Ensimmäinen HAiLife -seminaari herätti keskustelua ihmistieteiden datan mahdollisuuksista
Dataan perustuva liiketoiminta on jo täällä
HAiLife-hankkeen ensimmäinen seminaari kutsui kaksi asiantuntijaa kertomaan näkemyksiään datataloudesta ja ihmistieteiden datan hyödyntämismahdollisuuksista liiketoiminnassa. Ensimmäisessä puheenvuorossa digitaalisen liiketoiminnan teollisuusprofessori Mika Ruokonen kertoi näkemyksiään innovaatioista, uuden liiketoiminnan luomisesta, arvonluonnista, liiketoimintamalleista, kasvusta, kaupallistamisesta ja liiketoiminnan uudistamisesta.
Ruokosen mukaan datavolyymin huima kasvu mahdollistaa erilaisia uusia liiketoimintamahdollisuuksia. Käytännössä sensoreita on nykyisin kaikkialla, ja GPS- ja internetyhteytemme ovat aina päällä, mikä tarkoittaa, että ihmiset tuottavat valtavia määriä dataa suorittaessaan päivittäisiä toimiaan. Lisäksi edullinen datan tallennus on kaikkien saatavilla. Voidaan todeta, että ”Lego-palikoita” datapohjaiselle liiketoiminnalle on jo olemassa. Ruokonen esitteli useita olemassa olevia liiketoimintamalleja ja kategorisoi kuusi erilaista liiketoimintamahdollisuutta datalle ja algoritmeille:
Tuotepohjaiset mallit
1. Nykyisten tuotteiden myynti
2. Datan, analyysien ja raporttien myynti
3. Data-alustojen myynti
4. AI -varantojen myynti
Palvelukeskeiset mallit
5. Data- ja AI-pohjaisten palvelujen myynti
6. Parempien tulosten tai kasvavan kapasiteetin myynti
Tulevaisuudessa arvonluominen yrityksissä tapahtuu vähemmän perinteisten laitteiden valmistuksessa, ja rakentuu yhä enemmän yhteyksien ja älykkyyden varaan: erityisesti ekosysteemeihin, palveluihin ja dataan.
Vaikka datavetoinen talous kehittyy jatkuvasti ja tarjoaa mahdollisuuksia, myös sudenkuoppia on. Niiden välttämiseksi yrityksen johdon tulee ymmärtää datan mahdollisuudet realistisesti ja panostaa kaupalliseen ja juridiseen osaamiseen. Ihmistä koskevassa dataliiketoiminnassa on noudatettava ohjeita, sääntöjä ja standardeja alusta alkaen. Asiantuntemuksen hakeminen, joka tuo myös kulttuuria ja tapoja työskennellä datan kanssa, on tärkeää, kuten myös skaalautuvan teknologian varmistaminen.
"Jokainen yritys on datayritys, tiesi se sen jo itse tai ei".
Investoimalla kaupalliseen ja juridiseen osaamiseen yritykset voivat uudistaa liiketoimintaansa. Samalla se voi samalla vaatia yritykseltä sisäistä muutosta laajentuakseen. Huomiota on kiinnitettävä yrityskulttuuriin ja johtajuuteen: klassinen ylhäältä alas -hierarkinen malli ei välttämättä sovi data- ja AI-pohjaisille yrityksille. Ruokonen ehdotti, että yritykset pohtisivat tarkasti keskitettyjen ja hajautettujen organisaatiorakenteiden hyviä ja huonoja puolia.
Yhä enemmän data voi olla yritysten strateginen prioriteetti. Ruokonen päätti silmiä avaavan esityksensä toteamalla, että "Jokainen yritys on datayritys, tiesi se sen jo itse tai ei".
Ihmisestä mitatun datan käsittelyssä häiriöiden huomiointi keskeistä
Toisen asiantuntijaesittelyn piti lääketieteellisen tekniikan professori Tapio Seppänen, jonka erikoisala on digitaaliset data- ja signaalianalyysiteknologiat. Hän on edelläkävijä ihmisen mittaukseen liittyvien data-analyysien, algoritmien ja sovellusten kehittämisessä
Seppänen aloitti esityksen datan juurilta korostaen, että reitti tallennetusta raakadatasta varsinaiselle asiakkaalle vaatii useita toimenpiteitä tiedon luotettavuuden ja käytettävyyden varmistamiseksi. Esimerkiksi monissa potilaiden elintoimintojen seuraamiseen käytettävissä lääketieteellisissä tekniikoissa hyödynnetään erilaisia suodattimia ja algoritmeja, jotteivat data-artefaktit vääristä tulkintaa potilaan tilasta. Tämä datan keräämiseen ja käsittelyyn olennaisesti linkittyvä vaihe on usein vieläkin tärkeämpi häiriöille alttiissa arjen ympäristöissä. Seppänen korosti, että nämä signaalitekniikat vaativat laajaa kehittämistä ja validointia, mikä kannattaa ottaa huomioon liiketoimintaa suunniteltaessa.
Lisäksi Seppänen esitteli esimerkkejä ihmisten käyttäytymisestä ja vuorovaikutuksesta kerätystä datasta, jota on hyödynnetty mm. tunteiden analysointiin. Äänisignaaleista tai biosignaaleista on mahdollista jäljittää esimerkiksi affektiivisia tiloja, mm. sykevälivaihtelua tai elektrodermaalista aktiivisuutta käyttäen, ja tällaisia teknologioita on jo useiden kuluttajatuotteiden taustalla. Seppänen päätti esityksen esittelemällä viimeisintä tapaa tehdä signaalianalyysi multimodaalisesti yhdistämällä erilaisia datavirtoja, kuten video-, ääni- ja fysiologisia signaaleja. Yksi tämän seurauksena nousevista haasteista on päätös siitä, mitä datakanavaan painotetaan, jos signaalien antama viesti poikkeaa olennaisesti toisistaan. Esimerkkinä Seppänen mainitsi tapauksen, jossa keskustelun aikana videolta analysoidut ilmeet voivat viitata keskustelijan kokevan tietynlaista emotionaalista tilaa, mutta mitattu fysiologia, joka ehkä tarkoituksella pidetään piilossa, voi viestiä täysin päinvastaista.
Pysy kuulolla tulevista tapahtumista!
Molemmista esityksistä jäi runsaasti ajateltavaa, mikä herätti innostunutta keskustelua useissa LeaFin pyöreän pöydän keskusteluissa. Toivomme voivamme jatkaa näitä keskusteluja yhdessä liike-elämän ja tutkimuksen kanssa tulevissa HAiLife -seminaareissamme. Pysy kuulolla kuullaksesi lisää!