Andmeteadusest ettevõtjale: miks, kellele ja kuidas?

 

Edukaks tegutsemiseks on hea turul toimuvast paar sammu ees olla. Üks viis selleks on kasutada andmeteadust. Mis see on ja mis võimalusi see pakub, räägivad selle valdkonna spetsialistid Taivo Pungas ja Taavi Tammiste. Intervjueeris Maria Vous.

Mis see on?

Andmeteadus ei ole Pungase ja Tammiste sõnul iseenesest midagi uut: kogum meetodeid, mis aitavad teha andmete põhjal kasulikke otsuseid; ja üks arvutiteaduse harudest, mis võimaldab luua olemasolevatest andmetest lisandväärtust.

Andmeteadust on juba mõnda aega kasutatud, näiteks äri- ja  finantsanalüüsis, andmepõhises turunduses ja kindlasti IT-arenduses. Käime aga esmalt üle põhimõisted, mida tihti valesti kasutatakse.

„Masinõpe (Machine Learning) on hulk meetodeid, mille alusel arvuti õpib kogemuste põhjal keerulisi ülesandeid lahendama. Tehisintellekt (Artificial Intelligence ehk AI)) on kas intelligentne inimese loodud nn virtuaalne agent või uurimissuund, mille eesmärk on selliseid agente arendada. Suurandmed (Big Data) on andmestikud, mis ei mahu ühe arvuti mällu (RAMi) – see tähendab suuremad kui umbes 1000 gigabaiti,“ selgitab Pungas.

„Andmeteadus (Data Science) on aga ükskõik milline tegevus, mis aitab andmete põhjal kasulikke otsuseid teha. See sisaldab mittetehnilisi asju, näiteks kirjalikke analüüse või lihtsat kirjeldavat statistikat; veidi tehnilisemat tööd, näiteks andmete ettevalmistamist või visualiseerimist, ja matemaatiliselt keerulisemaid asju, näiteks ennustamist (masinõppemeetoditega),“ lisab ta.

Milleks?

Pungase sõnul kasutatakse paljudes kohtades ettevõttes samu tööriistu erinevate probleemide lahendamiseks: „Retsept on alati sama: andmeteadlane alustab andmetest (olgu need siis Exceli tabelis, andmebaasis, e-mailides, raamatupidamissüsteemis vm) ja teeb nende põhjal otsuseid. Kasulik on eristada kahte tüüpi andmeteadust: A-tüüpi (analysis) tegeleb peamiselt ühekordsete analüüsidega inimtarbimiseks, B-tüüpi (building) aga automaatsete protsesside ehitamisega, et teised programmid saaksid selle väljundit tarbida. Näiteks raporti koostamine turunduse efektiivsuse kohta on rohkem A-tüüpi tegevus, aga ennustusmudeli ehitamine, et prognoosida iga õhtu järgmise nädala päeva tellimuste arvu, on pigem B-tüüpi.“

Tammiste toob andmeteaduse uudsusena tänapäeval aga välja pigem suurema keskendumise masinõppele: „Nüüdisaegses andmeteaduses tegeletakse peamiselt masinõppe ja hajusandmetöötlusega. Hajusandmetöötlus on sisend masinõppe jaoks: selleks et masinõpet teostada nii, et sellel oleks ka mingi väärtus, on vaja töödelda väga suurtes kogustes andmeid. Kuna arvutusvõimekus on jõudnud tasemele, kus on võimalik suuri andmekoguseid suhteliselt odavalt töödelda ja seega andmetest täiesti uut väärtust saada, ongi andmeteadus tänapäeval nii oluline on.“

Kuidas?

Kuna iga ettevõte ning selle andmed on erinevad, siis rakendatakse andmeteadust rangelt kasutusjuhupõhiselt. „Ühte lahendust, mis töötaks kõikidel juhtudel, ei ole olemas. Kui rääkida näiteks hajusandmetöötluse platvormidest, siis tuleks kindlasti aru saada kõigepealt oma andmetest. Kas andmed on ainult ajaloolised või töödeldakse reaalaja andmevoogu? Samuti tuleks aru saada andmete mahust ning kui kiiresti ja mis suurusjärgus neid tekib. Selle alusel saab teha otsuse, millist arhitektuuri kasutada,“ ütleb Tammiste.

