Koneoppimisen sovellutukset ja riskienhallinta verkkoliiketoiminnassa
Hämäläinen, Joel (2022-04-25)
Koneoppimisen sovellutukset ja riskienhallinta verkkoliiketoiminnassa
(25.04.2022)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2022050332243
https://urn.fi/URN:NBN:fi-fe2022050332243
Tiivistelmä
Koneoppiminen, eli tilasto- ja tietokonetieteitä yhdistävä tieteenala, jossa keskitytään opettamaan koneita oppimaan, sekä sen eri käyttötavat ja mahdollisuudet ovat olleet vahvassa nosteessa viime vuosien aikana. Big datan ja tietokoneiden laskentatehon kasvun myötä koneoppimisen potentiaaliin analyyttisenä työkaluna on kiinnitetty enemmän huomiota. Koneoppimista voidaan hyödyntää esimerkiksi tunnistamaan puhetta ja tekstiä, ennustamaan kysyntää ja personoimaan käyttäjäkokemuksia verkossa. Sen valtavan potentiaalin lisäksi on kuitenkin myös syytä perehtyä sen käyttöön ja käyttöönottoon liittyviin riskeihin, jotka liittyvät esimerkiksi datan hallintaan ja tulosten tulkintaan.
Näkemys riskienhallinnasta on kehittynyt valtavasti termin syntyajoilta 1950-luvulta lähtien. Riskienhallinnan tehokkuus ja rooli organisaatioissa on ajoittain nähty olemattomaksi ja jopa arvoa vähentäväksi, mutta nykyään riskienhallintaa ajatellaan holistisena toimintona, jonka avulla voidaan hyödyntää uusia mahdollisuuksia ja minimoida potentiaalisten tappioiden todennäköisyyttä ja määrää. Tehokkaalla riskienhallinnalla onkin havaittu olevan huomattava yhteys yritysten kilpailukykyyn.
Koneoppimisen potentiaaliset eri sovellutukset kasvavat sitä myötä, kun käytettävissä olevan datan määrä kasvaa. Verkkoliiketoiminta, joka pitää sisällään kaikki verkossa tapahtuvat tuotteiden, palveluiden, rahan ja informaation transaktiot sekä organisaation sisällä että organisaation ja sen eri ulkoisten sidosryhmien välillä on luonteeltaan sellaista, että sen yhteydessä luodaan ja kerätään merkittävä määrä dataa, jota voidaan hyödyntää älykkään analytiikan keinoilla. Koneoppimisella onkin havaittu olevan huomattava määrä erilaisia soveltamistapoja verkkoliiketoiminnassa. Tehokas koneoppimisen käytön ja käyttöönoton riskienhallinta verkkoliiketoiminnan kontekstissa edelleen edistää koneoppimisen avulla saatavia hyötyjä, sekä minimoi mahdollisuuksia koneoppimisen epäonnistuneelle käytölle.
Tutkimus toteutettiin laadullisena tapaustutkimuksena ja tutkimuksen aineisto kerättiin haastattelemalla neljää verkkoliiketoiminnan parissa toimivaa koneoppimisen asiantuntijaa eri organisaatioista. Aineiston analyysin tuloksena havainnoitiin, että teorian ja käytännön sovellutusten ja hyödyntämistapojen sekä tunnistettujen riskien välillä on merkittäviä eroja. Tulosten perusteella voidaan todeta, että liiketoiminnan sovellutuksissa ja riskienhallinnassa on teoreettisten teknisten ulottuvuuksien ohella olennaista keskittyä varmistamaan, että koneoppimisella saavutetut tulokset ovat yksinkertaisia ja tulkittavia, että mallien toimintaan vaadittavaa dataa hallitaan tehokkaasti ja että koneoppimisen avulla ratkaistavaa liiketoimintaongelmaa ja -kontekstia ymmärretään riittävästi.
Näkemys riskienhallinnasta on kehittynyt valtavasti termin syntyajoilta 1950-luvulta lähtien. Riskienhallinnan tehokkuus ja rooli organisaatioissa on ajoittain nähty olemattomaksi ja jopa arvoa vähentäväksi, mutta nykyään riskienhallintaa ajatellaan holistisena toimintona, jonka avulla voidaan hyödyntää uusia mahdollisuuksia ja minimoida potentiaalisten tappioiden todennäköisyyttä ja määrää. Tehokkaalla riskienhallinnalla onkin havaittu olevan huomattava yhteys yritysten kilpailukykyyn.
Koneoppimisen potentiaaliset eri sovellutukset kasvavat sitä myötä, kun käytettävissä olevan datan määrä kasvaa. Verkkoliiketoiminta, joka pitää sisällään kaikki verkossa tapahtuvat tuotteiden, palveluiden, rahan ja informaation transaktiot sekä organisaation sisällä että organisaation ja sen eri ulkoisten sidosryhmien välillä on luonteeltaan sellaista, että sen yhteydessä luodaan ja kerätään merkittävä määrä dataa, jota voidaan hyödyntää älykkään analytiikan keinoilla. Koneoppimisella onkin havaittu olevan huomattava määrä erilaisia soveltamistapoja verkkoliiketoiminnassa. Tehokas koneoppimisen käytön ja käyttöönoton riskienhallinta verkkoliiketoiminnan kontekstissa edelleen edistää koneoppimisen avulla saatavia hyötyjä, sekä minimoi mahdollisuuksia koneoppimisen epäonnistuneelle käytölle.
Tutkimus toteutettiin laadullisena tapaustutkimuksena ja tutkimuksen aineisto kerättiin haastattelemalla neljää verkkoliiketoiminnan parissa toimivaa koneoppimisen asiantuntijaa eri organisaatioista. Aineiston analyysin tuloksena havainnoitiin, että teorian ja käytännön sovellutusten ja hyödyntämistapojen sekä tunnistettujen riskien välillä on merkittäviä eroja. Tulosten perusteella voidaan todeta, että liiketoiminnan sovellutuksissa ja riskienhallinnassa on teoreettisten teknisten ulottuvuuksien ohella olennaista keskittyä varmistamaan, että koneoppimisella saavutetut tulokset ovat yksinkertaisia ja tulkittavia, että mallien toimintaan vaadittavaa dataa hallitaan tehokkaasti ja että koneoppimisen avulla ratkaistavaa liiketoimintaongelmaa ja -kontekstia ymmärretään riittävästi.