Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa

Muotiteollisuus on yksi maailman johtavista talouksista, jossa yritykset kamppailevat trendien ennustamisessa. Muotitrendit muuttuvat nopeammin kuin koskaan ennen ja lyhyiden myyntikausien, suurten tuotevalikoimien sekä pitkien tuotantoprosessien vuoksi oikea-aikainen trendien ja kysynnän ennustamin...

Full description

Bibliographic Details
Main Author: Kolsi, Netta
Other Authors: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Format: Bachelor's thesis
Language:fin
Published: 2023
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/87814
_version_ 1826225817480331264
author Kolsi, Netta
author2 Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_facet Kolsi, Netta Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä Kolsi, Netta Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_sort Kolsi, Netta
datasource_str_mv jyx
description Muotiteollisuus on yksi maailman johtavista talouksista, jossa yritykset kamppailevat trendien ennustamisessa. Muotitrendit muuttuvat nopeammin kuin koskaan ennen ja lyhyiden myyntikausien, suurten tuotevalikoimien sekä pitkien tuotantoprosessien vuoksi oikea-aikainen trendien ja kysynnän ennustaminen on muotialalla hyvin kriittistä ja haastavaa. Kirjallisuuskatsauksena toteutetussa tutkielmassa käsitellään tekoälyn hyödyntämistä muotiteollisuuden trendiennustamisessa ja tutkitaan, millaisia etuja tekoälypohjaisella ennustamisella on verrattuna perinteisiin tilastollisiin tietoihin perustuviin ennustusmenetelmiin. Tämän kirjallisuuskatsauksen tarkoituksena on vastata kahteen tutkimuskysymykseen: ”Kuinka tekoälyä voidaan hyödyntää muotialan trendiennustamisessa?” ja ”Mitä etuja tekoälypohjaisella ennustamisella on verrattuna perinteisiin ennustusmenetelmiin?”. Aihealueen tutkimukset ovat osoittaneet, että muodin kysynnässä on monia vaikuttavia tekijöitä, jotka voivat aiheuttaa tilastollisten menetelmien puutteellisen suorituskyvyn. Näitä ovat muun muassa pikamuoti ja sosiaalisen median aiheuttama paine sekä trendien nopea vaihtuvuus. Tutkielma osoittaa, että tekoälyä voidaan hyödyntää laaja-alaisesti muotialan trendiennustamisessa, kuten tuotantoprosessien optimoinnissa, tuotesuunnittelussa sekä varastonhallinnassa. Lisäksi tuloksista käy ilmi, että tekoälyyn perustuva trendiennustaminen on objektiivisempaa, kustannustehokkaampaa ja tarkempaa kuin perinteinen ennustaminen, sillä se perustuu tietoihin ja teknologiaan, eikä ihmisten arviointiin tai mielipiteisiin. The fashion industry is one of the world's leading economies, where companies struggle to predict trends. Fashion trends are changing faster than ever before, and due to short sales seasons, huge product ranges, and long production processes, timely trend forecasting is very critical and challenging in the fashion industry. In a literature review conducted in this study, the use of artificial intelligence in fashion industry trend forecasting is discussed, and the advantages of artificial intelligence-based forecasting compared to traditional statistical methods are investigated. The purpose of this literature review is to answer the research questions: "How can artificial intelligence be used in fashion trend forecasting?" and "What are the advantages of artificial intelligence-based forecasting compared to traditional forecasting methods?". Research in this area has shown that there are many factors influencing fashion demand that can cause insufficient performance of statistical methods, such as fast fashion and the pressure and rapid change of trends caused by social media. The key finding of the study is that artificial intelligence can be widely used in fashion trend forecasting, such as in optimizing production processes, product design and inventory management. In addition, the results show that forecasting based on artificial intelligence is more objective, cost-effective, and accurate than traditional forecasting, as it is based on data and technology rather than human evaluation or opinions.
first_indexed 2024-09-11T08:52:55Z
format Kandityö
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Vuorinen, Jukka", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Kolsi, Netta", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2023-06-15T07:41:31Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2023-06-15T07:41:31Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2023", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/87814", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Muotiteollisuus on yksi maailman johtavista talouksista, jossa yritykset kamppailevat trendien ennustamisessa. Muotitrendit muuttuvat nopeammin kuin koskaan ennen ja lyhyiden myyntikausien, suurten tuotevalikoimien sek\u00e4 pitkien tuotantoprosessien vuoksi oikea-aikainen trendien ja kysynn\u00e4n ennustaminen on muotialalla hyvin kriittist\u00e4 ja haastavaa. Kirjallisuuskatsauksena toteutetussa tutkielmassa k\u00e4sitell\u00e4\u00e4n teko\u00e4lyn hy\u00f6dynt\u00e4mist\u00e4 muotiteollisuuden trendiennustamisessa ja tutkitaan, millaisia etuja teko\u00e4lypohjaisella ennustamisella on verrattuna perinteisiin tilastollisiin tietoihin perustuviin ennustusmenetelmiin. T\u00e4m\u00e4n kirjallisuuskatsauksen tarkoituksena on vastata kahteen tutkimuskysymykseen: \u201dKuinka teko\u00e4ly\u00e4 voidaan hy\u00f6dynt\u00e4\u00e4 muotialan trendiennustamisessa?