„Kui rääkida konkreetselt tööriistadest, siis laialt levinud tööriist on Hadoop, mida on tänapäeval võimalik tööle panna ka mitmesuguste komponentidega (nt Apache Spark või Apache Storm). Masinõppe jaoks on samuti mitmeid raamistikke (Caffe, Theano, MXNet), aga praegu tunduvad kõige kuumemad olevat Google’i arendatav Tensorflow ja Facebooki PyTorch. Lõpuks aga sõltub raamistike valik siiski kasutusjuhust ning andmeteadlastest, kes nendega töötavad.“

Ka Pungas on nõus, et tehnilise poole pealt on veidi keeruline asju ämbritesse jaotada: „Tööriistade kohta annab hea ülevaate O’Reilly 2017. aasta uuring andmeteadlaste tööriistade ja palkade kohta ja selle põhjal on Excel siiani populaarseim tööriist andmeteadlaste seas. Minu kogemuse järgi on võimalik Exceliga väga palju ära teha, aga peamiselt A-tüüpi andmeteadust: mingeid suuremaid projekte on väga raske selles ette võtta. Kaks programmeerimiskeelt, mida suurte andmeprojektide jaoks kasutatakse, on Python ja R, kusjuures kõige ägedamat tööd tehakse just Pythonis (kus käib suuresti nt Google’i masinõppearendus).“

Miks?

Pungase sõnul on andmeteaduse rakendamisest kasu mitmel moel, mis kattuvad osaliselt A- ja B-tüüpi andmeteadusega: „Esiteks aitab see asjadest paremini aru saada ja neid paremaks teha, seega igasugune (peen-) häälestus. Siia alla läheb näiteks klientide segmenteerimine, et paremini hinnastada ja reklaami suunata, või veebilehe disainimine selle põhjal, kus inimesed kõige rohkem klikivad. Klienditeenindust on võimalik vähemalt osaliselt automatiseerida näiteks juturobotite või automaatselt valitud meilivastuste abil.

Teine andmeteaduse rakendamise viis on täiesti uute toodete loomine. Näiteks Google Translate, esimene täpne masintõlkesüsteem, ja isejuhtiv auto. Ka Amazoni toote- või Netflixi filmisoovituste taga on soovitusmootorid, mida ei ole keeruline ehitada väiksemagi kliendibaasi jaoks.“

Tammiste võtab asja kokku nii: „Üldiselt saab andmeteadusest tuleneva kasu jagada kaheks: olemasolevatest andmetest uue väärtuse loomine ja äriprotsesside efektiivsemaks muutmine. Ehk uute tuluallikate leidmine ja kulude kokkuhoidmine. Üheks suurimaks masinõppe väärtuseks on kindlasti näiteks ennustamine olemasolevate andmete alusel. See tähendab, et on võimalik täpsemalt ja kiiremini ennustada inimeste ostukäitumist, krediidiriski või liikumist. Kui rääkida kulude kokkuhoiust, siis üks kuum teema on ennustav hooldus.“

Ennustava hooldusega on võimalik ette ennustada, millal seadmed katki lähevad, ja muuta siis hooldust efektiivsemaks. Samuti võimaldab andmeteadus, millega saab üksikisikuid paremini profileerida, teenused ja tooted isiklikumaks teha, et anda klientidele seda, mida nad tegelikult tahavad

Mis kasu sellest on?

Just kasu, kas kulude kokkuhoid või uute tuluallikate leidmine, ongi peamine põhjus, miks ettevõtjad andmeteadust kasutama hakkavad. Kui näiteks igal aastal ettevõtte protsesse 10% paremaks teha, siis annab see tohutu eelise konkurentide ees, selgitab Pungas. „Näide A-tüüpi andmeteadusest: klientide segmenteerimine aitab identifitseerida kõige kasumlikumad kliendid ja leida veel nendesuguseid. B-tüüpi andmeteaduse kasu on tihti automatiseerimises ja uute toodete loomises. See on raskem ja kallim, aga pikas perspektiivis oluline.“

„Üldistades tundub mulle, et A-tüüpi andmeteadus on lühikeses perspektiivis oluline, sest annab otsest kasu, ja B-tüüpi andmeteadus on aga investeering tulevikku. Maailma suurettevõtted teevad praegu suuri pingutusi oma andmeteadusalase oskusteabe kasvatamiseks (Google’il on plaanis harida kõiki oma insenere masinõppe alal), nii et see ei tundu pikas perspektiivis isegi mitte konkurentsieelis, vaid on pigem ellujäämise eeldus.“
Tammiste arvates on kõige suurem kasu aga just masinõppest: „Masinõppe abil on võimalik protsesse automatiseerida või andmetele täiesti uus väärtuse kiht luua. Näiteks on juba olemas juriidiliste tekstide tõlkija Legal Robot, mis võimaldab selle valdkonna teksti inimesele arusaadavamaks teha. Samuti on kindlasti väga suur väärtus selles, et kõnerobotite abil on võimalik osa klienditeenindusest automatiseerida.“

Mida selleks vaja on?

