șĘșĘߣ

șĘșĘߣShare a Scribd company logo
SENSORIDATA JA
LIIKETOIMINTA
NIKO VUOKKO – SHARPER SHAPE
BIG DATA – ONKO SE NYT VAIN ISOA DATAA?
‱ Dataa kerĂ€tÀÀn ja yhdistellÀÀn ”epĂ€mÀÀrĂ€isistĂ€â€ lĂ€hteistĂ€
‱ Datan kĂ€yttö operatiivisesti usein hankalaa
‱ ”Datasta tietoon” tarpeellinen vĂ€livaihe, mutta vain vĂ€livaihe
KUKA LUO DATAA?
Ihmisten tuottamaa dataa:
‱ 5K tweettiĂ€ / s
‱ 25K tapahtumaa / s mobiilipelistĂ€ (noin 200 Gt / pĂ€ivĂ€)
‱ 40K Google-hakua / s
Konedataa:
‱ 5M tarjousta / s USA:n optiomarkkinoilla
‱ 120 Mt / s diagnostiikkaa yhdestĂ€ kaasuturbiinista
‱ 1 Pt / s törmĂ€yshetkellĂ€ CERNin LHC-kiihdyttimestĂ€
SENSORIDATA
‱ Koneiden tuottamaa
‱ Voi tarkkailla hallittua kohdetta: ydinvoimalan tuhannet ilmaisimet
‱ Voi tarkkailla ympĂ€ristöÀ: ESAn Copernicus-satelliitit
‱ Big data –murros on nostanut odotuksia mahdollisuuksista
YMPÄRISTÖN HAVAINNOINTIA SENSOREIN
‱ Datasovelluksissa yleensĂ€ aina ”tosimaailma tulee ja sotkee kaiken”
‱ Konedata vĂ€lttÀÀ tĂ€mĂ€n ongelman usein
‱ YmpĂ€ristön havainnointi sensorein on poikkeus
MITÄ YMPÄRISTÖÄ SITTEN HAVAINNOIDA?
‱ Avaruus
‱ Luonnonilmiöt
‱ Ihmisten toiminta suuressa mittakaavassa
‱ Infrastruktuuri
INFRASTRUKTUURIN VALVONTA
‱ Yhteiskunnan infrastruktuurille asetetaan suuret odotukset
‱ HĂ€iriöillĂ€ ja hajoamisella korkeat kustannukset
‱ Infrastruktuuria on todella paljon
‱ Tyypillinen infra sallii vain ulkoista seurantaa
MIKSI INFRAN VALVONTA ON NIIN KALLISTA?
‱ Seuranta on laajaa, jatkuvaa ja monimuotoista
‱ Jotkut tĂ€rkeĂ€t havainnot epĂ€mÀÀrĂ€isiĂ€ ja vaikeita myös ihmiselle
‱ Virheet ovat erittĂ€in kalliita
MITEN VOIMME SÄÄSTÄÄ TÄSSÄ?
‱ Erotetaan tietojen keruu ja havaintojen teko
‱ Automoidaan molemmat!
‱ Kone pystyy suuriin ja monimutkaisiin arviointeihin luotettavammin
‱ Tiedolle odottamatontakin kĂ€yttöÀ, kunhan sitĂ€ pystyy saamaan
TIEDON KERUU LENNOKEIN
‱ Lennokit minimoivat datan keruun kustannukset
‱ PÀÀsy myös hankaliin paikkoihin
‱ Tekniikka kehittyy nopeasti --> hinta vielĂ€ alemmas
‱ Euroopassa vain yksi yhtiö, jolla luvat BVLOS-lentoihin
DATAN AUTOMAATTINEN ARVIOINTI
‱ Kone ihmistĂ€ merkittĂ€vĂ€sti nopeampi ja luotettavampi arvioija
‱ Ongelmana ollut datan ja sen kĂ€ytön monimutkaisuus
‱ Tiedon laaja digitalisointi mahdollistaa aivan uusia ratkaisuja
SENSORIDATAN TULEVAISUUS
‱ Sensorien koko ja hinta tippuvat, kyvyt ja laatu paranevat
‱ Viimeinen portti: Tehokas tiedon keruu on vasta tulossa
‱ Suunnaton mahdollisuus mullistaa vanhat liiketoimintamallit
Sensoridatan ja liiketoiminnan tulevaisuus

