Eesti ettevõtted kipuvad prognoosimise kohta arvama, et pole mõtet kohvipaksu pealt ennustada. Ometi pole tegu kaugeltki ainult kohvipaksu vaatamisega. Kasutades algoritme ehk matemaatilisi mudeleid, on minevikuandmetele tuginedes võimalik järgmisi samme ette arvata ja need ettevõtte kasuks tööle panna.

OÜ Infovara ärianalüüsi juhtivkonsultandi Andres Kukke sõnul on inimene soovinud aastasadade jooksul ette näha, mida homne päev toob. „Sest me teame ja tunnetame, et aeg ei kulge ainult minevikus,“ märkis Kukke. Infoajastul on tema sõnul paslik küsida, kas arvuti võiks homset ennustada ja kuidas panna prognoosivad algoritmid ettevõtte jaoks tööle.

 

Ennustamine tegevusena pole Kukke sõnul haruldane, see saadab meid igal sammul. „Homse ilma prognoos on üks levinumaid näiteid igapäevaelust,“ märkis ta. „Autoomanikud jälgivad bensiininäidikut auto armatuurlaual, mis annab etteulatuvalt teada, mitmeks kilomeetriks veel kütust jagub. Samuti jälgivad pangad meie krediitkaardi tehingute mustreid, et tuvastada ebaharilikke sündmusi ja võimalikke pettusi,“ loetles Kukke.

Taoliste tulevikku vaatavate ennustuste taustaks on algoritmid ehk matemaatilised sammsammulised eeskirjad või mudelid, mille abil on eelnevatele sündmustele tuginedes võimalik ette arvata järgmisi samme. Algoritmid on laialt kasutuses digitaalses maailmas, näiteks veebiturunduses ja e-kaubanduses.

Kukke tõi näiteks, et järgmise ostu soovituse matemaatiline algoritm, mida Amazon edukalt kasutab, töötati välja juba eelmisel sajandil. „Kindlasti olete märganud veebilehtedel teile suunatud reklaame just nendest toodetest, mida internetist äsja otsisite või seda, et Facebook ja LinkedIn pakuvad edukalt kontakte, keda võiksime tunda. Kogu selle „teadlikkuse“ taga on matemaatilised algoritmid,“ selgitas ta.

 

Täpsus sõltub algandmetest

Kuna pea igast meie tegevusest jäävad digitaalse jäljena maha andmed, saab prognoosivaid algoritme kasutada ka äritegevuses. „Soovides ennustamisest ettevõttes kasu lõigata, tasub esmalt defineerida, mida soovitakse ennustada, ning koguda selle kohta andmeid,“ soovitas Kukke. „Algoritmid on täpselt nii targad, kui targad on meie algandmed.“ Kui andmed on olemas, tuleb hakata neid töötlema, analüüsima ja sünteesima, et luua prognoosimiseks sobiv algoritm. „See on ärianalüüsi valdkond, mis ei keskendu ainult küsimusele „miks?“, vaid otsib vastuseid, mis hakkab juhtuma,“ selgitas Kukke.

Loe edasi täismahus artiklit Finantsuudistes

Artikkel Äripäeva Finantsuudiste portaalis 29.08.2017