Tammiste sõnul saavad andmeteadust kasutada peaaegu kõik ettevõtted: „Kindlasti on eelised ettevõtetel, kes ise koguvad või omavad suuri koguseid andmeid, näiteks pangad, telekommunikatsiooniettevõtted ja riigiasutused, aga masinõppest põhilist väärtust on võimalik luua sisuliselt igal ettevõttel. See valdkond on väga kiiresti arenenud ning arendusraamistikud on muutunud laialt kättesaadavaks, nii et masinõpe ei ole ainult suurte ettevõtete pärusmaa,“

Pungas toob välja aga mõned olulised lisakriteeriumid: „Kaks olulist kriteeriumi on andmete hulk ja käive. Kui andmeid lihtsalt ei ole, siis pole võimalik nende põhjal ka midagi paremini teha. Samas saab alati rohkem andmeid koguda, kui see vajalik peaks olema, ja andmeteadlane oskab otsustada, milliseid andmeid koguda. Kui aga ettevõtte käive on nii väike, et andmeteadlane ei suuda parimagi tahtmise juures oma palgafondi tagasi tuua, on andmeteadus äriliselt ebamõistlik.“

Millele peaks tähelepanu pöörama?

Pungase sõnul on esimeseks küsimuseks ilmselt õige inimese leidmine. „Selleks et ettevõttes andmeteadust rakendada, ei pea ilmtingimata võtma tööle täiskohaga inimest: võib koolitada mõnd töötajat või võtta tööle keegi, kelle oskuste pagasis on ka andmeteadust. Samuti võib väljast konsultatsiooni sisse osta.“

Teine kriitiline osa on juhtide toetus: „Kui andmed ütlevad, et midagi tuleks teistmoodi teha, siis peaks juhid seda tõsiselt võtma, selle asemel, et tulemus kõrvale heita kui „ainult numbrid“. Skepsis on küll omal kohal, sest andmed on tihti mürarikkad ja tulemusteni jõudmine nõuab ka subjektiivseid otsuseid, aga kui ettevõte plaanib sõltumata tulemusest asju niikuinii samamoodi teha, pole ju mõtet andmeteadusega isegi alustada.“

Tammiste rõhutab samuti just õigete inimeste ja toimiva meeskonna olulisust: „Kindlasti peaks andmeteadlased olema sellised, kes oskavad lahendused valmis ehitada, kuid väga oluline on, et ettevõttel oleks inimene, kellel on olemas teadmised nii ärist kui ka andmeteadusest. Nii on andmeteaduse lahendusel reaalne äriline väärtus.“

„Lisaks peavad ettevõtted aru saama, kas neil on olemas piisavas koguses andmeid, et oma kasutusjuhtu realiseerida. Andmeteaduse üheks kõige olulisemaks asjaks on andmed, nagu nimetusestki võib aru saada,“ lisab ta.

Millised on ohukohad?

Esimene ja kõige suurem risk on seotud tööjõuga. „Kui mõelda hajusandmetöötluse infrastruktuuri ülesehitamise peale, siis on tegu valdkonnaga, kus on vaja kasutada väga spetsiifilist tööjõudu, aga hetkel on sellise tööjõu leidmine veel võrdlemisi keeruline. Samuti on selliste projektide vedamine võrreldes tavaliste tarkvaraarendusprojektidega hoopis teistsugune – keeruline on leida ka inimesi või ettevõtteid, kellel oleks vastav kogemus,“ kirjeldab Tammiste.

Pungas lisab, et see ala on väga noor, aga see on samas ka hea: „Selle asemel et nõuda töökuulutuses statistika doktorikraadi ja 10-aastase töökogemusega inimesi (keda kõik tahaksid ja keda Eestis ei ole), tasub otsida võib-olla vähema kogemuse, aga suure huviga töötajaid. Üks variant on füüsikaeriala jm kvantitatiivse taustaga ülikoolilõpetajad, kel on olemas kõik eeldused andmeteadusega tegelemiseks. Nende andmeteadusse suunamisega me praegu Data Science Estonia alt tegelemegi.“

Lisaks toovad mehed välja privaatsuse ja masinõppe spetsiifikaga seotud ohud. „Euroopa Liidu uued regulatsioonid toovad kaasa uued juriidilised normid. Siin on oht klientide ja avalikkusega pahuksisse minna, mõnd seadust rikkuda või mainet rikkuda. Yahoo, mis küll on juba pigem ajaloolise väärtusega firma, kaotas minu silmis viimasegi usalduse, kui kuulsin, et nende ligi 2 miljardi(!)kasutajakonto info lekkis,“ ütleb Pungas.

