Kategoria: Paras datan käyttö
Ruskavahti laittoi datan ennustamaan luonnonilmiötä
Ruskavahti on avointa dataa hyödyntävä palvelu, joka ennustaa tekoälyn avulla milloin ja mihin Suomessa kannattaa matkustaa kauneimman ruskan perässä. Palvelun rakentamiseen tarvittiin valtavasti dataa, sen tehokasta analyysia, luovaa tulkintaa ja datan selkeää visualisointia.
Tausta: Kokemuksia janoava etsii tietoa seuraavasta matkastaan
Miten palvella kansainvälistä matkailijaa, joka seikkailee paikallisten kokemusten imussa, mieluiten kaukana muiden matkailijoiden massoista ja haluaa tehdä matkastaan oman näköisensä?
Tämä tiedettiin Visit Finlandin tärkeästä, kansainvälisestä kohderyhmästä, jota matkailun valtakunnallinen organisaatio haluaa auttaa suunnittelemaan matkaa Suomeen.
Video
Strategia
Uniikin ilmiön ennustaminen auttaisi matkailijaa
Suomen huikea ruska on erittäin kiinnostava vaihtoehto paikallisia kokemuksia etsivälle kansainväliselle matkailijalle. Voisimmeko auttaa häntä datan avulla matkan suunnittelussa?
Luonnossa retkeily vaikutti olevan megatrendi, joka jatkuisi vielä pandemiankin jälkeen. Ruska on uniikki, mutta ennustamaton luonnon matkailuvaltti. Se on Suomen hanami, kuin japanilainen kirsikankukkajuhla, josta tiedämme karkeasti vuodenajan, mutta emme juuri enempää: matkailijan on lähes mahdoton selvittää, milloin ja missä tarkalleen juuri tänä vuonna ruska hehkuu.
Tämän ennustamisen haasteen päätimme taklata keräämällä tarvittavan datan, analysoimalla sen ja hyödyntämällä datan matkailijaa palvelevana visualisointina, palveluna ja sisältönä. Näin jonkin aikaa kehkeytynyt idea nousi suosioon luovien ja dataosaajien ajatuspajassa.
Syntyi Ruskavahti.
Ratkaisu
Vaativaa datankeruuta, analysointia ja tulkintaa
Löytäisimmekö tarvittavan määrän laadukasta dataa, jolla helpottaa ruskamatkan suunnittelua? Voidaanko dataa syöttää esimerkiksi karttaan tai kalenteriin? Voisiko tekoäly ennustaa datasta?
Datan kerääminen: Ensin tuli löytää visioon ja tarkoitukseen toimiva data. Tiimi kartoitti datalähteitä: voidaanko tieto ruskan etenemisestä raapia esimerkiksi internetiin tai someen ladatuista kuvista? Entä avaruudesta, satelliittien kuvista? Selvitystyön jälkeen totesimme, että riittävän laaja, luotettavin ja reaaliaikaisesti päivittyvä, avoin data saadaan liikenteenohjausyhtiö Fintrafficin kelikameroiden kuvista.
Kun kaikista Suomen 1 400 kelikamerasta tallennetaan kuvat päivittäin yhden vuoden ajan, saadaan yli puolen miljoonan kuvan datapankki, jolla kouluttaa tekoälymallia.
Datan analysointi: Datan analysointiin ja tulkintaan tarvittiin kaksi eri algoritmia: ensimmäisen olisi käsiteltävä raakakuvien data erikseen, josta tiedot tallentuisivat tietokantaan. Vasta sen jälkeen tapahtuisi ennustaminen esikäsitellystä datasta.
Tuli löytää laskennallisesti a) kevyt tapa analysoida kuviin kätkeytynyt data siten, että pystyisimme silti b) luotettavasti tunnistamaan ruskan värien – punaisen, keltaisen ja oranssin – etenemisen eri alueilla Suomessa.
Haasteita tuli eteen, sillä tehtävä oli uudenlainen, eikä valmista data-analyysin tai tulkinnan mallia ollut olemassa.
Datan tulkinta: Algoritmin piti siis oppia tulkitsemaan ruska raakadatasta, siinä ilmenneistä poikkeamista huolimatta. Sama kamera oli voinut ottaa peräkkäisinä päivinä kaksi kuvaa samasta paikasta: toisessa alkavan ruskan oli latistanut sumuinen päivä ja vesipisarat linssissä, ja toisessa kameran ohi oli ajanut punainen Coca-Cola-rekka, mikä saikin ruskatilanteen näyttämään petollisen positiiviselta.
Kaiken tulevassa visualisoinnissa, karttanäkymässä, piti pohjata dataan, ei ihmiskokemuksiin saati arvauksiin. Kaikki haasteet saatiin ratkottua, data analysoitua sekä datan poikkeamatkin tulkittua jatkohyödyntämistä varten.
