Data-analyytikon portfolio
Rautvuori, Rasmus (2025)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025120532737
https://urn.fi/URN:NBN:fi:amk-2025120532737
Tiivistelmä
Tämä opinnäytetyö tarkastelee Business Intelligence -ratkaisujen ja data-analytiikan hyödyntämistä datan jalostamisessa liiketoimintaa tukevaksi tiedoksi. Työ toteutettiin portfoliotyyppisenä kokonaisuutena, jonka tavoitteena on sekä osoittaa ja arvioida tekijän osaamista, että suhteuttaa sitä tiedolla johtamisen ja data-analytiikan teoreettiseen viitekehykseen. Työ rajattiin vuosina 2024–2025 toteutettuihin tuotoksiin, joissa keskityttiin erityisesti Power BI -ympäristössä rakennettuihin BI-ratkaisuihin sekä Pythonilla toteutettuihin data-analyyseihin. Teoreettinen tausta muodostuu tiedolla johtamisen, DIKW-hierarkian, ETL-prosessien, tietomallinnuksen ja KPI-mittareiden periaatteista sekä kuvailevan ja selittävän analytiikan, aikasarja-analyysin ja valvotun koneoppimisen keskeisistä käsitteistä.
Empiirinen osa koostuu kahdesta kokonaisuudesta. Ensimmäisessä osassa rakennetaan Power BI -raportti Azure SQL -palvelimelta ja Excel-tiedostosta haetun datan pohjalta. Raportissa suunnitellaan ja toteutetaan tietomalli, DAX-pohjaiset mittarit, jotka visualisoidaan johdon päätöksentekoa tukeviksi näkymiksi. Toisessa osassa toteutetaan Pythonilla kolme data-analytiikan esimerkkiä: rahastojen kuvaileva ja selittävä analytiikka, aikasarja-analyysi Bitcoinin ja kullan hintakehityksestä sekä viinien luokittelu valvotun koneoppimisen menetelmillä. Toteutuksessa hyödynnetään tyypillisiä data-analytiikan kirjastoja datan käsittelyyn, visualisointiin ja yksinkertaisiin luokittelumalleihin.
Tuloksena portfolio osoittaa, että BI- ja data-analytiikkatyökalujen avulla voidaan jalostaa hajanaisesta datasta päätöksentekoa tukevaa tietoa, kun ETL-vaihe, tietomallinnus, mittaristo ja visualisointi suunnitellaan yhtenäisen viitekehyksen mukaisesti. Power BI -ratkaisu ja Python-analyysit vastaavat pääosin tietoperustassa kuvattuja periaatteita, mutta jäävät luonteeltaan opetuksellisiksi esimerkeiksi: datan laatu oletettiin hyväksi ja analyysit toteutettiin rajatuissa harjoitusympäristöissä. Opinnäytetyössä tunnistetaan jatkokehitystarpeiksi erityisesti todellisten, puutteellisten aineistojen käsittely, tilastollisen ajattelun ja liiketoimintalähtöisten ongelmanasettelujen vahvistaminen sekä BI- ja analytiikkaratkaisujen vieminen lähemmäksi tuotantoympäristöjen käytännön vaatimuksia.
Empiirinen osa koostuu kahdesta kokonaisuudesta. Ensimmäisessä osassa rakennetaan Power BI -raportti Azure SQL -palvelimelta ja Excel-tiedostosta haetun datan pohjalta. Raportissa suunnitellaan ja toteutetaan tietomalli, DAX-pohjaiset mittarit, jotka visualisoidaan johdon päätöksentekoa tukeviksi näkymiksi. Toisessa osassa toteutetaan Pythonilla kolme data-analytiikan esimerkkiä: rahastojen kuvaileva ja selittävä analytiikka, aikasarja-analyysi Bitcoinin ja kullan hintakehityksestä sekä viinien luokittelu valvotun koneoppimisen menetelmillä. Toteutuksessa hyödynnetään tyypillisiä data-analytiikan kirjastoja datan käsittelyyn, visualisointiin ja yksinkertaisiin luokittelumalleihin.
Tuloksena portfolio osoittaa, että BI- ja data-analytiikkatyökalujen avulla voidaan jalostaa hajanaisesta datasta päätöksentekoa tukevaa tietoa, kun ETL-vaihe, tietomallinnus, mittaristo ja visualisointi suunnitellaan yhtenäisen viitekehyksen mukaisesti. Power BI -ratkaisu ja Python-analyysit vastaavat pääosin tietoperustassa kuvattuja periaatteita, mutta jäävät luonteeltaan opetuksellisiksi esimerkeiksi: datan laatu oletettiin hyväksi ja analyysit toteutettiin rajatuissa harjoitusympäristöissä. Opinnäytetyössä tunnistetaan jatkokehitystarpeiksi erityisesti todellisten, puutteellisten aineistojen käsittely, tilastollisen ajattelun ja liiketoimintalähtöisten ongelmanasettelujen vahvistaminen sekä BI- ja analytiikkaratkaisujen vieminen lähemmäksi tuotantoympäristöjen käytännön vaatimuksia.