Kolmannen sukupolven BI: koneoppimisen integrointi tiedolla johtamiseen
Hall, Kai (2023)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2023121135927
https://urn.fi/URN:NBN:fi:amk-2023121135927
Tiivistelmä
Opinnäytteen aiheena oli koneoppimisen integrointi tiedolla johtamiseen. Tarkoituksena oli tutkia, kuinka koneoppimisella voidaan tehostaa yrityksen päätöksen tekoa. Tutkimuksen tavoitteena oli muodostaa konkreettinen viitekehys koneoppimisen integrointiin ja taksonomia erilaisten koneoppimisen menetelmien käyttämiselle tiedolla johtamisessa. Opinnäytteen johtoajatus oli, että koneoppimisella mahdollistetaan perinteisen tiedolla johtamisen kehittyminen edistyneeksi analytiikaksi ja tietojenkäsittelyksi, joka parantaa yrityksen päätöksiä ja auttaa kilpailussa.
Tärkein tutkimuskysymys oli miten integroida koneoppinen tiedolla johtamisen järjestelmään edistynyttä analytiikkaa varten. Tähän vastattiin toteuttamalla integratiivinen kirjallisuuskatsaus, sekä 'Design Science Research' suunnittelututkimus. Kirjallisuuskatsaukseen perustuva tietoperusta muodostui tiedolla johtamisen käsitteestä, teoriasta, metodeista, prosessista ja arkkitehtuurista. Tietoperusta sisälsi myös analytiikan ja koneoppisen teoriaa. Tehty suunnittelututkimus muodosti artefaktinaan kolmannen sukupolven tiedolla johtamisen arkkitehtuurin, joka lisää perinteiseen arkkitehtuurin erillisen koneoppimisen komponentin. Tutkimuksessa arvioitiin artefaktin hyödyllisyys laadullisesti, sekä analysoitiin sen koneoppimisen menetelmät määrällisesti.
Opinnäytteessä tehdyn tutkimuksen tulokset osoittivat, että koneoppimisen metodit kykenevät tarkempiin ennusteisiin kuin perinteiset tiedolla johtamisen ja analytiikan menetelmät. Tutkimus osoitti myös, että koneoppimisen integroinnilla voidaan tehostaa tiedolla johtamisesta saatavia hyötyjä ja automatisoida analytiikkaa, joka parantaa päätöksentekoa. Tutkimuksen perusteella voidaan tehdä johtopäätös, että koneoppimisen integrointi lisää merkittävästi järjestelmän joustavuutta ja linjakkuutta suhteessa liiketoiminnan tavoitteisiin, sekä laajentaa sen kyvykkyyksiä uusille analytiikan alueille. Tämä mahdollistaa uusien liiketoimintaongelmien ratkaisemisen lähes rajattomasti erilaisten koneoppimisen menetelmiä avulla.
Tärkein tutkimuskysymys oli miten integroida koneoppinen tiedolla johtamisen järjestelmään edistynyttä analytiikkaa varten. Tähän vastattiin toteuttamalla integratiivinen kirjallisuuskatsaus, sekä 'Design Science Research' suunnittelututkimus. Kirjallisuuskatsaukseen perustuva tietoperusta muodostui tiedolla johtamisen käsitteestä, teoriasta, metodeista, prosessista ja arkkitehtuurista. Tietoperusta sisälsi myös analytiikan ja koneoppisen teoriaa. Tehty suunnittelututkimus muodosti artefaktinaan kolmannen sukupolven tiedolla johtamisen arkkitehtuurin, joka lisää perinteiseen arkkitehtuurin erillisen koneoppimisen komponentin. Tutkimuksessa arvioitiin artefaktin hyödyllisyys laadullisesti, sekä analysoitiin sen koneoppimisen menetelmät määrällisesti.
Opinnäytteessä tehdyn tutkimuksen tulokset osoittivat, että koneoppimisen metodit kykenevät tarkempiin ennusteisiin kuin perinteiset tiedolla johtamisen ja analytiikan menetelmät. Tutkimus osoitti myös, että koneoppimisen integroinnilla voidaan tehostaa tiedolla johtamisesta saatavia hyötyjä ja automatisoida analytiikkaa, joka parantaa päätöksentekoa. Tutkimuksen perusteella voidaan tehdä johtopäätös, että koneoppimisen integrointi lisää merkittävästi järjestelmän joustavuutta ja linjakkuutta suhteessa liiketoiminnan tavoitteisiin, sekä laajentaa sen kyvykkyyksiä uusille analytiikan alueille. Tämä mahdollistaa uusien liiketoimintaongelmien ratkaisemisen lähes rajattomasti erilaisten koneoppimisen menetelmiä avulla.