Kaikki lähtee datasta?

Data on usein tietoa, joka yksittäisenä yksikkönä ei kerro paljoa. Yhdistettynä moneen muuttujaan ja kerättynä useasta eri lähteestä, se antaa meille ainutlaatuisia tapoja tulkita, ennustaa ja sujuvoittaa melkeinpä mitä vain. Eri yhteisössä pitää hyödyntää digitalisaatiota ja sen tuomia teknologiaratkaisuja, mutta pohjimmiltaan teknologiaakin pystyy hyödyntämään vain, jos data on kunnossa.

Panosta dataan

Big data on monille absurdi käsite, joka ei välttämättä aukea, ellei sen parissa ole tehnyt töitä tai selvittänyt sitä tarkemmin. Kyseessä on konkreettisesti mieletön määrä dataa, josta prosessoidaan tietoa eri tarkoituksiin. Ilman prosessointia ja tarkempaa analysointia data voi olla turhaa täyttöä palvelimien kiintolevyillä.

Datan analysoinnissa on tärkeää panostaa yhdenmukaiseen, harmoniseen dataan. Analysoinnissa pääsee paljon vähemmällä, jos esimerkiksi sensorien syöttämä data on kaikki samalla mittayksiköllä tuotettua ja oikein nimikoitua.

Logistiikassa voidaan esimerkiksi miettiä eri reittien vilkkautta tai vaikka tutkia liikenteen aiheuttamaa tärinän määrää. Tällöin mittayksiköiden kalibrointi samaan tarkkuuteen eri sensoreilla, jotka sitä mittaavat mahdollistaa tuotetun datan vertailun keskenään – eikä esimerkiksi vahingossa vertailla 1db ja 0,1db arvoja samanarvoisina. Samoin oikealla tavalla nimikoidut tiedot ovat tärkeitä: on merkittävä ero, mitataanko teiden vai rautateiden aiheuttamaan tärinää tai onko kyseessä tie vt 15 tai vt 5.

Uuden soteuudistuksen myötä on puhuttu paljon myös sosiaali- ja terveyspalvelujen ICT-järjestelmistä. Terveysdata on varmasti monelle tuttua verikokeiden muodossa, mutta esimerkiksi eri lääkäritaloilla ilmoitetaan verenkuvien määreet eri mittayksiköillä.

Tällöin tulosten vertailuun tulee pakostakin yksi yksikkömuunnos lisää, joka täytyy tehdä manuaalisesti. Koska yksityisillä ja julkisilla terveyspalvelujen tuottajilla on kaikilla erilaiset järjestelmät, emme saa yhdenmukaista, helposti vertailtavaa tietoa mistään.

Jalostettu data – mitä sillä tehdään?

Kauppalehden artikkelissa 10.9.2021 visioitiin, mihin kaikkeen tekoäly pystyisi diagnostiikassa, jos terveysdata olisi tulevaisuudessa yhdenmukaista. Artikkelin mukaan ensiaskelia Suomessa ollaan jo ottamassa, ja tulevaisuudessa toivon mukaan esimerkiksi diabetekseen pystyttäisiin puuttumaan ennen kuin se puhkeaa.

Tämä on toki merkittävää jo yksityisen henkilön terveydentilan parantamisessa, mutta isossa mittakaavassa asia on myös kansanterveydellisesti ja -taloudellisesti merkittävä. Puhutaan jo kymmenien miljoonien säästöstä pelkästään yhden taudin osalta.

Tekoälyä voidaan myös hyödyntää laajemmin logistiikassa yhdistämällä sensoridataa teiltä, kulkuneuvoista ja esimerkiksi satamista. Tekoälyn hyödyntäminen videoissa on jo monella arkipäivää oman älypuhelimen kautta, mutta laajemmin sitä voitaisiin hyödyntää esimerkiksi laivojen lastauksessa.

Tällöin tarvitaan laadukasta, täysin reaaliaikaista videokuvaa, joka asettaa vaatimuksia myös tuotetun datan laadulle. Normaaleilla 4G-yhteyksillä ei vielä nosteta luotettavasti kontteja, vaan siihen tarvitaan 5G-yhteyden mahdollistama videokuvan laatu sekä latenssi eli niin sanottu vastaanottoaika. Tällaista teknologiaa on tutkittu juuri Xamkin 5G Finlog -hankkeessa, jossa HaminaKotka sataman Mussalon sataman konttiterminaaliin on rakennuttu 5G-testiverkko.

Robotit eivät ole humanoideja keskustelukumppaneita

Vaikka vuonna 2021 ei aivan sci-fi-sarjojen ennustamassa robotisoidussa maailmassa eletäkään, on robottien rooli merkittävässä kasvussa. Robotit eivät kuitenkaan tule olemaan poliiseja kaduilla tai humanoideja hovimestareita, vaan koneita, jotka tekevät jotain tiettyä tehtävää tai prosessia automatisoidusti.

Robotti suorittaa tehtävänsä täydellisesti, kunhan sille kerrotaan hyvin selkeästi, mitä siltä odotetaan. Robotin ohjelmointiin liittyy siis vahvasti syötetyn datan laatu, ja mitä monimutkaisemmasta tehtävästä on kyse, sitä enemmän vaaditaan sille syötetyltä datalta.

Hyödyt ovat tosin monella vielä ymmärtämättä. Haemme kirjoitushetkellä Robota – Digitaalisten taitojen kehittäminen robotisaation avulla -työnimellä rahoitusta, jossa tutkitaan ja koulutetaan terveydenhuollon ammattilaisia hyödyntämään yhä enenevissä määrin digitalisaatiota ja robotisaatiota työssään.

Tuoreen Jyväskylän yliopiston informaatiotekniikan tutkimuksen mukaan robotisaation avulla saataisiin viikossa yksi työpäivä lisää varsinaiseen hoitotyöhön. Tulosten pohjalla tällä hetkellä kolme viidestä työpäivästä on hoitotyötä ja loput muuta työtä.

Ennennäkemätön tulevaisuus

Tekoäly ja robotiikka ovat esimerkkejä teknologioista, joissa hyödynnetään dataa, ja joita käyttämällä pystymme entistä paremmin hyödyntämään ihmisiä niihin asioihin, joissa olemme parempia kuin kone. Kun terveydenhuollon ammattilainen pystyy keskittymään kohtaamaan toisen ihmisen kiireettä, ja keskittymään hänen ammattitaitonsa ytimessä olevaan osaamiseen, ovat sekä henkilöstö että asiakkaat tyytyväisempiä.

Satamat ovat turvallisempia työpaikkoja, kun isot nosturit ja kulkuneuvot ovat varustettuja älykkäillä kameroilla, jotka tunnistavat ympäristössä liikkuvat ihmiset.

Teknologia mahdollistaa nykyään niin paljon asioita, että välillä mieli ei enää edes taivu visioimaan, mitä kaikkea sen avulla voikaan tehdä. Tällöin juuri korkeakoulujen toteuttamat pilottihankkeet tarjoavat konkreettisia esimerkkejä tulevaisuuden mahdollisuuksista. Samalla ne poistavat uuden teknologian käyttöönotossa aina väistämättä ilmestyvät ensimmäiset pienet haasteet.