Mitä yhteistä on Azurella ja mustikankeruulla, muutakin kuin että molemmat sinertävät, vaikkakin vähän eri sinistä? Ja miten nämä liittyvät säähän tai siihen kannattaako lähteä mökille?
Huhtikuussa osallistuimme Innofactorin päivän mittaiseen hackathoniin, jonka aikana tiimimme halusi vastata suomalaisten jokakesäisiin marjanmetsästyksen ikuisuuskysymyksiin: Milloin mentäis mustikkaan? Onko mökillä jo niitä, kannattaisko käydä tutkailemassa jo nyt vai vasta ensi viikonloppuna? Entäs tässä ihan lähellä, löytyykö?
Innofactorilla on onneksemme (nimemmekin jo huomioiden) ymmärretty panostaa innovointiin. Tiimimme ajatteli kertoa teille tämän mustikkaisen esimerkin avulla, miten jo verrattain pienellä panostuksella innovointiin voidaan luoda vapaata tilaa ajattelulle ja tekemiselle.
Milloin mustikkaan? – Eli mitä tehdään prediktiivisellä analytiikalla?
Mustikkaan? -sovelluksen taustalla on lämpösummien laskentaan perustuva malli, joka kertoo säähavaintojen ja -ennusteiden perusteella milloin mustikka kypsyy. Se hyödyntää prediktiivistä analytiikkaa ja poimii säädatan Ilmatieteen laitoksen avoimen säädatan tietokannasta. Lämpösummamallin kehittämisessä on käytetty Luonnontieteellisen Keskusmuseon (Luomus) ja Suomen Tiedeseuran keräämää aineistoa mustikan kypsymisen ajoittumisesta.
Mustikkaan? -sovellus on tietääksemme ensimmäinen malli, jossa mustikan sadon ajoittumista ennustetaan säätietojen perusteella. Mustikkaan? -sovellukseen voisi jatkossa yhdistää myös alueellista tietoa metsätyypistä ja siten kertoa sekä ajallisesti että paikallisesti, kuinka kaukana lähin mustikka-apaja todennäköisesti siintää.
Mustikkaan? -sovelluksen laskennan taustalla on lämpösummamalli, jolla voidaan kuvata monenlaisia luonnon kehitysprosesseja. Periaatteessa samaa mallia on käytetty mm. siitepölyennusteiden takana olevissa kukintaennusteissa. Mallilla voisi kuvata myös monien viljelykasvien (puutarhakasvit, viljat, heinä jne.) kehittymistä ja tuloksia soveltaa näiden hoitotoimien ajoittamisessa.
Vuosirytmitutkimus rinnastuu tiiviisti ilmastonmuutoksen tutkimukseen. Jo nyt pidemmistä vuosirytmin aikasarjoista voidaan havaita tapahtunut ilmaston lämpeneminen. Mallien ja sovellusten avulla voidaan ennustaa, miten kasvien vuosirytmi muuttuu tulevaisuudessa, ja siten varautua niiden avulla tulevaisuuteen. Samaan aikaan tämän kaltaisia sovelluksia voi käyttää alustana uuden tutkimusaineiston joukkoistetulle keräämiselle, esimerkiksi pyytämällä sovelluksen käyttäjiä antamaan palautetta ennusteiden osuvuudesta.
Käytetty pitkittäisaineisto kertoo paljon muustakin kuin siitä, milloin mökille kannattaa lähteä. Kun tarkastelemme kertynyttä dataa vuosikymmenten ajanjaksolla, näemme myös pienen pirstaleen muutoksista ilmastossa ja niiden mahdollisista vaikutuksista mustikkasatoon. Malli on laajennettavissa myös muuhun satodataan, ja on siten hyödyllinen myös ammattiviljelijöille.
Sadon kypsymisennuste perustuu Luonnontieteellisen Keskusmuseon mustikan kypsymisdataan, joka yhdistetään Ilmatieteen laitoksen sääennustedataan. Säähavainnot ja -ennusteet luetaan Ilmatieteen laitoksen avoimen datan tietokannasta, Harmonie-ennusteista Azuren web servicenä pyörivällä Python-skriptillä, joka purkaa aineiston GRIB-pakkauksesta, laskee hetkellisistä lämpötiloista lämpösummat ja mustikan kypsymisen ennusteen, sekä kirjoittaa tulokset Azuren SQL-tietokantaan. Sovellus on visualisoitu Google Mapsin päälle lämpökarttakerroksena Mapsin JavaScript APIa hyödyntäen.
Tiimimme muodostui data-analyytikosta, haxx0rista, palvelumuotoilijasta, graafikosta, myyjästä ja käsienheiluttelijasta.
Tapio Linkosalo: Olen jokin aika sitten aloittanut Innofactorilla data-analyytikkona. Panokseni tähän projektiin oli marjankypsymisen ennustemallin muotoilu laskennalliseen muotoon, sääaineiston poiminnan skriptaus ja tulosten kirjaaminen tietokantaan. En ole käyttänyt aiemmin laskennan pilvipalveluja, joten projekti on ollut minulle hyvin opettavainen tämän työskentely-ympäristön opettelemisessa. LinkedIn
Susanna Neiglick: Työskentelen Innofactorilla konsulttina ja tiiminvetäjänä analytiikan ja optimoinnin parissa. Oli hyvä huomata, että koodauksen lisäksi konseptoinnissa, idean markkinoinnissa, asioiden järjestelyssä ja esteiden poistamisessa tiimin tieltä on kosolti tekemistä. Päädyin lisäksi päivän seurauksena asentamaan Visual Studion. Mitähän tästä seuraa..? Huomasin tämän proggiksen aikana, että meillä kaikilla on piileviä kykyjä, jotka tämän kaltainen päivä toi meidän tiimissä hienosti esiin. LinkedIn
Heidi Laitinen: Olen Innofactorilla palvelumuotoilijana. Lähdin mielenkiinnolla mukaan innovoimaan jotain uutta Innofactorin Hackathoniin. Tiimimme perusideaksi muodostui mustikan satokausi-sovellus, mikä kuulosti hyödylliseltä ja kekseliäältä. Projekti on opettanut, miten nopeasti tuloksia voidaan saada, kun sitä rajataan tarpeeksi. LinkedIn
Iikka Meriläinen: Olen Innofactorilla sovelluskehittäjänä. Vastasin tässä projektissa arkkitehtuurisuunnittelusta ja www-sivuston teknisestä toteutuksesta. Projektin aihepiiri ja ketteryys miellytti, ja pääsin opettelemaan uutta karttapalveluihin tutustuessa. Sitten mustikkaan. LinkedIn
Tiimistämme hackathon oli mielekäs tekemisen malli ennen kaikkea siksi, että oman kädenjälkensä näki heti päivän päätteeksi.
Kollegamme Minna Marttinen kirjoitti muuten taannoin mainion tekstin innovaation tarvitsemasta tilasta, mainiten siinä Tekesin selvityksen, joka kertoo tiivistetysti kuinka suuremmassa organisaatiossa happi saattaa loppua innovaatiolta liiallisen turvallisuushakuisuuden ja rakenteiden jäyhyyden vuoksi, ja kuinka hyvin suuri osa suomalaisista yrityksistä ei vielä(kään) osaa panostaa innovaatioon koko toimintakulttuuriaan muokkaamalla.
No koska sen mustikan sitten löytää?
Katso https://mustikkaan.fi!