I think there is a world market for maybe five computers (Chairman of IBM, 1943). Computers in the future may weigh no more than 1.5 tons (Popular Mechanics, 1949). There is no reason anyone would want a computer in their home (President, DEC, 1977).
Tulevaisuuden ennustaminen on vaikeaa, mutta silti on olemassa menetelmiä, joilla voimme yrittää hyödyntää erilaisten ilmiöiden välistä tai sisäistä ajallista riippuvuusrakennetta.
Aikasarja-analyysi on kokoelma erilaisia menetelmiä, joilla aikasarjojen sisäisen sekä keskinäisten riippuvuuksien avulla voidaan toisaalta ennustaa tulevaisuuden havaintoja tai selittää sarjojen vaihtelun luonnetta.
Aikasarjamallien tuottamat ennusteet voivat olla äärimmäisen tärkeitä osana jotain laajempaa optimointia, esimerkiksi vaikka varastokantaan sitoutuneen pääomakustannuksen minimisoinnissa ehdolla, että liikevaihtoa ei menetetä tuotteiden loppumisen vuoksi.
Kurssilla käsitellään:
- Johdanto aikasarja-analyysiin
- Mitä aikasarjat ovat, mitkä ovat niiden erityispiirteet ja käytetty terminologia
- Esimerkkejä aikasarja-analyysin hyödyntämisestä
- Energia-alan esimerkkejä
- Kysyntä ja varastokanta
- Aikasarjojen ominaisuudet
- Kausivaihtelu, trendi ja rakennemuutokset
- Historiariippuvuus ja keskinäinen riippuvuus
- Stationaarisuusolettama- ja sen testaus
- Hyvän ennusteen ominaisuuksista
- Aikasarjamalleista
- ESM, Arima
- Dynaamiset regressiot, siirtofunktiomallit, VAR
- Automaattinen aikasarja-analyysi ja ennustaminen
- Esimerkkinä Facebookin kehittämä kirjasto Python API:n kautta
Osallistujan ei tarvitse tuntea aikasarja-analyysin aihealuetta ennalta. Oma tietokone ja siihen asennettu Python -ohjelma ovat hyödyllisiä, mutta eivät välttämättömiä. Osallistuja voi halutessaan ratkaista kouluttajan esittämiä harjoitustehtäviä kouluttajan antaman materiaalin perusteella.
Hyödyt:
Osallistuja ymmärtää, mitä aikasarjat ovat, mitkä ovat niiden keskeiset piirteet ja miten kyseistä tietoa voidaan hyödyntää liiketoiminnassa. Aikasarja-analyysin tuottamia ennusteita voidaan hyödyntää myös osana liiketoimintaprosessien kehittämistä vaikkapa optimoinnin keinoin.
On olemassa automatisoituja ennustejärjestelmiä. Näiden käyttöönotto helpopttuu, kun algoritmeille on olemassa riittävästi dataa. Kurssilla käsitellään myös, miten automatisoidulla ennustejärjestelmällä voidaan tuottaa dataa organisaation prosessien kehittämiseen.