Ka masinõppes võivad asjad väga valesti minna: „Kõige keerulisem osa on otsustada, milliste andmetega masinõppe algoritme välja õpetada. Masinõpet võib justkui vaadata kui väikest last: kui teda valesti õpetada, siis võib ta väga kehvasti käituma hakata,“ sõnab Tammiste.

Pungas lisab: „Kõik stereotüübid, mis andmetes sees on, jäävad nende põhjal tehtavatesse otsustesse: näiteks USAs on kuritegelikkus rassiti erinev, aga see ei tähenda, et õige otsus on üht ühiskonnagruppi pideva jälgimisega terroriseerida. Sellega on tugevalt seotud interpreteerimine: kui laseme andmetest õppinud mudelil teha otsuseid, siis tahame, et oskaksime öelda, miks mudel mingi otsuse tegi. Kui pank keeldub laenu andmast, tahab klient põhjendust; kui ühe kliendi jaoks on toote hind kõrgem kui teise jaoks, siis tahab ta teada põhjust. Seetõttu on interpreteerimine oluline, kuid paljud praegused lähenemised seda lihtsalt ei võimalda, nad on mustad kastid.“

 

Andmeteaduse tulevikuväljavaated Eestis – rõõmustavad või mitte?

Kas rõõmustada või mitte, sõltub peamiselt kahest asjast: kas suudetakse lahti saada pudelikaeladest ning kas osatakse ära kasutada oma strateegilisi eeliseid.

„Usun, et Eesti on ideaalne koht, kus saab kiiresti masinõppe kasutusjuhte määratleda, et vaadata, kas ühe või teise andmeteaduslahendusega on võimalik ka raha teenida. Samuti on Eesti juriidiline maastik uute asjade proovimiseks paindlik ja avatud. Näiteks Eesti ettevõte Starship alustas ju isesõitvate pakirobotite testimisega just Eestis,“ sõnab Tammiste. „Ma julgen ennustada, et mõne aasta jooksul kujunevad välja kahte tüüpi ettevõtted: need, kes kasutavad andmeteadust väga edukalt ja saavad sellega konkurentsieelise, ning need, kes ei kasuta andmeteadust, kuid tegelevad andmete müügiga esimest tüüpi ettevõtetele. Paljud suured konsultatsiooniettevõtted, näiteks PwC, ennustavad, et maailma üldine SKT tõuseb 14% aastaks 2030 just tehisintellekti kasutusele võtmise tõttu, nii et kindlasti osa sellest on ka Eesti ettevõtted.“

Ent selle õnnestumiseks on vaja tegeleda kitsaskohtadega. Näiteks on Pungase sõnul Eesti ülejäänud läänemaailmast andmeteaduse arengus umbes aasta või kaks maas, kuigi aina enam otsitakse teemaga kursis olevaid spetsialiste: „Eesti andmeteaduse arengus on praegu kaks olulist pudelikaela. Esimene on vähene teadlikkus: paljud inimesed (eriti tudengid) ei tea isegi, mis see on, rääkimata karjäärivõimalustest. Tegelen Data Science Estonia alt loengusarja „Ülikoolist andmeteadusse” korraldamisega, et seda viga parandada ja tuua rohkem füüsika-, keemia-, majandus- jm erialade tudengeid andmeteaduse juurde.

Teine pudelikael on haridus. Tartu ülikool pakub juba tegelikult kursusi, mida ma liigitan andmeteaduse alla, ja arvutiteaduse instituut mõtleb isegi andmeteaduse moodulite või õppekavade väljaarendamise peale, aga seda võiks teha rohkemate tudengite ja õppejõududega ning koostöös ettevõtetega. Ma ei süüdista siin kedagi: nii ülikool kui ka riik on ju selle suuna arendamisest huvitatud. Minu meelest võikski ülikooli, ettevõtete ja riigi koostöös luua Eestis ühe tugeva andmeteaduse keskuse, kus antakse haridust, tegeletakse projektidega ja tehakse teadust.“

„Meie tahame olla need, kes automatiseerivad, mitte need, kes ära automatiseeritakse,“ ütleb ta lõpetuseks.

 

Taivo Pungas ●        Autonoomseid pakiroboteid arendava ettevõtte Starship Technologies insener, kes on varem töötanud andmeteadlasena Skype’is ja TransferWise’is. Eesti andmeteadlasi ühendava Data Science Estonia ühingu asutaja ning Eesti tuntuim blogija andmeteaduse teemal: pungas.ee

Taavi Tammiste ●        Andmeteadusettevõtte SIFR tegevjuht ja kaasasutaja, endine Mooncascade´i andmeteadusvaldkonna juht. Töötanud ka insenerina Ericssonis ning tehnilise arenduse juhina Tele2-s. Üks juhtivaid andmeteaduse valdkonna äriarendajaid Eestis.