Systemaattisen prosessin luominen, jossa data-analytiikkaa ja ennustemalleja sovelletaan opiskelijadatalla

Abstract

Opinnäytetyön tavoitteena oli tehdä systemaattinen prosessi, jossa data-analytiikkaa ja ennustemalleja sovellettiin toimeksiantajalta saadulta opiskelijan erilaisiin suorituksiin liittyvällä datalla. Työn vaiheet suoritettiin datan keräämisestä, sen siivoamiseen, analysointiin ja korrelaatioiden tutkimiseen sekä lopulta ennustukseen yhden valitun asiakkaan datalla. Työn tavoitteena onnistua suorittamaan koko prosessi ilman suurempia ongelmia sekä saada ennustustarkkuudeksi noin 80 %.

Opinnäytetyössä luotiin toimeksiantajan koulutuksen toiminnanohjausjärjestelmästä kerätystä datasta koko data-analytiikan prosessi alusta loppuun. Prosessiin kuului datan kerääminen tietokannasta, sen esikäsittely ja siivoaminen, datapiirteiden välisten korrelaatioiden ja suhteiden analysoiminen ja lopulta kahdella eri ennustemallilla ennustaminen. Ennustamisen jälkeen tulokset kirjattiin ylös niiden analysoimista varten.

Ennustetarkkuuksissa päästiin asetettuun tavoitearvoon, joka oli noin 80 %. Ennustuksia testattiin eri mallien parametreilla ja eri datahakujen muodostamilla datapisteillä. Parhaat ennustustarkkuudet saatiin koko opiskelijauralta kertyneistä opiskelijasuorituksista sekä kahden vuoden aikana muodostuneista suorituksista. Huonoimmat tulokset tulivat vuoden datahaun muodostamista datapisteistä.

Jotta verkon suorituskykyyn voidaan jatkossa luottaa, tarvitaan jatkotestauksessa ennustamista testata esimerkiksi vanhentuneella datalla, jotta nähdään, osaako verkko ennustaa tilanteet oikein. Vanhaa ja uutta dataa voidaan vertailla ja tämän avulla tarkastaa, onnistuuko verkko ennustuksissa.