1.8 Big data, avoin data - mitä ihmettä?

Halusin kertoa teille aiheesta, jota olen itse kovasti pohdiskellut viime päivinä. Suurin osa ihan meistä taviksista ei oo koskaan välttämättä edes kuullut termejä big data tai avoin data, joten ajattelin jakaa teille infoa aiheesta ja hyviä vinkkejä niihin liittyen. Tämän postauksen lukemisen jälkeen et enää kuulu tähän kastiin ja voit sitten valaista kaveria samalla!



Data on dataa, onhan?


Tilastokeskus määrittelee big datan näin: "Big data syntyy erilaisista sähköisistä toiminnoista ja koneiden välisestä kommunikaatiosta (esim. data, jota syntyy tuotantoprosesseista tai sosiaalisen median käytöstä).

Big datalla on tyypillisesti seuraavia ominaisuuksia:

  • Dataa on hyvin suuria määriä

  • Datan muoto vaihtelee ja se voi olla rakenteellista tai ei-rakenteellista (esim. tekstiä, loki-tietoja, koordinaatteja, sensoridataa, klikkausdataa (clickstream data), kuvia, ääntä)

  • Dataa kertyy, muuttuu ja tulee saataville nopeasti"


Helsinki Region Infoshare taas määrittelee avoimen datan näin: "Avoimella datalla tarkoitetaan julkishallinnon, organisaatioiden tai yritysten tuottamaa tai niille kertynyttä julkista tietoa, joka on avattu rakenteisessa muodossa vapaasti ja maksutta kaikkien hyödynnettäväksi. Data on digitaalista raaka-ainetta: mm. tilastoja, taloustietoja, karttoja, kuvia, videotallenteita ja 3D-malleja." 

Sovellus jokaisen tarpeeseen

Saatat nyt kysyä itseltäsi: no mitä sitten? Avoimesta datasta voi olla sinullekin hyötyä. Jo aiemmin mainittu Helsinki Region Infoshare kokoaa yhteen Helsingin seudun avointa dataa hyödyntäviä sovelluksia. 


Uusimpana tulokkaana Kunta3D-sovellus, joka on 3D-kaupunkimallien ja -aineistojen julkaisualusta.


Suosituimpana sovelluksena sivustolla on pääkaupunkiseudun palvelukartta. Sen avulla voit etsiä ja löytää niin kunnalliset palvelut kuin monia ulkopuolisiakin palveluja.


Jos olet pohtinut omia päästöjäsi, voit Arkiliikenteen hiilidioksidilaskuri-sovelluksen avulla saada selville omat päästösi sekä vertailla niitä muiden päästöihin.


Etsitpä mihin vain käyttöön tilaa vuokrattavaksi, löydät sen Flextila-sovelluksesta.


Viimeisenä mainitsen vielä Green paths- sovelluksen, joka auttaa sinua löytämään hiljaisimman tai ilmanlaadultaan parhaan reitin Helsingissä. Suosittelen teistä jokaista tutkimaan Helsinki Region Infosharen listausta näistä eri avoimen datan sovelluksista, voitte yllättyä tarjonnasta! 

Yksi avoimen datan kriteereistä on uudelleenkäytön sallivat lisenssiehdot, joten miksei useammat yritykset käytä tätä ilmaista, saatavilla olevaa ja käyttövapaata dataa hyödykseen enemmän? Rakennusalan yritykset hyötyisivät varmasti monista erilaisista 3D-mallinnussovelluksista erilaisia projekteja kehittäessään. Kiertävät yritykset, kuten Pullabiili tai jäätelökojut voisivat käyttää Green paths-sovellusta etsiäkseen Helsingistä hiljaisia paikkoja, joihin pistää kojunsa pystyyn, luoden rennon kahvittelupaikan. 


Olitteko te ennen tätä kuulleet termejä big data tai avoin data? Kertokaa ihmeessä kokemuksia, uusia tuttavuuksia joita ehkä löysitte tai luotettuja lemppareita. Kommentoikaa kaikki aiheeseen liittyvä tai liittymätön!

Kiitos ja kuulemisiin,

Emma💚


Lähteet:

Helsinki Region Infoshare. 2021. Sovellukset. Luettavissa: https://hri.fi/data/showcase Luettu: 8.4.2021

Helsinki Region Infoshare. 2017. Mitä on avoin data? Luettavissa: https://hri.fi/fi/ohjeet/mita-on-avoin-data/ Luettu: 8.4.2021

Helsingin kaupunki. 2017. Pääkaupunkiseudun palvelukartta. Luettavissa: https://hri.fi/data/fi/showcase/paakaupunkiseudun-palvelukartta Luettu: 8.4.2021

HSL. 2017. Arkiliikenteen hiilidioksidilaskuri. Luettavissa: https://hri.fi/data/fi/showcase/arkiliikenteen-hiilidioksidilaskuri Luettu: 8.4.2021

Joose Helle. 2020. Green paths. Luettavissa: https://hri.fi/data/fi/showcase/green-paths Luettu: 8.4.2021

Joustotoimisto Oy. 2019. Flextila. Luettavissa: https://hri.fi/data/fi/showcase/flextila Luettu: 8.4.2021

Sova 3D Oy. 2021. Kunta3D. Luettavissa: https://hri.fi/data/fi/showcase/kunta3d Luettu: 8.4.2021

