Tekoäly liiketoiminnan ennakoinnissa

Abstract

Erilaiset liiketoiminnan dataa jalostavat järjestelmät ovat herättäneet mielenkiintoa organisaatioissa. Laaja datan keruu ja mallintaminen mahdollistavat organisaatioiden päätöksenteon siirtymisen entistä enemmän intuitiivisesta päätöksenteosta datapohjaiseen päätöksentekoon. Tarkoituksenmukaiset ennusteet tarjoavat organisaatioille pohjaa niin strategiselle, kuin myös operatiiviselle päätöksenteolle. Ennusteet tarjoavat siis mahdollisesti merkittävää hyötyä organisaation toiminnalle ja kilpailukyvylle. Tutkielma tehtiin kirjallisuuskatsauksena ja tutkielman tarkoituksena oli tarkastella tekoälyn hyödyntämistä liiketoiminnan ennakoinnin näkökulmasta. Tutkielmassa tarkasteltiin tekoälyn sovelluksien ominaisuuksia ja verrattiin näitä ennakoivan analytiikan vaatimiin ominaisuuksiin. Tekoäly ja erityisesti neuroverkot tarjoavat potentiaalisen ratkaisun perinteisen ennakoivan analytiikan kohtaamiin ongelmiin, ja koneellinen tietojenkäsittely soveltuu hyvin massiivisten datamäärien käsittelyyn. Liiketoiminnasta kerättyyn dataan sisältyy usein paljon epälineaarisia asiayhteyksiä. Neuroverkoilla pystytään tehokkaasti tunnistamaan tällaiset suhteet datan pohjalta, ja usein tekoälyllä toimiva järjestelmä kykenee osoittamaan asiayhteyksiä, joita ei perinteisillä menetelmillä ole tunnistettu. Aihealueen tutkimukset osoittavat, että tekoäly soveltuu monipuolisesti liiketoiminnan erilaisiin ennakoinnin tehtäviin. Ihmisen ja koneen päätöksenteon vahvuudet täydentävät toistensa heikkouksia ja tekoälyä voidaankin hyödyntää myös käyttäjää tukevana työkaluna. Laajempi tekoälyn käyttöönotto liiketoiminnan ennakoinnin tehtäviin vaatii lisätutkimusta aiheesta, jotta voidaan muodostaa kattavat ohjeistukset oikeaoppisten järjestelmien kehittämiselle.

Applications that focus on refining collected data are becoming more popular amongst organizations. The information gained from processing and modeling of business data is moving organizations from intuitive decision-making into more data-based decision-making. Appropriate forecasting offers a basis for strategic and operative decision-making in organizations. Forecasting is potentially able to provide significant benefits for the organizations competitivity. This bachelors’ thesis is a literature review and the purpose of this thesis was to find out how artificial intelligence could be used in business forecasting. The thesis compares artificial intelligence applications and the demands of predictive analytics. Artificial intelligence and especially artificial neural networks provide a potential solution to the restrictions of traditional predictive analysis. The mechanical processing of computers is also appropriate for the needs of massive data analysis. The data collected from business activities often contains significant amounts of nonlinear relationships. Artificial neural networks are capable of identifying such relationships and neural networks can often showcase relationships in the data that have not been recognized in the past using traditional methods. The research on the field indicates that artificial intelligence fits well for business forecasting. The strengths of human brain and artificial intelligence reinforce the weaknesses of one another, and therefore one approach is to use artificial intelligence to create a supporting system for a human user. Broader implementation of artificial intelligence in business forecasting requires more thorough research on the field, so guidelines for the development of such forecasting systems can be created.