Toteutus
Datan rooli oli syntyä uudelleen hyödyllisenä visualisointina
Vaikka iso määrä laadukasta, avointa dataa oli kaiken keskiössä, kohderyhmälle tärkeintä on toimiva toteutus: onko dataa helppoa ja selkeää käyttää? Tähän vaadittiin vahva, käyttäjäpolkuun nojaava palvelun konsepti ohjaamaan datan visualisointia ja dataa hyödyntävää teknistä toteutusta.
Prototyyppien avulla päädyttiin hyödyntämään data interaktiivisena karttana, jossa matkailija voi toiminnallisuuksilla testailla, mitä tapahtuu ruskaennusteelle eri ajankohtina, eri paikkakunnilla.
Kaikki Ruskavahdissa on kiinni livedatassa ja siksi se päivittää ennustetta ruskan edetessä. Mallin avulla datasta pystyy tunnistamaan, mikäli joillain alueilla ruska on esimerkiksi alkanut aiemmin kuin alkuperäiset ennusteet sanoivat.
Näin moderni matkailija, seikkailunhaluinen ruskakokemuksen metsästäjä, voisi vihdoin tehdä haaveilemastaan ruskamatkasta datalla omannäköisensä: päättää joko
- tarkan paikan (riittääkö Ruka vai onko mentävä Kilpisjärvelle?) tai
- tarkan ajankohdan (minkä viikon varaisin syksyn Oulun-matkan ajankohdaksi?)
Ruskavahti-palveluun kerätyn, tulkitun ja visualisoidun datan sekä sitä hyödyntävien kätevien toiminnallisuuksien avulla.
Tulokset
Data merkitsi luovuuden edellytystä
Jo se, että valokuvista ja videoista lähdetään hakemaan dataa, on itsessään haastavaa. Avointa dataa on käytetty luovien toteutusten voimana verrattain vähän. Työn idea ei ollut suora datan visualisointi, vaan raakadata piti prosessoida, käyttää algoritmien kautta ja vasta sitten syntyi luovalle toteutukselle, konseptille ja palvelulle riittävä aineisto.
Datan merkitys työlle on ilmeinen: jos tällaista dataa ei olisi ollut, olisi innovatiivinen palvelu, luotettava ja datasta ennustava Ruskavahti jäänyt tekemättä. Sivustokäyttäytyminen kuumimman kävijäpiikin aikana 25.8. – 3.9.2022 Ruskavahdissa kertoo varsin tyytyväisistä datan hyödyntäjistä:
- Ruskavahdin Bounce Rate oli 54 % eli kävijät tutustuivat uteliaana datan mahdollistamaan uuteen palveluun.
- Erityisen alhainen Bounce Rate oli avoindata.fi-palvelun kautta tulleiden keskuudessa.
- Sivustolla vietettiin keskimäärin yksi minuutti ja neljä sekuntia, vaikka valtaosa saapui palveluun uutisen kautta, ei vielä itse, jonkin oman matkansa takia.
- Ruskavahtiin tulleet katsoivat hieman alle neljä alasivua sivustovierailunsa aikana.
Kampanjoinnilla aikaansaadun kävijäpiikin jälkeenkin Ruskavahti säilytti vetovoimansa. Ruskavahdin pariin saapui Euroopasta lukuisia uteliaita, ja palvelun potentiaalinen tavoittavuus (reach) tiedotusvälineiden julkaisemien sisältöjen osalta oli huima, lähes 386 miljoonaa.
Ruskavahti julkaistiin inspiraatioksi vuoden 2022 elokuussa, jolloin suuri osa syksyn matkoista oli jo suunniteltu. Vuonna 2023 voimme kysyä käyttäjiltä, miten hyvin Ruskavahti – ja sen taustalla ollut data – auttoi heitä matkasta haaveilussa ja datalähtöisessä matkasuunnittelussa.
Tekijät
Asiakas
Visit Finland
Digitaalisen palvelun idea, luova konsepti ja prototyyppi; sosiaalisen median jalkautussuunnitelma ja sisällöntuotanto sekä projektijohto ja
Ruskan ennustusalgoritmi ja tekoälyennustukset; skaalautuva data ja kuvien prosessointi; back-end suunnittelu ja prosessointi; ETL-prosessi ja algoritmin suorituskyvyn monitorointi ja optimointi sekä kampanjasuunnittelu:
Dagmar
Palvelun digitaalinen suunnittelu; visuaalinen suunnittelu, front- ja back end -kehitystyö; digitaalinen toteutus ja optimointi; sisällöntuotanto:
Accenture Song