim of the study was to discover the current status of data utilization and artificial intelligence capabilities in real estate maintenance sector and to chart out a path into the future.

The survey reveals that multiple digital systems and service platforms present a bottleneck for processing and digesting data. The interfaces of various systems are especially problematic as they block the flow of data from one system to another. Nevertheless, the results show that the personnel need refined data in order to succeed in their assignments. Currently the real estate managing personnel of the company is rather behind the curve instead of being ahead of it.

As a conclusion, there is a need for letting the data flow between the systems and collecting it to a single platform. Once the data is allowed to flow, it is possible to create additional value by combining different types of data and refine it with Business Intelligence applications and even further with artificial intelligence. However, unclear data ownership and varying interests of involved parties are prone to slow down the development. In order to apply artificial intelligence effectively, the process requires more investigation after further development of data architecture.