Modeli Metode i Metodologije

11 Oct

Bilo kuda podatci svuda ali bez procesa nema ništa od truda

Kroz zadnjih nekoliko godina u našem Big Data lab-u se bavimo sa strukturiranjem podataka iz različitih izvora, pronalaženjem funkcija koje možemo primijeniti na te podatke te identifikacijom koristi koje možemo kreirati.

Data Functions Benefits Figure

 

Slika 1 – Okvir Data – Functions – Benefits (DFB)

Koristeći okvir Data – Functions – Benefits (DFB) s vremenom smo uvidjeli da se isti osim za potrebe dizajna informacijskog sustava isti može i koristiti i za potrebe razvoja poslovnih pothvata temeljenih na novim tehnologijama koji unutar svojih procesa obrađuju podatke kako bi generirale koristi za krajnje korisnike. Pojednostavljeno rečeno, ako kreiramo informacijski sustav on bi morao imati neku svoju svrhu te generirati koristi za krajnjeg korisnika smanjujući neizvjesnost koja se nalazi u socio tehničkim sustavima u kojima krajnji korisnik djeluje.

Tijekom vremena došli smo do sekvence koja se počela ponavljati iz projekta u projekt. Ista se nametnula kao pomoć prilikom izrade informacijskih sustava temeljenih na big data konceptu uključujući dizajn, izradu te kontinuirano unapređenja. Povratna veza od korisnika sustava, koja se temelji na obrascima informacijskog ponašanja korisnika temeljeno na analizi logova, omogućuje dizajniranje adaptivnih funkcionalnosti informacijskog sustava. Primjer iz svakodnevnog života je nova funkcionalnost iOS12 koja omogućuje da korisnik ima uvid u provedeno vrijeme za zaslonom ali i mogućnost podešavanja kontrolera koji će odrediti kako telefon funkcionira.

iPhone X showing Screen Time stats for Jason’s iPad with time spent on Games, Entertainment and Social Networking, plus menu links for Downtime, App Limits, Always Allowed and Content and Privacy Restrictions.

Slika 2 –  View, Model, Control sučelje korištenja mobilnog uređaja (reference, retrieved 11.10.2018)

Sekvenca se sastoji od sljedećih koraka

Definiranje izvora signala – bilo koji podatak će se pojaviti na nekom izvoru signala. Međutim signal je najčešće dinamičan i ima svoje oscilacije. Naprimjer jačina svjetlosti na zemlji se mijenja iz dana u noć, te ima svoju dinamiku unutar dana. Ako radimo sustav koji uključuje ili isključuje rasvjetu nije potrebno pohranjivati sve podatke koje signal generira. Stoga prije nego odredimo koje podatke želimo sakupljati potrebno je definirati sve moguće izvore signala koji mogu generirati podatke za informacijski sustav.

Definicija podataka koji se obrađuju informacijskim sustavom – kada imamo uvid u sve signale koji dolaze iz socio tehničkih sustava (ponašanje ljudi, ponašanje prirode, ponašanje strojeva) potrebno je odrediti koje podatke želimo pohraniti u informacijski sustav za daljnju obradu. Ako analiziramo razinu svjetlosti te temperaturu u nekom prostoru moramo odrediti na koji način iz konstantnog signala pospremamo podatke u informacijski sustav za daljinu obradu. Ovisno o kontekstu, te koristima koje želimo dobiti informacijskim sustavom određujemo spremamo li podatke za svaku minutu ili svaki sat, pospremamo li s jednom ili četiri decimale, te u kojem formatu te u koji tip baze podataka.

Izračunavanje korelacija  – kako bi mogli znati koje su nam variable bitne za daljnju obradu podataka potrebno je u setu podataka pronaći korelacije. Korelacije podataka su nam temelj da odredimo koje su to variable kojima kasnije možemo modelirati i modelirati ponašanje informacijskog sustava. Osnovno svojstvo variable je da ima vrijednost te se ista može mijenjati. Naprimjer svijetlo se može mijenjati zbog kretanja sunca, ali isto tako možemo automatizirati umjetno svjetlo u prostoru sukladno potrebama čovjeka koji se nalazi u tom prostoru (npr čovjek može čitati ili spavati).

Kauzalnost i povratne veze – kada imamo variable, čije se vrijednosti mijenjaju, potrebno je utvrditi međusobnu povezanost tih varijabli, odnosno ustanoviti njihovu kauzalnost te snagu te povezanosti (odnosno statističku vjerojatnost da promjena A rezultira promjenom B). Što je vjerojatnost veća i kauzalnost je veća. Obično se bavimo složenijim sustavima potrebno je i definirati povratne veze informacijskog sustava. Naprimjer ako količina svjetlosti padne, upali umjetnu rasvjetu, kada umjetna rasvjeta podigne temperaturu u prostoru, upali ventilaciju, ako je ventilacija pre jaka upozori čovjeka u prostoru da se može prehladiti.

