Tekoäly liiketoiminnan ennakoinnissa

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 en...

Full description

Bibliographic Details
Main Author: Ojansuu, Ilari
Other Authors: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Format: Bachelor's thesis
Language:fin
Published: 2018
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/58423
_version_ 1826225816431755264
author Ojansuu, Ilari
author2 Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_facet Ojansuu, Ilari Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä Ojansuu, Ilari Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_sort Ojansuu, Ilari
datasource_str_mv jyx
description 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.
first_indexed 2019-08-19T08:21:06Z
format Kandityö
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Luoma, Eetu", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Ojansuu, Ilari", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2018-06-07T07:45:27Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2018-06-07T07:45:27Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2018", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/58423", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Erilaiset liiketoiminnan dataa jalostavat j\u00e4rjestelm\u00e4t ovat her\u00e4tt\u00e4neet mielenkiintoa organisaatioissa. Laaja datan keruu ja mallintaminen mahdollistavat organisaatioiden p\u00e4\u00e4t\u00f6ksenteon siirtymisen entist\u00e4 enemm\u00e4n intuitiivisesta p\u00e4\u00e4t\u00f6ksenteosta datapohjaiseen p\u00e4\u00e4t\u00f6ksentekoon. Tarkoituksenmukaiset ennusteet tarjoavat organisaatioille pohjaa niin strategiselle, kuin my\u00f6s operatiiviselle p\u00e4\u00e4t\u00f6ksenteolle. Ennusteet tarjoavat siis mahdollisesti merkitt\u00e4v\u00e4\u00e4 hy\u00f6ty\u00e4 organisaation toiminnalle ja kilpailukyvylle. Tutkielma tehtiin kirjallisuuskatsauksena ja tutkielman tarkoituksena oli tarkastella teko\u00e4lyn hy\u00f6dynt\u00e4mist\u00e4 liiketoiminnan ennakoinnin n\u00e4k\u00f6kulmasta. Tutkielmassa tarkasteltiin teko\u00e4lyn sovelluksien ominaisuuksia ja verrattiin n\u00e4it\u00e4 ennakoivan analytiikan vaatimiin ominaisuuksiin. Teko\u00e4ly ja erityisesti neuroverkot tarjoavat potentiaalisen ratkaisun perinteisen ennakoivan analytiikan kohtaamiin ongelmiin, ja koneellinen tietojenk\u00e4sittely soveltuu hyvin massiivisten datam\u00e4\u00e4rien k\u00e4sittelyyn. Liiketoiminnasta ker\u00e4ttyyn dataan sis\u00e4ltyy usein paljon ep\u00e4lineaarisia asiayhteyksi\u00e4. Neuroverkoilla pystyt\u00e4\u00e4n tehokkaasti tunnistamaan t\u00e4llaiset suhteet datan pohjalta, ja usein teko\u00e4lyll\u00e4 toimiva j\u00e4rjestelm\u00e4 kykenee osoittamaan asiayhteyksi\u00e4, joita ei perinteisill\u00e4 menetelmill\u00e4 ole tunnistettu. Aihealueen tutkimukset osoittavat, ett\u00e4 teko\u00e4ly soveltuu monipuolisesti liiketoiminnan erilaisiin ennakoinnin teht\u00e4viin. Ihmisen ja koneen p\u00e4\u00e4t\u00f6ksenteon vahvuudet t\u00e4ydent\u00e4v\u00e4t toistensa heikkouksia ja teko\u00e4ly\u00e4 voidaankin hy\u00f6dynt\u00e4\u00e4 my\u00f6s k\u00e4ytt\u00e4j\u00e4\u00e4 tukevana ty\u00f6kaluna. Laajempi teko\u00e4lyn k\u00e4ytt\u00f6\u00f6notto liiketoiminnan ennakoinnin teht\u00e4viin vaatii lis\u00e4tutkimusta aiheesta, jotta voidaan muodostaa kattavat ohjeistukset oikeaoppisten j\u00e4rjestelmien kehitt\u00e4miselle.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "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\u2019 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.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Paivi Vuorio (paelvuor@jyu.fi) on 2018-06-07T07:45:27Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2018-06-07T07:45:27Z (GMT). No. of bitstreams: 0\n Previous issue date: 2018", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "25", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "data-analytiikka", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Teko\u00e4ly liiketoiminnan ennakoinnissa", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "bachelor thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-201806073085", "language": "", "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Bachelor's thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Kandidaatinty\u00f6", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Information Technology", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Informaatioteknologia", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Information Technology", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tietoj\u00e4rjestelm\u00e4tiede", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Information Systems Science", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_7a1f", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "bachelorThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "601", "language": "", "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "ennakointi", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "liiketoiminta", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "koneoppiminen", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "teko\u00e4ly", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "neuroverkot", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}]
id jyx.123456789_58423
language fin
last_indexed 2025-02-18T10:54:04Z
main_date 2018-01-01T00:00:00Z
main_date_str 2018
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/3b3b647f-9e5a-4649-8060-b110a26295ce\/download","text":"URN:NBN:fi:jyu-201806073085.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2018
record_format qdc
source_str_mv jyx
spellingShingle Ojansuu, Ilari Tekoäly liiketoiminnan ennakoinnissa data-analytiikka Tietojärjestelmätiede Information Systems Science 601 ennakointi liiketoiminta koneoppiminen tekoäly neuroverkot
title Tekoäly liiketoiminnan ennakoinnissa
title_full Tekoäly liiketoiminnan ennakoinnissa
title_fullStr Tekoäly liiketoiminnan ennakoinnissa Tekoäly liiketoiminnan ennakoinnissa
title_full_unstemmed Tekoäly liiketoiminnan ennakoinnissa Tekoäly liiketoiminnan ennakoinnissa
title_short Tekoäly liiketoiminnan ennakoinnissa
title_sort tekoäly liiketoiminnan ennakoinnissa
title_txtP Tekoäly liiketoiminnan ennakoinnissa
topic data-analytiikka Tietojärjestelmätiede Information Systems Science 601 ennakointi liiketoiminta koneoppiminen tekoäly neuroverkot
topic_facet 601 Information Systems Science Tietojärjestelmätiede data-analytiikka ennakointi koneoppiminen liiketoiminta neuroverkot tekoäly
url https://jyx.jyu.fi/handle/123456789/58423 http://www.urn.fi/URN:NBN:fi:jyu-201806073085
work_keys_str_mv AT ojansuuilari tekoälyliiketoiminnanennakoinnissa