Theseus käyttökatko ma 22.4. klo 12 alkaen. Katko jatkuu 22.4. klo 15 asti ja on koko Theseuksen laajuinen. Lisäksi töiden käsittely ja syöttö on estetty ti 23.4. ainakin klo 12 asti. Theseus service break from Mon 22.4. at 12:00. The break will last until 15:00 on Mon 22.4. and is Theseus-wide. In addition, processing and uploading of work will be blocked until at least 12:00 on Tue 23.4.
Ennustemallin suunnittelu ja toteutus Bislenz-verkkopalvelussa
Kukkonen, Leevi (2021)
Kukkonen, Leevi
2021
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2021053112930
https://urn.fi/URN:NBN:fi:amk-2021053112930
Tiivistelmä
Digitalisaatio ja Internet ovat muuttaneet asiakkaiden käyttövaatimuksia tuotteilta. Pien-ten yritysten pitää yltää suurten palvelutasolle, mikä lisää työtaakkaa, mutta antaa myös mahdollisuuksia innovaatioon.
Toimeksiantajayritys Tridea Oy:n Bislenz-verkkopalvelu kokoaa asiakkaiden määrittämiä markkinointi- ja sometilastoja, tallentaa ne tietokantaansa ja kokoaa ne visuaaliseen muotoon sivustolle. Asiantuntijoita konsultoimalla tilasto todettiin riittäväksi tulevaisuus-datan generointiin ennustemallialgoritmilla, johon yritys sai valmiin ohjelmistokoodin yhteistyökumppaneiltaan.
Työn tehtävänä oli ottaa tämä ohjelmistokoodin sisältämä ennustemalli käyttöön Bislenz-verkkopalvelun AI Forecast -näkymässä ja kehittää näkymän ja ennustemalliin liittyviä tekniikoita asiakaskäyttöä varten. Tavoite oli toteuttaa näkymä, jossa käyttäjä voisi valita historiadatan ja generoida sen avulla tulevia datarivejä. Työ suoritettiin kehittävänä tut-kimuksena, jossa keskityttiin yhden toimivan ratkaisun toteuttamiseen.
Tuloksena toteutetussa näkymässä asiakas voi määrittää haluamansa ennusteen, jonka tiedot tallennettiin tietokantatauluun. Tämän taulun avulla verkkopalvelin luo ennusteen ajastetusti joka yö käyttäen ARIMA-ennustemallia. Tulosdata tallennetaan tietokantaan, joka haetaan AI Forecast -sivulla latauksen yhteydessä.
Ennustemallin yhdistäminen sivustolle osoitettiin mahdolliseksi ja aikaansaatu ratkaisu toimi, vaikka ennustemallin automatisointi jäikin kesken. Lopputulos on kuitenkin jatko-käsiteltävissä työssä tehdyn toimintasuunnitelman mukaan. Due to digitalisation and the internet, customer expectations for work services have changed. Small enterprises must fulfil the service expectations of large companies which adds to estimated workload but also adds possibilities for innovations to leverage.
Thesis was assigned by Tridea Oy, whose Bislenz-service compiles customer-defined data of marketing and social media statistics into a visual website. By consulting experts of analytics, the data was found sufficient for generating data using a forecast-model and provided the company with a tailor-made script.
The task was to develop the AI Forecast -view of the Bislenz-web service and the struc-ture to allow the user to select history data and generate future values using the script. The work was carried out as a developmental study according to the solution-oriented nature of the topic. This was selected due to the assignment involving ready-made solu-tion which was modified to solve the problem at hand.
In the resulted view, the given forecast model was used to select and define sources of data, with which server ran the forecast model. The resulting data was saved into the database so that the page could utilize the data on load.
Combining the forecast model to the page was demonstrated to be possible and the resulting page could be used on service, even if the forecast model automation was left unfinished. It is possible to finish the project by following the plans of action made during the project.
Toimeksiantajayritys Tridea Oy:n Bislenz-verkkopalvelu kokoaa asiakkaiden määrittämiä markkinointi- ja sometilastoja, tallentaa ne tietokantaansa ja kokoaa ne visuaaliseen muotoon sivustolle. Asiantuntijoita konsultoimalla tilasto todettiin riittäväksi tulevaisuus-datan generointiin ennustemallialgoritmilla, johon yritys sai valmiin ohjelmistokoodin yhteistyökumppaneiltaan.
Työn tehtävänä oli ottaa tämä ohjelmistokoodin sisältämä ennustemalli käyttöön Bislenz-verkkopalvelun AI Forecast -näkymässä ja kehittää näkymän ja ennustemalliin liittyviä tekniikoita asiakaskäyttöä varten. Tavoite oli toteuttaa näkymä, jossa käyttäjä voisi valita historiadatan ja generoida sen avulla tulevia datarivejä. Työ suoritettiin kehittävänä tut-kimuksena, jossa keskityttiin yhden toimivan ratkaisun toteuttamiseen.
Tuloksena toteutetussa näkymässä asiakas voi määrittää haluamansa ennusteen, jonka tiedot tallennettiin tietokantatauluun. Tämän taulun avulla verkkopalvelin luo ennusteen ajastetusti joka yö käyttäen ARIMA-ennustemallia. Tulosdata tallennetaan tietokantaan, joka haetaan AI Forecast -sivulla latauksen yhteydessä.
Ennustemallin yhdistäminen sivustolle osoitettiin mahdolliseksi ja aikaansaatu ratkaisu toimi, vaikka ennustemallin automatisointi jäikin kesken. Lopputulos on kuitenkin jatko-käsiteltävissä työssä tehdyn toimintasuunnitelman mukaan.
Thesis was assigned by Tridea Oy, whose Bislenz-service compiles customer-defined data of marketing and social media statistics into a visual website. By consulting experts of analytics, the data was found sufficient for generating data using a forecast-model and provided the company with a tailor-made script.
The task was to develop the AI Forecast -view of the Bislenz-web service and the struc-ture to allow the user to select history data and generate future values using the script. The work was carried out as a developmental study according to the solution-oriented nature of the topic. This was selected due to the assignment involving ready-made solu-tion which was modified to solve the problem at hand.
In the resulted view, the given forecast model was used to select and define sources of data, with which server ran the forecast model. The resulting data was saved into the database so that the page could utilize the data on load.
Combining the forecast model to the page was demonstrated to be possible and the resulting page could be used on service, even if the forecast model automation was left unfinished. It is possible to finish the project by following the plans of action made during the project.