Dataa kertyy ja luodaan ympäristöstämme jatkuvasti enemmän, ja erilaisia tietoaineistoja hyödynnetään eri aloilla yhä monipuolisemmin. Data-analyysin avulla aineistoista on mahdollista tunnistaa ilmiöitä ja tehdä perusteltuja tulkintoja, jotka tukevat päätöksentekoa.
Kun tietoa on paljon tai sitä käsitellään toistuvasti, kannattaa analyyseissä hyödyntää ohjelmointia. Tämä tuo monia etuja. Usein taulukko- tai paikkatieto-ohjelmissa työläiltä tuntuvat analyysit voivat ohjelmoidessa olla yksinkertaisia ja sujuvia, sillä datan tai laskettavien tunnuslukujen määrä ei juurikaan vaikuta työmäärään. Lisäksi ohjelmointi tallentaa analyysin eri vaiheet eräänlaiseksi lokitiedostoksi, mikä tekee analyysin toistamisesta vaivatonta.
Kattavampaa laskentaa samalla rahalla
Rakennus- ja infra-alalla suunnittelutyön määrä on suoraan riippuvainen väylän, rakennuksen tai alueen koosta. Jos alue tai kohde laajenee myös työn määrä kasvaa. Sama periaate ei kuitenkaan päde data-analytiikkaan, sillä analyyseja ohjelmoimalla materiaalin määrä menettää merkityksensä. Kertaalleen ohjelmoitu analyysi voidaan yhtä hyvin toistaa niin kymmenelle kuin tuhannelle kohteelle, olipa kyseessä suojelualueet, rakennukset, lasten koulureitit tai bussipysäkit.
Ohjelmoitujen analyysien ansiosta projektien budjetti riittää kattavampaan laskentaan. Tämä tarkoittaa, että asiantuntijoilla on enemmän laadukasta tietoa päätöksenteon pohjaksi.
Tehokkuutta datan analysointiin
Analyysien ohjelmoinnissa tehokkuus on sisäänrakennettua. Työ aloitetaan aineiston avaamisella, jonka määrällä ei ole merkitystä, sillä aineistojen lukeminen on ohjelmoitua.
Luotettavien tulosten kannalta on tärkeää, että aineiston laatu varmistetaan. Datan korjaaminen ja siistiminen ovat data-analyytikolle rutiinityötä, johon ohjelmointi tuo tehoa ja sujuvuutta. Esimerkiksi virheiden tunnistaminen ja niiden korjaaminen pystytään pitkälti automatisoimaan.
Tilanteet muuttuvat projekteissa usein: lähtöaineistoa päivitetään, sitä tulee lisää, analyysin tavoitteet tarkentuvat tai joskus huomataan virhe. Kun koko analyysi lähtöaineiston käsittelystä tuloksiin on ohjelmoitu, eivät suuretkaan muutokset yleensä tuo lisäkustannuksia, sillä analyysiä ei tarvitse rakentaa uusiksi.
Selkeyttä tulosten esittämiseen
Konsulttimaailmassa on totuttu laatimaan erilaisia raportteja, joissa tuloksia esitellään useasta eri kohteesta ja monesta eri skenaariosta. Raporteissa on usein sivukaupalla datavisualisointeja, taulukoita sekä liitteenä olevia tulosteita. Ohjelmoiduissa data-analyyseissä erilaisia tarkasteluja voidaan luoda usein vain muutamalla koodirivillä eikä tulosten lukumäärä juurikaan vaikuta analyytikon työmäärään.
Joskus tulosten määrä kasvaa tuhansiin, kun analyysiä tehdään eri tunnusluvuin lukuisista eri kohteista ja ajanjaksoista. Silloin voi olla hyödyllistä ohjelmoida kevyt verkkoselaimella toimiva sovellus. Karttatulosteiden tai muiden visualisointien sijaan sovelluksen avulla pystytään esittämään valtava määrä erilaisia tuloksia ja niiden yhdistelmiä niin, että erilaisten valikkojen avulla kukin sovelluksen käyttäjä voi pureutua juuri niihin tuloksiin, jotka kiinnostavat eniten. Kun analyysit ohjelmoidaan, tuloksia voidaan myös esittää paljon tavallista enemmän.
Data-analyytikon työpöydällä
WSP:n data-analyytikot työskentelevät pääasiassa maankäytön ja liikenteen analyysien parissa. Viime vuosina merkittävimpiä työllistäjiä ovat olleet valtakunnallinen henkilöliikennetutkimus ja valtakunnallinen liikennemalli, joiden ohjelmointiin on käytetty useita henkilötyövuosia. Tyypillinen projekti on kuitenkin pienempi, muutaman kuukauden mittainen työ.
Ohjelmoitu analyysi ei ole aina kertakäyttöistä vaan usein data-analyytikon työ alkaa edellisen vastaavan ohjelmointiprojektin sopivien osien kopioinnilla. Joskus analyysimenetelmästä tehdään tuote. WSP:llä on kehitetty muun muassa joukkoliikenteen liityntäpyöräpysäköinnin malli, joka voidaan pienin räätälöinnein toistaa melkein missä päin maailmaa tahansa.