\u201d ja \u201dMit\u00e4 etuja teko\u00e4lypohjaisella ennustamisella on verrattuna perinteisiin ennustusmenetelmiin?\u201d. Aihealueen tutkimukset ovat osoittaneet, ett\u00e4 muodin kysynn\u00e4ss\u00e4 on monia vaikuttavia tekij\u00f6it\u00e4, jotka voivat aiheuttaa tilastollisten menetelmien puutteellisen suorituskyvyn. N\u00e4it\u00e4 ovat muun muassa pikamuoti ja sosiaalisen median aiheuttama paine sek\u00e4 trendien nopea vaihtuvuus. Tutkielma osoittaa, ett\u00e4 teko\u00e4ly\u00e4 voidaan hy\u00f6dynt\u00e4\u00e4 laaja-alaisesti muotialan trendiennustamisessa, kuten tuotantoprosessien optimoinnissa, tuotesuunnittelussa sek\u00e4 varastonhallinnassa. Lis\u00e4ksi tuloksista k\u00e4y ilmi, ett\u00e4 teko\u00e4lyyn perustuva trendiennustaminen on objektiivisempaa, kustannustehokkaampaa ja tarkempaa kuin perinteinen ennustaminen, sill\u00e4 se perustuu tietoihin ja teknologiaan, eik\u00e4 ihmisten arviointiin tai mielipiteisiin.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "The fashion industry is one of the world's leading economies, where companies struggle to predict trends. Fashion trends are changing faster than ever before, and due to short sales seasons, huge product ranges, and long production processes, timely trend forecasting is very critical and challenging in the fashion industry. In a literature review conducted in this study, the use of artificial intelligence in fashion industry trend forecasting is discussed, and the advantages of artificial intelligence-based forecasting compared to traditional statistical methods are investigated. The purpose of this literature review is to answer the research questions: \"How can artificial intelligence be used in fashion trend forecasting?\" and \"What are the advantages of artificial intelligence-based forecasting compared to traditional forecasting methods?\". Research in this area has shown that there are many factors influencing fashion demand that can cause insufficient performance of statistical methods, such as fast fashion and the pressure and rapid change of trends caused by social media. The key finding of the study is that artificial intelligence can be widely used in fashion trend forecasting, such as in optimizing production processes, product design and inventory management. In addition, the results show that forecasting based on artificial intelligence is more objective, cost-effective, and accurate than traditional forecasting, as it is based on data and technology rather than human evaluation or opinions.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Paivi Vuorio (paelvuor@jyu.fi) on 2023-06-15T07:41:31Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2023-06-15T07:41:31Z (GMT). No. of bitstreams: 0\n Previous issue date: 2023", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "26", "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.title", "value": "Teko\u00e4lyn hy\u00f6dynt\u00e4minen muotiteollisuuden trendien ennustamisessa", "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-202306153872", "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": "syv\u00e4oppiminen", "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": "trendit", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "ennusteet", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "muoti", "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": "vaateteollisuus", "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_87814
language fin
last_indexed 2025-02-18T10:56:53Z
main_date 2023-01-01T00:00:00Z
main_date_str 2023
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/f60af461-d2ec-4a52-85a5-1a794c6e7df1\/download","text":"URN:NBN:fi:jyu-202306153872.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2023
record_format qdc
source_str_mv jyx
spellingShingle Kolsi, Netta Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa Tietojärjestelmätiede Information Systems Science 601 syväoppiminen tekoäly trendit ennusteet muoti koneoppiminen vaateteollisuus
title Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa
title_full Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa
title_fullStr Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa
title_full_unstemmed Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa
title_short Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa
title_sort tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa
title_txtP Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa
topic Tietojärjestelmätiede Information Systems Science 601 syväoppiminen tekoäly trendit ennusteet muoti koneoppiminen vaateteollisuus
topic_facet 601 Information Systems Science Tietojärjestelmätiede ennusteet koneoppiminen muoti syväoppiminen tekoäly trendit vaateteollisuus
url https://jyx.jyu.fi/handle/123456789/87814 http://www.urn.fi/URN:NBN:fi:jyu-202306153872
work_keys_str_mv AT kolsinetta tekoälynhyödyntäminenmuotiteollisuudentrendienennustamisessa