6.4. Käyttötapausten toteutus data-alustalla

Alla kuvataan esimerkkeinä, miten kolme pääkäyttötapausta toteutetaan data-alustalla. Ennen analyyttisen mallin rakentamista käyttötapaukseen liittyvät datat on tuotava data-alustalle, ellei käyttötapauksen datatuotteita ole vielä olemassa. Kun datat on tuotu alustalle, puhdistettu ja esikäsitelty vaadittavalla tavalla, voidaan tietoa hyödyntää analytiikkaympäristössä.

Asiakaskokemuksen parantaminen

Kaupungin digitalisaatio-ohjelman mukaisesti kaupunki panostaa proaktiivisiin ja henkilökohtaisiin palveluihin. Proaktiivisuus vaatii data-alustalta kyvykkyyksiä ennakoida asiakkaan henkilökohtaiset tarpeet ennen kuin asiakas itse ottaa kaupunkiin yhteyttä.

Data-alustan kannalta kyseessä on palvelutarpeiden asiakaskohtainen ennakointi, jossa käytetään syötteenä yksittäisen asiakkaan tai asiakasryhmän tietoa. Kun algoritmi löytää asiakkaan kriteereihin sopivan palvelun, voidaan palvelua suosittaa erilaisissa asiakaskohtaamisissa esimerkiksi asiakaspalvelutapahtuman yhteydessä tai lähettämällä asiakkaalle palvelusta viesti käyttäen hyväksi esimerkiksi Helsinki-profiilin kautta löytyviä yhteystietoja ja asiakkaan antamia viestintäasetuksia. Data-alustan kannalta viestien lähetys voi tapahtua joko eräajona tai APIn kautta, mikä mahdollistaa myös reaaliaikaisten viestien lähetyksen suoraan operatiivisista järjestelmistä. Esimerkkinä ennakoinnista on koulupaikan tai kielikurssin tarjoaminen asiakkaalle pohjautuen taustatietoihin.

Kaupungin henkilökunnan avustaminen palveluprosesseja optimoimalla

Kaupungin tuottamissa palveluissa syntyy iso määrä tietoa, jota keräämällä ja analysoimalla voidaan luoda dataan pohjautuvia tilannekuvia sekä optimoida palveluprosesseja. Data-alustan kannalta dataa kerätään ja yhdistetään eri datavarannoista sekä julkaistaan visualisointeja varten.

Palveluprosessien optimoinnit suoritetaan optimointi- ja simulointialgoritmeilla, joilla haetaan prosessin vaihtoehdoista ne, jotka parhaiten optimoivat algoritmille syötetyt tavoitteet. Optimoinnin tuloksena voi olla esimerkiksi arvioitu henkilökunnan tarve palvelupisteellä tietyllä kellonajalla, jolloin ryhmänvetäjä voi laatia optimaaliset työlistat ennakkotiedon perusteella.

Tiedolla johtaminen

Tiedolla johtamisen käyttötapauksessa yhdistetään useita datavarantoja, jotta pystytään analysoimaan eri ilmiöiden ristikkäisvaikutuksia. Analytiikkavälineitä ja -menetelmiä kehittämällä voidaan monipuolistaa päättäjille suunnattua tietotarjontaa. Tämä tapahtuu hyödyntämällä perinteisten tilastojen ja historiallisten datojen lisäksi uusin tiedonkeruumenetelmin hankittuja datoja ja soveltamalla niihin ennustemalleja. Mallien luomista varten käytetään historiallista tietoa opettamaan mallia koneoppimisen menetelmin. Kun malli on opetettu, mallilla pystytään tuottamaan ennusteita ja skenaarioita päättäjille päätöksenteon tueksi. Skenaarioita voidaan visualisoida käyttämällä esimerkiksi dashboard-mittaristoja. Kaupunkimallin data-aineistojen ja tietomallien yhdistelmä luo alustan ja digitaalisen kaksosen, jonka integrointi kaupungin palveluprosesseihin tuo hyötyjä tehokkuudessa, tuottavuudessa, toiminnan suunnittelussa ja tarkkailussa sekä läpinäkyvyydessä.