Yhteistyö käynnistyi tutkimustarpeesta
Artikkelin taustalla oleva opinnäytetyö sai alkunsa Vaasan yliopistolla käynnissä olevasta väitöskirjatutkimuksesta, jossa hyödynnetään yritysten tilinpäätösdataa neuroverkkojen kouluttamisessa. Tutkimuksen eteneminen edellytti työkalua, joka pystyisi keräämään, tulkitsemaan ja jalostamaan suuria määriä yritysdataa automaattisesti.
Ratkaisun toteuttajaksi löytyi VAMKin opiskelija, joka tarttui haasteeseen opinnäytetyönään. Yhteistyö käynnistyi työhaastattelun kautta ja eteni samalla tavoin kuin monissa työelämän ohjelmistoprojekteissa: tarpeen määrittelystä suunnitteluun, toteutukseen ja lopulliseen käyttöönottoon. Projektin tavoitteena oli kehittää ohjelmisto, jonka avulla Patentti- ja rekisterihallituksen avoimesta rajapinnasta saatava XBRL-muotoinen yritysdata voitaisiin muuntaa neuroverkkojen kouluttamiseen paremmin soveltuvaan muotoon.
XBLR-data tutkimuskäytössä
Patentti- ja rekisterihallitus tarjoaa yritysten rakenteellisia tilinpäätöstietoja avoimen rajapinnan kautta. Tiedot ovat saatavilla XBRL-muodossa, joka on kansainvälisesti käytetty talousraportoinnin standardi. XBRL:n vahvuus on sen tarkka ja rakenteellinen tapa esittää taloustietoa. Samalla se tekee siitä haastavan hyödyntää sellaisenaan tutkimuksessa tai koneoppimisessa. Tiedostot perustuvat XML-rakenteeseen, jossa tiedot muodostavat useita tasoja sisältävän hierarkian. Tilinpäätöksen luvut, aikajaksot, yksiköt ja muut taustatiedot ovat kytkeytyneet toisiinsa monimutkaisten viittausten kautta.
Neuroverkkojen näkökulmasta tällainen aineisto ei ole suoraan käyttökelpoista. Ennen mallien kouluttamista data täytyy muuttaa selkeäksi, yhdenmukaiseksi ja helposti käsiteltäväksi aineistoksi.
Ohjelmisto automatisoi koko dataprosessin
Opinnäytetyössä kehitetty ratkaisu automatisoi koko prosessin yritysten hakemisesta valmiiden tutkimusaineistojen tuottamiseen. Ohjelma hakee ensin Patentti- ja rekisterihallituksen rajapinnasta kaikki valitulla aikavälillä rakenteiset tilinpäätöstietonsa toimittaneet yritykset. Koska aineisto voi sisältää tuhansia yrityksiä, ohjelma käsittelee rajapinnan sivutuksen automaattisesti ja lataa tarvittavat XBRL-tiedostot jatkokäsittelyä varten.
Varsinainen tekninen haaste liittyi XBRL-rakenteen tulkitsemiseen. Ohjelmiston tuli tunnistaa tiedostoista kontekstit, faktat, yksiköt ja dimensiot sekä ymmärtää niiden väliset yhteydet. Lisäksi tiedostoissa käytettävät tekniset tunnisteet täytyi yhdistää niiden todellisiin taloudellisiin merkityksiin hyödyntämällä erillisiä taksonomiatietoja.
Ratkaisu toteutettiin modulaarisena Python-sovelluksena, jonka eri osat vastaavat tiedon hakemisesta, jäsentämisestä, taksonomioiden käsittelystä ja lopullisten tiedostojen muodostamisesta. Lopputuloksena syntynyt sovellus tuottaa kolme erillistä CSV-aineistoa, jotka sisältävät yritystiedot, tilinpäätösten kontekstitiedot sekä varsinaiset taloudelliset faktat. Monimutkaisesta XBRL-rakenteesta muodostuu näin aineisto, jota voidaan hyödyntää huomattavasti tehokkaammin tutkimuksessa ja koneoppimisen sovelluksissa.
Datasta tutkimusaineistoksi
Tekoälyratkaisuista puhuttaessa huomio kiinnittyy usein itse malleihin ja niiden tuottamiin tuloksiin. Käytännössä merkittävä osa työstä tapahtuu kuitenkin ennen mallien kouluttamista.
Neuroverkot tarvitsevat laadukasta, yhtenäistä ja luotettavaa dataa. Ilman tarkoitukseen soveltuvaa aineistoa edes kehittyneimmät algoritmit eivät tuota käyttökelpoisia tuloksia. Tästä syystä datan kerääminen, jäsentäminen ja muokkaaminen muodostavat keskeisen osan monia tekoäly- ja koneoppimisprojekteja. Opinnäytetyössä kehitetty ratkaisu mahdollistaa suurten yritysdata-aineistojen tehokkaan hyödyntämisen tutkimuksessa. Sen avulla voidaan automatisoida työvaihe, joka muuten vaatisi huomattavan määrän manuaalista käsittelyä.
Korkeakouluyhteistyö käytännössä
Projektin erityispiirteenä oli sen vahva yhteys käynnissä olevaan tutkimukseen. Työn tavoitteena ei ollut ainoastaan rakentaa tekninen ratkaisu, vaan luoda väline, jota voidaan hyödyntää suoraan väitöskirjatutkimuksen seuraavissa vaiheissa.
Samalla projekti toimii konkreettisena esimerkkinä Vaasan korkeakoulukonsortion tarjoamista mahdollisuuksista. Tutkimustarve kohtasi opiskelijan osaamisen, ja yhteistyön tuloksena syntyi ratkaisu, joka hyödyttää sekä tutkimusta että opiskelijan ammatillista kehittymistä. Tällaiset projektit osoittavat, kuinka korkeakoulujen välinen yhteistyö voi parhaimmillaan toimia. Opiskelijat pääsevät osallistumaan aitoihin tutkimus- ja kehityshankkeisiin, tutkijat saavat käyttöönsä uusia ratkaisuja ja samalla syntyy uutta osaamista alueelle.
Työ valmistui onnistuneesti, ja sen tuloksia hyödynnetään jatkossa osana Vaasan yliopistossa tehtävää tekoälytutkimusta. Opinnäytetyö osoittaa, että merkittäviä tutkimusta tukevia ratkaisuja voidaan rakentaa jo opintojen aikana, kun opiskelijoille tarjotaan mahdollisuus osallistua todellisten ongelmien ratkaisemiseen.
