Takaisin
Blogi
Power BI on erinomaisen näppärä väline datan hakemiseen ja interaktiivisten raporttien luomiseen. R -ohjelmointikieli puolestaan on kätevä ja erittäin monipuolinen mm. tilastollisessa laskennassa ja grafiikan tuottamisessa. Ensiajatukseni yhdistelmästä oli, että on hienoa, että R on käytettävissä myös Power BI Desktopissa, sillä R on kova juttu. Mielestäni isoin juttu on kuitenkin se, että Power BI & R -kombinaatiossa käden ulottuvilla on molempien tekniikoiden vahvuudet yhdessä.
Power BI Desktop ei itsessään pidä sisällään R-toiminnallisuuksia. Ne voi asentaa työasemalleen vaikkapa täältä https://mran.revolutionanalytics.com/download/ tai täältä: https://cran.r-project.org/bin/windows/base/. Kun vielä pitää huolen, että Power BI Desktopin Options – R scripting tietää polun ”ärrälle”, onkin R jo käyttövalmis myös Power BI Desktopissa.
R-pyörittelyssäni tavoitteenani oli yhdistää Power BI:n vahvuudet tiedon keräämisessä ja raportoinnin interaktiivisuudessa. Matkaan lähdetään hyvin suomalaisella meiningillä, eli yhdistämällä lätkädataan itseorganisoituva piirrekartta. Pelkästään urlin antamalla Power BI (Get Data – Web) osaa kerätä www.liiga.fi tilastot pyöriteltäväksi. Itse otin mukaan runkosarjat kaudelta 2015-16 sekä kuluvalta 2016-17 -kaudelta.
Tavoitteenani oli rakentaa koneoppimisen keinoin erilaiset pelaajat pelaajatyypeiksi tiivistävä kartta. Power BI Desktopin datamallista voi suoraan raahata halutut kentät R-visualisoinnille (mittareiksi valitsin tässä ottelut, maalit, syötöt, pisteet, rangaistukset, +/-) ja tämän jälkeen komponenttiin voi alkaa kirjoittaa neuroverkon toteuttavaa R-koodia.
Itse opetin neuroverkon 2015-2016 aineistolla. Valmiin piirrekartan yksittäiset pallot edustavat pelaajia, ja esimerkiksi vuoden takainen Tapparan maaliseppo Patrik Laine sijoittuu lähelle vasenta yläkulmaa. Samankaltaiset pallot (eli pelaajatyypit eli neuronit) ovat lähellä toisiaan ja kokonaisuudeksi näytti muodostavan verkosto, jossa vasempaan yläkulmaan keskittyy maalintekijöitä ja pistemiehiä simuloivat neuronit, vasempaan alakulmaan puolestaan jäähypenkin kuluttajat. Heistä keskemmälle siirtyessä löytyy keskittymä, jossa +/- -tilastossa huonosti pärjänneet ovat. Pistemiehistä oikealle siirtyessä löytyy puolestaan +/- -tilaston sankarit. Oikeassa alakulmassa lähinnä hajapelejä pelaavat reservit.
Kartta itsessään on kuitenkin vain kartta. Power BI pystyy herättämään kartan eloon mahdollistamalla helposti esimerkiksi joukkue- ja pelaajafiltterit kartan ympärille. Muutaman klikkauksen jälkeen käytettävissä onkin pelaajia analysoiva ratkaisu ja voidaan alkaa tutkia kuluvan kauden pelaajien sijoittumista kartan pelaajatyyppeihin.
Janilla on yli 10 vuoden kokemus Business Intelligencestä ja tietovarastoinnista. Arjessa hän miettii tietovarastoarkkitehtuuriratkaisuja ja niitä hän tekee konsultoinnista toteutukseen. Erityisesti häntä kiehtoo se, kuinka informaatiota ei kerätä tietovarastoja, vaan ihmisiä varten. ”Hienointa on, kun monimutkainen ongelma muuttuu selkeäksi ratkaisuksi.”