Koneoppimisen tehokas hyödyntäminen vaatii nopeita kokeiluja ja niistä saatavien havaintojen perusteella oikeiden valintojen tekemistä liiketoiminnan tarpeisiin. Koneoppiminen ei kuitenkaan saa jäädä pelkiksi kokeiluiksi, vaan heti alusta asti on myös huomioitava ratkaisujen tuotantokelpoisuus.

Aiwon kehitysperiaatteena on kestävien ratkaisujen toteutus ja elinkaariajattelun huomioiminen heti lähtötelineessä. Kuinka sitten toteutetaan kestäviä ratkaisuja siten, ettei data-analyysissä ja mallinnuskokeiluissa tarvittavaa ketteryyttä heikennetä kankeilla prosesseilla tai monimutkaisilla työkaluilla? Olemme kytkeneet mallinnusvaiheen työkalut ohjelmistokehityksen keinoin löyhästi palvelualustaan, jolloin analytiikasta ja mallinnuksesta saadaan talteen toteutetut mallit, metriikkaa, tietoa datasta ja muuta historiatietoa myöhempää käyttöä varten. Tämä jättää data scientistille vapaat kädet analysoida, mallintaa ja visualisoida dataa tarvittavalla tavalla.

Mallinnuksesta kerättävän tiedon avulla voidaan helposti viedä koneoppimisratkaisu seuraavalle tasolle:

  • Mallit ovat suoraan käyttöönotettavissa tuotantokäyttöön
  • Malleista kerätty metriikka toimii pohjatietona tuotannon aikaiseen monitorointiin ja mallien seurantaan
  • Datan esikäsittelyproseduurit voidaan viedä osaksi tuotannon tietovirtoja
  • Mallien opettaminen voidaan automatisoida jatkuvaksi oppimiseksi uuden datan kertyessä järjestelmään

Kestävällä kehityksellä saavutamme toimintavarmempia, tarpeeseen paremmin vastaavia ja kaiken kaikkiaan laadukkaampia ratkaisuja. Unohdetaan siis kertakäyttökulttuuri ja tehdään asiat fiksusti!