Modeliranje i razvoj funkcija – kada smo definirali komponente sustava (variable) te njihove povratne veze, potrebno je modelirati sustav koristeći se nekom od postojećih metodologija (npr konceptualizacija, formulacija, testiranje i implementacija, Randers, 1980) te razraditi funkcije koje obrađuju podatke na način kako bi se moglo upravljati informacijskim sustavom (kako kroz simulacije prije stvarne realizacije funkcije, putem automatizirane realizacije funkcije). Isto tako poželjno je implementirati mehanizme koji omogućuju promatranje ponašanja sustava kroz vrijeme te tako sakupljamo podatke za unapređenje modela kroz vrijeme.

Kontroleri – kada imamo model i funkcije onda znamo što kontroliramo te zašto. Implementacijom kontrolera omogućujemo krajnjem korisniku da prilagođava sustav sukladno potrebama te implementaciju (polu)automatiziranog rada sustava. Isto tako različiti kontroleri se mogu dodjeljivati različitim korisnicima sustava sukladno njihovim radnim zadatcima.

Vizualizacija – kao zadnji korak u sekvenci izrade informacijskog sustava potrebno je napraviti vizualizaciju informacija koje sustav generira. Kvalitetna vizualizacija informacija omogućuje lakše i učinkovitije korištenje informacijskog sustava te tako i rezultira većim korištenjem istog.

 

References

Randers, J. 1980. “Guidelines for Model Conceptualization” in Elements of the System Dynamics Method. J. Randers, ed. Waltham, MA: Pegasus Communications

07 Jun

Primjena strojnog učenja za potrebe evaluacije uspjeha startup tvrtke

U četvrtak, 8.6.2017, u 14 sati u Brozovoj 6a u prostoru Poduzmi@TVZ (4 kat) održat će se predavanje kolege Bojana Jankova sa Sofia University. Boyan će prezentirati svoj istraživački rad na kojem je i doktorirao, koji se bavi primjenama strojnog učenja u svrhu predviđanja i evaluacije uspjeha startup tvrtki. Boyan osim sto predaje na Sofia University, vlasnik je i uspješne i brzo rastuće IT tvrtke koja se bavi razvojem aplikacija temeljenih na umjetnoj inteligenciji i Java tehnologijama. Boyan je gost TVZ-a u sklopu Erasmus programa.

Model koji je Boyan razvio u svom doktoratu

http://tehnoloskopoduzetnistvo.com/index.php/2016/11/28/detaljan-model-predikcije-uspjesnog-startup-a/

Bojanov Blog

https://byankov.com/

28 Nov

Detaljan Model Predikcije Uspješnog Startup-a

Temeljeno na doktorskom radu kolege Boyana Yankova iz Sofie koji je doktorirao na temu predikcije uspješnosti startup-a koristeći se tehnikama strojnog učenja donosimo prijevod ključnih faktora uspjeha Startup tvrtke.

mind-map-image-of-detaljan-model-uspjesnog-pokretanja-startup-boyan-yankov

Download PDF verzije 

Reference

https://byankov.com/detailed-model-of-a-successful-startup/

http://www.unwe.bg/uploads/Alternatives/2_broi_3_2014.pdf

Publikacija: Yankov, B.: Methodology for Bulgarian Technological Start-ups Success Prediction, Models and a software application for success prediction of start-up companies, Doctoral Dissertation, Sofia (2015)

25 Jun

Demistifikacija Eksperimenata

Kada netko kaže da svaki klijent ima problem, a da za svaki problem ima rješenje, međutim da svako rješenje nema klijenta, možemo reći da umno zbori (bar u kontekstu poslovanja). Stoga se isplati pogledati ovaj video od svega 6 minuta koji demistificira hipoteze i eksperimente kao alat za testiranje poslovnih koraka.

Neke od ključnih poruka su da treba testirati prvo najriskantnije pretpostavke, jer ako one ne “drže vodu” neće ni one koju su manje riskantne. Bolje da poduzetnik sam eliminira neku funkcionalnost proizvoda nego da to napravi tržište (bar je jeftinije, makar zna lupiti na ego). Na tri načina se može provjeriti pretpostavka, intervjuom, pokušajem prodaje prije nego je rješenje gotovo ili da se isto ispostavi “ručno” klijentu.

Sergej Lugović
25.06.2015