Tilastokeskus. 2018. Big data. Luettavissa: https://www.stat.fi/til/icte/2018/icte_2018_2018-11-30_kat_005_fi.html Luettu: 8.4.2021


Kuva 1.: https://www.pexels.com/fi-fi/kuva/puu-kahvi-kuppi-tyopoyta-590037/ 


Kommentit

  1. Antti Pokela13. huhtikuuta 2021 klo 0.48

    Visuaalisesti hyvin kätetty kuvia hyödyksi kuvatessa eri sovelluksia. Blogi on myös yleisilmeeltään hyvin kirjoitettu ja lukija ei tylsisty sitä lukiessa. Termit ''big data'' ja ''avoin data'' selitetty hyvin, sekä blogin lopussa on hienoja ideoita avoimen datan hyödyntämisestä yritysten näkökulmasta. Kaiken kaikkiaan mallikas suoritus! - Antti Pokela

    VastaaPoista

Lähetä kommentti

Tämän blogin suosituimmat tekstit

Lean canvas - faktat Taksari-innovaation takana

Tehtävänämme oli ryhmässä ratkoa toimeksiantajayrityksemme ongelmaa ja kehittää Taksari- sovellukselle uusia digitaalisia ratkaisuja, jotka lisäisivät Taksarin käytettävyyttä ja houkuttelevuutta. Toimeksiantajamme näki suurimmaksi ongelmakseen sen, että sovelluksen latauksia on haastavaa muuttaa matkoiksi. Lopulta päädyimme innovaatioon, jossa taksimatkaa voidaan kustomoida suodatustoiminnon avulla. Suodatusmahdollisuuksia ovat esimerkiksi matkan aikaiset palvelut, välietapit ja tavarankuljetus. Taksarin kohderyhmä Asiakaskohderyhmiämme ovat vanhukset, alkoholinkäyttäjät, varakkaammat henkilöt sekä työmatkailijat. Näistä kohderyhmistä vahvimpana voidaan nähdä varakkaat henkilöt, sillä heillä on varaa taksikyytiin, maksoipa se mitä tahansa. Aikaisia omaksujia ovat työmatkailijat sekä varakkaammat henkilöt. Heidän ominaisuuksiinsa kuuluu mukavuudenhalu, joten lisäpalvelumme mahdollistavat heille lisää mukavuutta niin lyhyille kuin pitkillekin (työ)matkoille. Suodatusmenetelmän hyödyt asi...
Lue lisää

4.4 Miten tekoäly voi muka syrjiä minua?

Kuva
Lähiaikoina kaikenlainen syrjintä on ollut valokeilassa, sillä yhteiskuntaamme tarvitaan muutosta. En tänään kuitenkaan tullut puhumaan teille politiikasta vaan hieman erilaisesta syrjivästä tahosta, nimittäin tekoälystä ja algoritmeista.  Tekoäly on siis Tekoäly.infon määritelmän mukaan koneen taikka laitteen kykyä ajatella ja oppia, sen tarkoituksena on mallintaa ihmisen tajuntaa ja suorittaa tehtäviä kuten ihminen. Tekoäly jaetaan kahteen kategoriaan: heikkoon ja vahvaan tekoälyyn. Heikko tekoäly ei osaa oppia, vaan se tekee kaiken ennaltamäärättyjen käyttäytymismallien mukaisesti. Vahva tekoäly pystyisi saavuttamaan tietoisuuden ja ajattelemaan kuten ihminen, mutta sellaista ei ole pystytty luomaan vielä. Ihmisen vai algoritmin vastuu? Tekoälyn käyttö yleistyy Suomessa ja maailmalla hurjaa vauhtia. Siitä voi olla suunnattomasti hyötyä, mutta on meidän ihmisten vastuulla syöttää sinne puhdasta tietoa, mistä on poistettu kaikki tekijät, joiden perusteella algoritmi voisi luod...
Lue lisää

5.6 Mitä yhteistä on Help-Hub-Herolla ja REANilla?

Kuva
Puhutaan tänään sisältömarkkinoinnista! Vapamedia on julkaissut viime vuonna todella mielenkiintoisen Sisältömarkkinoinnin mallit - oppaan ja sen kaveriksi neljäosaisen blogisarjan samasta aiheesta. He esittelevät teksteissä neljä eri sisältömarkkinoinnin mallia: Kuvan lähde: Pexels Help - Hub-Hero - malli  on laadittu YouTube-sisällöntuottajan näkökulmasta ja sen mukaan on kolmen eri sisältötyypin hierarkia. Big Rock- malli ssa pyritään hyödyntämään yhtä suurta tapahtumaa tai tuotantoa ja sen aikana tuotettuan sisältöä pidemmällä aikavälillä. Malli vaatii paljon etukäteissuunnittelua ja sopii yrityksille, joilla on tarvetta ja resursseja järjestää suuria tapahtumia ja joilla tuotteen elinkaari tai myyntiprosessi on pitkä. Content Pillars- mallissa  liikeelle lähdetään yrityksen tarjooman jakamisesta ja luokittelusta eri sisältöteemoihin, joiden ympärille yritys lähtee rakentamaan sisältöä. Jokaisessa pilarissa sisältö jaetaan staattiseen ja dynaamiseen, joista staattinen on ...
Lue lisää