More Related Content

Sensoridatan ja liiketoiminnan tulevaisuus

  • 2. BIG DATA – ONKO SE NYT VAIN ISOA DATAA? ‱ Dataa kerĂ€tÀÀn ja yhdistellÀÀn ”epĂ€mÀÀrĂ€isistĂ€â€ lĂ€hteistĂ€ ‱ Datan kĂ€yttö operatiivisesti usein hankalaa ‱ ”Datasta tietoon” tarpeellinen vĂ€livaihe, mutta vain vĂ€livaihe
  • 3. KUKA LUO DATAA? Ihmisten tuottamaa dataa: ‱ 5K tweettiĂ€ / s ‱ 25K tapahtumaa / s mobiilipelistĂ€ (noin 200 Gt / pĂ€ivĂ€) ‱ 40K Google-hakua / s Konedataa: ‱ 5M tarjousta / s USA:n optiomarkkinoilla ‱ 120 Mt / s diagnostiikkaa yhdestĂ€ kaasuturbiinista ‱ 1 Pt / s törmĂ€yshetkellĂ€ CERNin LHC-kiihdyttimestĂ€
  • 4. SENSORIDATA ‱ Koneiden tuottamaa ‱ Voi tarkkailla hallittua kohdetta: ydinvoimalan tuhannet ilmaisimet ‱ Voi tarkkailla ympĂ€ristöÀ: ESAn Copernicus-satelliitit ‱ Big data –murros on nostanut odotuksia mahdollisuuksista
  • 5. YMPÄRISTÖN HAVAINNOINTIA SENSOREIN ‱ Datasovelluksissa yleensĂ€ aina ”tosimaailma tulee ja sotkee kaiken” ‱ Konedata vĂ€lttÀÀ tĂ€mĂ€n ongelman usein ‱ YmpĂ€ristön havainnointi sensorein on poikkeus
  • 6. MITÄ YMPÄRISTÖÄ SITTEN HAVAINNOIDA? ‱ Avaruus ‱ Luonnonilmiöt ‱ Ihmisten toiminta suuressa mittakaavassa ‱ Infrastruktuuri
  • 7. INFRASTRUKTUURIN VALVONTA ‱ Yhteiskunnan infrastruktuurille asetetaan suuret odotukset ‱ HĂ€iriöillĂ€ ja hajoamisella korkeat kustannukset ‱ Infrastruktuuria on todella paljon ‱ Tyypillinen infra sallii vain ulkoista seurantaa
  • 8. MIKSI INFRAN VALVONTA ON NIIN KALLISTA? ‱ Seuranta on laajaa, jatkuvaa ja monimuotoista ‱ Jotkut tĂ€rkeĂ€t havainnot epĂ€mÀÀrĂ€isiĂ€ ja vaikeita myös ihmiselle ‱ Virheet ovat erittĂ€in kalliita
  • 9. MITEN VOIMME SÄÄSTÄÄ TÄSSÄ? ‱ Erotetaan tietojen keruu ja havaintojen teko ‱ Automoidaan molemmat! ‱ Kone pystyy suuriin ja monimutkaisiin arviointeihin luotettavammin ‱ Tiedolle odottamatontakin kĂ€yttöÀ, kunhan sitĂ€ pystyy saamaan
  • 10. TIEDON KERUU LENNOKEIN ‱ Lennokit minimoivat datan keruun kustannukset ‱ PÀÀsy myös hankaliin paikkoihin ‱ Tekniikka kehittyy nopeasti --> hinta vielĂ€ alemmas ‱ Euroopassa vain yksi yhtiö, jolla luvat BVLOS-lentoihin
  • 11. DATAN AUTOMAATTINEN ARVIOINTI ‱ Kone ihmistĂ€ merkittĂ€vĂ€sti nopeampi ja luotettavampi arvioija ‱ Ongelmana ollut datan ja sen kĂ€ytön monimutkaisuus ‱ Tiedon laaja digitalisointi mahdollistaa aivan uusia ratkaisuja
  • 12. SENSORIDATAN TULEVAISUUS ‱ Sensorien koko ja hinta tippuvat, kyvyt ja laatu paranevat ‱ Viimeinen portti: Tehokas tiedon keruu on vasta tulossa ‱ Suunnaton mahdollisuus mullistaa vanhat liiketoimintamallit

Editor's Notes

  1. Nopeus, mÀÀrÀ, monimuotoisuus, mutta ne vain seurausta ideologian erosta: kerÀÀminen ennen tarkoitusta, monimutkaisuuden tavoittelu Dataa ei vain itsestÀÀn ilmesty ja toimi, vaan vaatii jatkuvaa huolenpitoa, strategista kÀsittelyÀ ja merkittÀvÀsti suurempaa teknistÀ kyvykkyyttÀ. Oikein ymmÀrtÀminen ja pÀÀtökset hankalia: yksityiskohdat, ihmiset + tilastot. YmmÀrrys tarvitaan ennen kÀyttöÀ. YmmÀrtÀminen ei riitÀ, ymmÀrtÀminen ei ole pÀÀtös eikÀ se skaalaudu.
  2. Ihmisten tuottama data lĂ€hes aina ”pientĂ€â€. Voi olla ideologisesti big dataa, mutta absoluuttisesti aina vain pienempÀÀ. LĂ€hes kaikki datat mahtuvat jo yhden koneen muistiin. Esim. 1.5 sĂ€hköasiakkaan tuntitason mittaridata 25 vuodelta.
  3. Sensoreita voidaan asentaa koneisiin, ripotella ympĂ€riinsĂ€ ja keskittÀÀ kalliisiin laitteisiin Ei tarvitse rajoittua vain tiettyyn datapisteeseen, ”mitĂ€ tietoa voisimme kerĂ€tĂ€ tĂ€stĂ€ kohteesta?”
  4. PÀÀtapaukset: Ihmisten luoma data on tÀynnÀ sotkua, esimerkiksi tweettien kirjoitusvirheet, mobiilidatan sekavat timestampit, hyppivÀt ID:t Tosimaailman bisnes-vaatimukset SisÀinen data on hallittua, helppoa. Ulkomaailma on se mikÀ sotkee kaiken.
  5. YmpÀristön havainnoinnin kehitys: armeija -> avaruus -> turvallisuus -> tulevaisuus -> bisnes MitÀ tekisit, jos tietÀisit tarkalleen peltojesi hyvÀt ja huonot kohdat ja syyt siihen?
  6. Infran pitÀÀ olla ehdottoman luotettavaa. Se on myös jatkuvasti ja *pitkÀÀn* ympÀristön armoilla. Betoniin ei voi asentaa sensoreita eikÀ putkivuotoja havaita reaaliajassa.
  7. Infraa paljon, se kÀrsii jatkuvasti, riskejÀ ei sovi ottaa ja mahdollisia ongelmia valtavasti. Eri arviointeja voi joutua tekemÀÀn tuhansia samasta kohteesta, ihmiselle hankalaa olla systemaattinen. Datan ja pÀÀtösten teon epÀmÀÀrÀisyys palaa kuvaan.
  8. Aiemmin havainnoija kerÀsi silmin tietoja, joita sitten arvioi. Voimme sen sijaan erottaa tiedon keruun, jolloin siihen ei kulu havainnoijan aikaa. Seuraavaksi automoimme tiedon keruun. Sitten automoimme havainnoinnin.
  9. SÀÀstöt: bensa, iso laite ja sen capex, kuljetus Sensorit nyt merkittÀvÀ kustannuserÀ, ts. sivukustannukset romahtaneet lennokeilla BVLOS-lennot ItÀ-Suomessa
  10. ”Kuvittele arvioija istumaan helikopteriin kun metsĂ€ virtaa ohi” Vaikka tietoa kerĂ€ttĂ€isiinkin, sen tehokas kĂ€sittely ollut mahdotonta. Me olemme ratkaisseet datan kĂ€ytön monimutkaisuuden teknologiallamme.
  11. Sensoridata on konedataa, se kasvaa kovalevyjen tahtia. Sensoridata tulee totaalisesti muuttamaan ymmÀrryksemme ympÀristöstÀ ja itsestÀmme. Juuri nyt enemmÀn vanhan mullistamista kuin aivan uuden luontia.
  12. Sharper Shape on pidemmÀllÀ kuin kukaan kahdella teknologian rintamalla. Lennokkien BVLOS-kÀytössÀ infran tarkistamiseen JA 2) automaattisessa sensorifuusion mallinnuksessa Kiitos!